In 2007, I became the attorney general of the state of New Jersey. Before that, I'd been a criminal prosecutor, first in the Manhattan district attorney's office, and then at the United States Department of Justice.
W 2007 roku zostałam prokuratorką generalną stanu New Jersey. Wcześniej byłam oskarżycielką publiczną, najpierw w prokuraturze okręgu Manhattan, potem w Departamencie Sprawiedliwości USA.
But when I became the attorney general, two things happened that changed the way I see criminal justice. The first is that I asked what I thought were really basic questions. I wanted to understand who we were arresting, who we were charging, and who we were putting in our nation's jails and prisons. I also wanted to understand if we were making decisions in a way that made us safer. And I couldn't get this information out. It turned out that most big criminal justice agencies like my own didn't track the things that matter. So after about a month of being incredibly frustrated, I walked down into a conference room that was filled with detectives and stacks and stacks of case files, and the detectives were sitting there with yellow legal pads taking notes. They were trying to get the information I was looking for by going through case by case for the past five years. And as you can imagine, when we finally got the results, they weren't good. It turned out that we were doing a lot of low-level drug cases on the streets just around the corner from our office in Trenton.
Kiedy zostałam prokuratorką generalną, dwie rzeczy zmieniły moje postrzeganie sądownictwa karnego. Pierwszą były podstawowe pytania. Chciałam wiedzieć, kogo aresztujemy, oskarżamy, i kogo zamykamy w aresztach i więzieniach. Chciałam też wiedzieć, czy podejmujemy decyzje, które zwiększają nasze bezpieczeństwo. Ale nie mogłam zdobyć tych informacji. Okazało się, że większość dużych instytucji prawa karnego, takich jak moja, nie kontroluje istotnych spraw. Po około miesiącu niewiarygodnej frustracji, zajrzałam do sali konferencyjnej pełnej detektywów i stosów akt. Detektywi siedzieli, robiąc zapiski w notesach. Próbowali zebrać informacje, których szukałam, przeglądając sprawę po sprawie już piąty rok. Jak się spodziewacie, rezultat nie był dobry. Wyszło na to, że zajmujemy się mnóstwem drobnych spraw narkotykowych tuż za rogiem naszego biura w Trenton. Druga rzecz wydarzyła się
The second thing that happened is that I spent the day in the Camden, New Jersey police department. Now, at that time, Camden, New Jersey, was the most dangerous city in America. I ran the Camden Police Department because of that. I spent the day in the police department, and I was taken into a room with senior police officials, all of whom were working hard and trying very hard to reduce crime in Camden. And what I saw in that room, as we talked about how to reduce crime, were a series of officers with a lot of little yellow sticky notes. And they would take a yellow sticky and they would write something on it and they would put it up on a board. And one of them said, "We had a robbery two weeks ago. We have no suspects." And another said, "We had a shooting in this neighborhood last week. We have no suspects." We weren't using data-driven policing. We were essentially trying to fight crime with yellow Post-it notes.
podczas dnia spędzonego na komendzie policji w Camden. W tym czasie Camden w New Jersey było najbardziej niebezpiecznym miastem w Ameryce. Z tego powodu objęłam prowadzenie Komendy Policji Miasta Camden. Spędziłam cały dzień na komendzie, trafiłam do sali pełnej wysokich rangą oficerów policji, którzy bardzo ciężko się starali, by zredukować przestępczość w Camden. Co zobaczyłam w tej sali, kiedy rozmawialiśmy o redukcji przestępczości? Szereg policjantów z mnóstwem żółtych karteczek samoprzylepnych. Brali żółtą karteczkę, coś na niej pisali i umieszczali na tablicy. Jeden powiedział: "Dwa tygodnie temu był rabunek, nie mamy podejrzanych". Inny: "W zeszłym tygodniu mieliśmy strzelaninę w okolicy, nie mamy podejrzanych". W pracy nie korzystaliśmy z danych. Próbowaliśmy zwalczać przestępczość żółtymi karteczkami samoprzylepnymi.
Now, both of these things made me realize fundamentally that we were failing. We didn't even know who was in our criminal justice system, we didn't have any data about the things that mattered, and we didn't share data or use analytics or tools to help us make better decisions and to reduce crime. And for the first time, I started to think about how we made decisions. When I was an assistant D.A., and when I was a federal prosecutor, I looked at the cases in front of me, and I generally made decisions based on my instinct and my experience. When I became attorney general, I could look at the system as a whole, and what surprised me is that I found that that was exactly how we were doing it across the entire system -- in police departments, in prosecutors's offices, in courts and in jails. And what I learned very quickly is that we weren't doing a good job. So I wanted to do things differently. I wanted to introduce data and analytics and rigorous statistical analysis into our work. In short, I wanted to moneyball criminal justice.
