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.
Em 2007, passei a procuradora-geral do estado de Nova Jersey. Antes disso, era procuradora da República, primeiro na promotoria distrital de Manhattan e depois no Departamento de Justiça dos Estados Unidos.
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.
Quando passei a procuradora-geral, aconteceram duas coisas que mudaram a forma como vejo o sistema criminal de justiça. A primeira foi pôr em dúvida o que eu pensava que eram perguntas básicas. Queria perceber quem estávamos a prender, quem estávamos a acusar e quem estávamos a colocar nas cadeias e prisões nacionais. Também queria perceber se estávamos a tomar decisões de forma a sentirmo-nos mais seguros. Não consegui encontrar essas informações. Descobri que a maior parte das agências de Justiça criminal, como a minha, não acompanhava as coisas realmente importantes. Um mês depois de me sentir terrivelmente frustrada, entrei numa sala de conferências que estava cheia de agentes da polícia e pilhas e pilhas de arquivos. Os agentes da polícia estavam sentados a tomar notas. Estavam a tentar obter as informações que eu procurava, analisando caso a caso dos últimos cinco anos. Como podem imaginar, quando por fim tivemos os resultados, não eram bons. Acontece que estivemos a trabalhar em muitos casos de droga insignificantes, nas ruas, ao virar da esquina do nosso escritório em Trenton.
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.
A segunda coisa que aconteceu é que passei o dia em Camden, no departamento da policia de Nova Jersey. Naquela altura, Camden, em Nova Jersey, era a cidade mais perigosa dos EUA. Era por isso que eu dirigia o departamento da polícia de Camden. Passava o dia no departamento de polícia e levavam-me para uma sala com agentes da polícia veteranos que estavam a trabalhar arduamente e se esforçavam por reduzir o crime em Camden. O que eu vi nessa sala, enquanto falávamos sobre como reduzir o crime, foi uma série de policias com muitos "post-it" amarelos. Pegavam num "post-it", anotavam algo e colocavam-no num quadro. Um deles disse: "Tivemos um assalto há duas semanas. "Não temos suspeitos." Outro disse: "Houve um tiroteio neste bairro na semana passada. "Não temos suspeitos." Não estávamos a usar policiamento motivado pelos dados. Estávamos a tentar lutar contra o crime
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.
com notas em "post-it" amarelos. Estas duas coisas fizeram-me chegar à conclusão que, basicamente, estávamos a falhar. Não sabíamos quem estava no nosso sistema de justiça criminal. Não tínhamos dados nenhuns sobre o que realmente interessava. Não partilhávamos dados nem usávamos a análise nem ferramentas para nos ajudar a melhores decisões e reduzir o crime. Pela primeira vez comecei a pensar sobre como tomávamos decisões. Quando era promotora distrital, e procuradora federal, observava os processos à minha frente e tomava decisões baseadas no meu instinto e na minha experiência. Quando passei a procuradora-geral, olhava para o sistema como um todo. O que me surpreendeu foi que descobri que estávamos a fazer exatamente o mesmo em todo o sistema — nos departamentos da polícia, promotorias públicas, nos tribunais e nas cadeias. E o que aprendi rapidamente foi que não estávamos a fazer um bom trabalho. Queria fazer as coisas de forma diferente. Queria introduzir dados e análise e análise estatística rigorosa no nosso trabalho. Queria uma gestão analítica na justiça criminal.
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.
Agora, essa gestão analítica, como sabem, foi o que os "Oakland A" fizeram. Usaram dados inteligentes e estatisticas para conseguir selecionar jogadores que iriam ajudar a ganhar jogos. E abandonaram um sistema baseado em olheiros de basebol, que iam ver jogos e escolhiam jogadores usando o seu instinto e a experiência dos olheiros. Passaram a escolher jogadores usando uma análise de dados inteligentes e estatísticas rigorosas para descobrir jogadores que os ajudariam a ganhar jogos.
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.
Funcionou para os "Oakland A", e funcionou para o estado de Nova Jersey. Tirámos Camden do topo da lista como a cidade mais perigosa dos EUA. Reduzimos os homicídios em 41%, o que significa que se pouparam 37 vidas. Reduzimos todos os crimes na cidade em 26%. Também mudámos a forma de executar os processos criminais. Deixámos de tratar apenas de pequenos crimes de droga que ocorriam junto de nós e passámos a fazer processos importantes em todo o estado: reduzir a violência entre os criminosos mais violentos, processando gangues de rua, tráfico de armas e droga e corrupção política.
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.