Te dwie sprawy uświadomiły mi, że ponosimy całkowitą klęskę. Nie wiedzieliśmy, kto figuruje w systemie sądownictwa karnego. Nie mieliśmy żadnych danych godnych uwagi, nie dzieliliśmy się danymi, nie używaliśmy analityki czy narzędzi pomocnych w podejmowaniu decyzji i redukowaniu przestępczości. Zaczęłam się wtedy zastanawiać, jak podejmujemy decyzje. Będąc asystentką prokuratora okręgowego oraz oskarżycielką federalną, patrzyłam na sprawy do rozpatrzenia i zwykle podejmowałam decyzje w oparciu o instynkt i własne doświadczenie. Kiedy zostałam prokuratorką generalną, spojrzałam na system jako całość i zaskoczyło mnie odkrycie, że robimy dokładnie tak samo na wszystkich szczeblach systemu, w wydziałach policji, prokuraturach, w sądach i aresztach. Szybko przekonałam się, że nie wykonujemy dobrej roboty. Dlatego chciałam podejść do tego inaczej. Chciałam do naszej pracy wprowadzić dane, analitykę i rygorystyczną analizę statystyczną. Chciałam zastosować taktykę "moneyball" w sądownictwie karnym. To znana z książki i filmu taktyka drużyny Oakland Athletics.
Now, moneyball, as many of you know, is what the Oakland A's did, where they used smart data and statistics to figure out how to pick players that would help them win games, and they went from a system that was based on baseball scouts who used to go out and watch players and use their instinct and experience, the scouts' instincts and experience, to pick players, from one to use smart data and rigorous statistical analysis to figure out how to pick players that would help them win games.
Użyli inteligentnych danych i statystyk, by znaleźć metodę doboru zawodników pozwalającą wygrywać mecze. Zaczęli od systemu opartego na łowcach talentów, którzy chodzili oglądać grających i korzystając z instynktu i doświadczenia, wybierali zawodników, do inteligentnych danych i dokładnej analizy statystycznej, żeby wytypować zawodników, którzy pozwolą wygrywać mecze. Udało się w przypadku Oakland A
It worked for the Oakland A's, and it worked in the state of New Jersey. We took Camden off the top of the list as the most dangerous city in America. We reduced murders there by 41 percent, which actually means 37 lives were saved. And we reduced all crime in the city by 26 percent. We also changed the way we did criminal prosecutions. So we went from doing low-level drug crimes that were outside our building to doing cases of statewide importance, on things like reducing violence with the most violent offenders, prosecuting street gangs, gun and drug trafficking, and political corruption.
i udało się w stanie New Jersey. Zdjęliśmy Camden z czołówki najgroźniejszych miast Ameryki. Zredukowaliśmy morderstwa o 41%, co oznacza uratowanie życia 37 osób. Obniżyliśmy przestępczość w mieście o 26%. Zmieniliśmy też procedurę wnoszenia oskarżenia. Od drobnej przestępczości narkotykowej przed naszym budynkiem, do zajmowania się sprawami wagi krajowej, jak ograniczenie przemocy u najbardziej brutalnych przestępców, sądowne ściganie gangów ulicznych, handlarzy bronią i narkotykami oraz korupcji w polityce.
And all of this matters greatly, because public safety to me is the most important function of government. If we're not safe, we can't be educated, we can't be healthy, we can't do any of the other things we want to do in our lives. And we live in a country today where we face serious criminal justice problems. We have 12 million arrests every single year. The vast majority of those arrests are for low-level crimes, like misdemeanors, 70 to 80 percent. Less than five percent of all arrests are for violent crime. Yet we spend 75 billion, that's b for billion, dollars a year on state and local corrections costs. Right now, today, we have 2.3 million people in our jails and prisons. And we face unbelievable public safety challenges because we have a situation in which two thirds of the people in our jails are there waiting for trial. They haven't yet been convicted of a crime. They're just waiting for their day in court. And 67 percent of people come back. Our recidivism rate is amongst the highest in the world. Almost seven in 10 people who are released from prison will be rearrested in a constant cycle of crime and incarceration.
Wszystko to ma wielkie znaczenie, ponieważ bezpieczeństwo publiczne jest dla mnie najważniejszą funkcją rządu. Jeśli nie jesteśmy bezpieczni, nie możemy się kształcić, być zdrowi, zajmować się innymi rzeczami, które chcemy robić. Mieszkamy obecnie w kraju, gdzie stoimy przed poważnymi problemami w sądownictwie karnym. 12 milionów przypadków aresztowań rocznie. Większość tych aresztowań dotyczy drobnych przestępstw typu wykroczenia, aż 70 do 80%. Mniej niż 5% przypadków zatrzymania dotyczy brutalnych przestępstw. Jednak wydajemy 75 miliardów rocznie, tak, miliardów dolarów, dolarów na więzienia stanowe i lokalne. Obecnie mamy 2,3 miliona osób w aresztach i więzieniach. Borykamy się z wielkimi problemami bezpieczeństwa publicznego, ponieważ w obecnej sytuacji dwie trzecie więźniów czeka na rozprawę. Nie zostali jeszcze skazani za przestępstwo. Czekają na termin rozprawy, a 67% osób wraca do więzień. Nasz wskaźnik recydywy należy do najwyższych na świecie. Prawie 7 na 10 zwolnionych z więzienia będzie ponownie aresztowanych w nieustannym cyklu przestępstwa i uwięzienia. Kiedy zaczęłam pracować dla Arnold Foundation,
So when I started my job at the Arnold Foundation, I came back to looking at a lot of these questions, and I came back to thinking about how we had used data and analytics to transform the way we did criminal justice in New Jersey. And when I look at the criminal justice system in the United States today, I feel the exact same way that I did about the state of New Jersey when I started there, which is that we absolutely have to do better, and I know that we can do better.
znów spojrzałam na te pytania, zastanawiając się, jak wykorzystaliśmy dane i analitykę, żeby zmienić sposób egzekwowania sądownictwa karnego w New Jersey. Patrząc na ten system w dzisiejszych Stanach Zjednoczonych, czuję to samo co wtedy, gdy zaczynałam w stanie New Jersey, że kategorycznie musimy lepiej sobie radzić, a wiem, że to potrafimy.
So I decided to focus on using data and analytics to help make the most critical decision in public safety, and that decision is the determination of whether, when someone has been arrested, whether they pose a risk to public safety and should be detained, or whether they don't pose a risk to public safety and should be released. Everything that happens in criminal cases comes out of this one decision. It impacts everything. It impacts sentencing. It impacts whether someone gets drug treatment. It impacts crime and violence. And when I talk to judges around the United States, which I do all the time now, they all say the same thing, which is that we put dangerous people in jail, and we let non-dangerous, nonviolent people out. They mean it and they believe it. But when you start to look at the data, which, by the way, the judges don't have, when we start to look at the data, what we find time and time again, is that this isn't the case. We find low-risk offenders, which makes up 50 percent of our entire criminal justice population, we find that they're in jail. Take Leslie Chew, who was a Texas man who stole four blankets on a cold winter night. He was arrested, and he was kept in jail on 3,500 dollars bail, an amount that he could not afford to pay. And he stayed in jail for eight months until his case came up for trial, at a cost to taxpayers of more than 9,000 dollars. And at the other end of the spectrum, we're doing an equally terrible job. The people who we find are the highest-risk offenders, the people who we think have the highest likelihood of committing a new crime if they're released, we see nationally that 50 percent of those people are being released.
Postanowiłam skoncentrować się na wykorzystaniu danych i analityki. by pomóc w podejmowaniu najważniejszej decyzji w bezpieczeństwie publicznym. Ta decyzja wiąże się z określeniem, czy aresztowany stanowi zagrożenie i powinien zostać zatrzymany, czy też nie stanowi zagrożenia, i powinno się go wypuścić. Wszystko w sprawach kryminalnych wynika z tej jednej decyzji. Wpływa ona na wszystko. Wpływa na wyrok, na decyzję o zastosowaniu terapii. Wpływa na przestępczość i przemoc. Gdy rozmawiam z sędziami w USA, a robię to cały czas, wszyscy mówią to samo, że zamykamy w więzieniach ludzi niebezpiecznych, a wypuszczamy tych niegroźnych, niestosujących przemocy. Tak uważają i w to wierzą. Ale kiedy spojrzymy na dane, których sędziowie nie posiadają, przypatrując się tym danym, odkrywamy za każdym razem, że tak nie jest. Okazuje się, że drobni przestępcy, którzy stanowią 50% osób w systemie sądownictwa karnego, są zamknięci w więzieniu. Na przykład Leslie Chew z Teksasu, który w zimną zimową noc ukradł cztery koce. Zatrzymano go i trzymano w areszcie za kaucją w wysokości 3 500 dolarów. Była to suma, której nie mógł zapłacić. Spędził w więzieniu osiem miesięcy, aż sprawa trafiła na wokandę, kosztując podatników ponad 9 000 dolarów. Po drugiej stronie spektrum idzie nam równie fatalnie. Są osoby, o których wiadomo, że są przestępcami najwyższego ryzyka, z największym prawdopodobieństwem popełnienia przestępstwa po uwolnieniu, w skali państwa 50% tych osób wypuszcza się na wolność. Powodem jest sposób podejmowania decyzji.
The reason for this is the way we make decisions. Judges have the best intentions when they make these decisions about risk, but they're making them subjectively. They're like the baseball scouts 20 years ago who were using their instinct and their experience to try to decide what risk someone poses. They're being subjective, and we know what happens with subjective decision making, which is that we are often wrong. What we need in this space are strong data and analytics.
Sędziowie mają dobre intencje, podejmując decyzje na temat ryzyka, ale podejmują je subiektywnie. Są jak łowcy talentów 20 lat temu, korzystający z instynktu i doświadczenia, żeby określić, jakie ktoś stanowi ryzyko. Są subiektywni, a wiemy, do czego prowadzą subiektywnie podejmowane decyzje. Najczęściej są niewłaściwe. Zamiast tego potrzebujemy solidnych danych i analityki. Postanowiłam poszukać
What I decided to look for was a strong data and analytic risk assessment tool, something that would let judges actually understand with a scientific and objective way what the risk was that was posed by someone in front of them. I looked all over the country, and I found that between five and 10 percent of all U.S. jurisdictions actually use any type of risk assessment tool, and when I looked at these tools, I quickly realized why. They were unbelievably expensive to administer, they were time-consuming, they were limited to the local jurisdiction in which they'd been created. So basically, they couldn't be scaled or transferred to other places.
solidnych danych i analitycznych narzędzi oceny ryzyka, czegoś, co pomoże sędziom zrozumieć naukowo i obiektywnie, jakie ryzyko stanowi ktoś, kogo mają osądzić. Szukałam w całym kraju, okazało się, że tylko 5 do 10% sądów w USA używa jakichkolwiek narzędzi oceny ryzyka. Kiedy się im przyjrzałam, szybko zrozumiałam dlaczego. Są niewiarygodnie kosztowne w obsłudze, wymagają dużo czasu i ograniczają się do lokalnego sądownictwa, gdzie zostały stworzone. Nie dało się ich rozbudować ani zastosować w innym miejscu. Stworzyłam więc wyjątkowy zespół naukowców, badaczy danych i statystyków,
So I went out and built a phenomenal team of data scientists and researchers and statisticians to build a universal risk assessment tool, so that every single judge in the United States of America can have an objective, scientific measure of risk. In the tool that we've built, what we did was we collected 1.5 million cases from all around the United States, from cities, from counties, from every single state in the country, the federal districts. And with those 1.5 million cases, which is the largest data set on pretrial in the United States today, we were able to basically find that there were 900-plus risk factors that we could look at to try to figure out what mattered most. And we found that there were nine specific things that mattered all across the country and that were the most highly predictive of risk. And so we built a universal risk assessment tool. And it looks like this. As you'll see, we put some information in, but most of it is incredibly simple, it's easy to use, it focuses on things like the defendant's prior convictions, whether they've been sentenced to incarceration, whether they've engaged in violence before, whether they've even failed to come back to court. And with this tool, we can predict three things. First, whether or not someone will commit a new crime if they're released. Second, for the first time, and I think this is incredibly important, we can predict whether someone will commit an act of violence if they're released. And that's the single most important thing that judges say when you talk to them. And third, we can predict whether someone will come back to court. And every single judge in the United States of America can use it, because it's been created on a universal data set.
żeby zbudować uniwersalne narzędzie oceny ryzyka, żeby każdy sędzia w USA posiadał obiektywne, naukowe narzędzie pomiaru ryzyka. Nasze narzędzie pozwoliło zebrać 1,5 miliona spraw z całych Stanów Zjednoczonych, z miast, okręgów, z każdego stanu, z okręgów federalnych. Mając 1,5 miliona spraw, czyli największy zbiór danych przedprocesowych w USA, mogliśmy ustalić ponad 900 czynników ryzyka, którym możemy się przyjrzeć, żeby zrozumieć, co jest najważniejsze. Istnieje też dziewięć określonych czynników dotyczących całego kraju, co stanowi najlepsze narzędzie prognozowania ryzyka. Stworzyliśmy uniwersalne narzędzie oceny ryzyka. Wygląda ono następująco. Jak widać, wprowadzamy informacje. W większości wszystko jest bardzo proste i łatwe w użyciu, skupia się to na rzeczach typu: poprzednie wyroki skazujące, czy przestępca dostał wyrok więzienia, czy wcześniej dopuścił się przemocy, czy stawił się w sądzie. Dzięki temu możemy przewidzieć trzy rzeczy. Po pierwsze, czy ktoś popełni przestępstwo po wyjściu na wolność. Po drugie, po raz pierwszy w historii, co jest niezwykle ważne, możemy przewidzieć, czy ktoś popełni akt przemocy po uwolnieniu. To jest najważniejsza kwestia, o której mówią sędziowie. Po trzecie, możemy przewidzieć, czy ktoś wróci na rozprawę. Może to wykorzystać każdy sędzia w USA, ponieważ bazą jest uniwersalny zestaw danych. Sędziowie korzystający z narzędzia widzą taki panel.
What judges see if they run the risk assessment tool is this -- it's a dashboard. At the top, you see the New Criminal Activity Score, six of course being the highest, and then in the middle you see, "Elevated risk of violence." What that says is that this person is someone who has an elevated risk of violence that the judge should look twice at. And then, towards the bottom, you see the Failure to Appear Score, which again is the likelihood that someone will come back to court.
Na górze jest wskaźnik nowej działalności przestępczej, gdzie "sześć" stanowi najwyższą wartość. Na środku widać "Zwiększone ryzyko przemocy". Oznacza to osobę o większym ryzyku przemocy, na co sędzia powinien zwrócić uwagę. Następnie, na dole, widać wskaźnik niestawienia się w sądzie, czyli prawdopodobieństwo, że ktoś nie pojawi się na rozprawie.
Now I want to say something really important. It's not that I think we should be eliminating the judge's instinct and experience from this process. I don't. I actually believe the problem that we see and the reason that we have these incredible system errors, where we're incarcerating low-level, nonviolent people and we're releasing high-risk, dangerous people, is that we don't have an objective measure of risk. But what I believe should happen is that we should take that data-driven risk assessment and combine that with the judge's instinct and experience to lead us to better decision making. The tool went statewide in Kentucky on July 1, and we're about to go up in a number of other U.S. jurisdictions. Our goal, quite simply, is that every single judge in the United States will use a data-driven risk tool within the next five years. We're now working on risk tools for prosecutors and for police officers as well, to try to take a system that runs today in America the same way it did 50 years ago, based on instinct and experience, and make it into one that runs on data and analytics.
Teraz powiem coś bardzo ważnego. Nie uważam, że powinniśmy wyeliminować instynkt i doświadczenie sędziów z tego procesu. Naprawdę. Wierzę, że istniejący problem i powód niewiarygodnych błędów systemowych, gdy aresztujemy niegroźne osoby, a wypuszczamy te niebezpieczne, polega na braku obiektywnego pomiaru ryzyka. Wierzę, że powinniśmy wykorzystać ocenę ryzyka opartą na danych i połączyć z instynktem i doświadczeniem sędziów, żeby podejmować lepsze decyzje. To narzędzie zostało wprowadzone w stanie Kentucky 1 lipca. Niedługo wejdzie do wielu innych sądów w USA. Naszym celem jest, żeby każdy sędzia w USA używał oceny ryzyka opartej na danych w następnych pięciu latach. Pracujemy nad narzędziami pomiaru ryzyka dla prokuratorów i policji, żeby obecny system, który działa w Ameryce tak samo jak 50 lat temu, w oparciu o instynkt i doświadczenie, przekształcić w system oparty na danych i analityce. Czeka nas jeszcze mnóstwo pracy i dużo zmian kulturowych,
Now, the great news about all this, and we have a ton of work left to do, and we have a lot of culture to change, but the great news about all of it is that we know it works. It's why Google is Google, and it's why all these baseball teams use moneyball to win games. The great news for us as well is that it's the way that we can transform the American criminal justice system. It's how we can make our streets safer, we can reduce our prison costs, and we can make our system much fairer and more just. Some people call it data science. I call it moneyballing criminal justice.
ale dobra wiadomość jest taka, że wiemy, że ten system działa. Dlatego Google to Google, dlatego drużyny baseballowe używają metody moneyball, żeby wygrywać mecze. Dobrą wiadomość dla nas jest to, że możemy w ten sposób zmienić amerykański system sądownictwa karnego. Możemy sprawić, by ulice były bezpieczne, możemy ograniczyć koszty więziennictwa i zmienić nasz system w bardziej uczciwy i sprawiedliwy. Niektórzy nazywają to badaniem danych. Ja nazywam to używaniem moneyball w sądownictwie.
Thank you.
Dziękuję.
(Applause)
(Brawa)