Tudo isto é de grande importância, porque, para mim, a segurança pública é a função mais importante do governo. Se não estamos seguros, não podemos ser educados, não podemos ser saudáveis, Não podemos fazer nada do que queremos fazer na vida. E presentemente vivemos num país em que existem graves problemas de justiça criminal. Temos 12 milhões de detenções todos os anos. A grande maioria destas detenções são crimes menores, delitos leves, 70 a 80 por cento. Menos de 5% de todas as detenções são por crimes violentos. Mas gastamos 75 mil milhões, — mil milhões — de dólares por ano em custos de correção estatal e local. Neste momento, hoje, existem 2,3 milhões de pessoas nas nossas cadeias e prisões. E enfrentamos desafios incríveis de segurança pública porque temos uma situação em que dois terços das pessoas nas nossas cadeias estão à espera de serem julgadas. Ainda não foram condenadas por nenhum crime. Estão apenas à espera do dia do julgamento. E 67% das pessoas voltam para lá. A nossa taxa de reincidência está entre as mais altas do mundo. Quase 7 em 10 pessoas que são libertadas da prisão serão presas novamente, num ciclo de crime e encarceramento constante.
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.
Quando comecei o meu trabalho na Fundação Arnold, comecei a analisar muitas dessas questões e voltei a pensar em como tínhamos usado dados e análise para transformar a forma como executávamos a justiça em Nova Jersey. Quando olho para o sistema de justiça criminal nos Estados Unidos, atualmente, sinto-me da mesma forma que me sentia no estado de Nova Jersey, quando para lá fui. Era preciso fazer melhor e sei que podemos fazer melhor.
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.
Assim, decidi concentrar-me no uso de dados e na análise para ajudar a tomar as decisões mais criticas na área da segurança pública. Essa decisão é determinar, quando alguém é preso, se apresenta risco para a segurança pública, e deve ser detido, ou se não apresenta risco para a segurança pública e deve ser libertado. Tudo o que acontece em processos criminais é feito com base nesta decisão. E tem impacto em tudo. Tem impacto nas sentenças. Tem impacto se alguém faz uma desintoxicação. Tem impacto no crime e violência. Quando falo com os juízes nos EUA, — o que agora estou sempre a fazer — todos dizem a mesma coisa: "Nós colocamos as pessoas perigosas na cadeia, "e deixamos sair as pessoas que não são perigosas nem violentas". Dizem-no a sério e acreditam nisso. Mas, quando começamos a ver os dados, uma coisa que, a propósito, os juízes não têm, quando começamos a olhar para os dados, o que estamos sempre a encontrar é o contrário. Encontramos criminosos de baixo risco, que constituem 50% da população criminal inteira da justiça criminal. e descobrimos que estão na cadeia. Por exemplo, Leslie Chew, um homem do Texas que roubou quatro cobertores numa fria noite de inverno. Foi preso e ficou na prisão. A fiança era de 3 500 dólares, uma quantia que ele não podia pagar. E assim ficou preso durante oito meses até que o seu caso foi julgado. Custou aos contribuintes mais de 9 000 dólares! E do outro lado do espetro, estamos a fazer um trabalho igualmente terrivel. As pessoas que encontramos são os criminosos de maior perigo, as pessoas que julgamos ter a maior hipótese de praticarem um novo crime, se forem libertados. Vemos que 50% dessas pessoas, a nível nacional, estão a ser libertadas.
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.
A razão é a forma como tomamos decisões. Os juízes têm as melhores das intenções quando tomam decisões que envolvem risco. Mas tomam essas decisões subjetivamente. Como os olheiros de basebol, há 20 anos atrás que usavam o seu instinto e a sua experiência, para tentar decidir qual o risco que alguém apresenta. Estão a ser subjetivos. Todos sabemos o que acontece com tomadas de decisões subjetivas, que é estarmos muitas vezes errados. O que precisamos neste espaço são dados robustos e análise.
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.
O que eu decidi procurar foi uma ferramenta de avaliação analítica de risco de dados. algo que possa ajudar os juízes a perceber, de uma forma objetiva e científica, qual seria o risco representado pela pessoa à sua frente. Procurei por todo o país e descobri que, entre 5 a 10% de todas as jurisdições dos EUA não usam nenhum tipo de ferramenta de avaliação de risco, e quando vi essas ferramentas percebi logo porquê. Eram incrivelmente difíceis de gerir, eram lentas, estavam limitadas à jurisdição local na qual tinham sido criadas. Não podiam ser ajustadas ou transferidas para outros locais.
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.
Então, organizei uma equipa fantástica de cientistas e investigadores de dados e de estatísticos para construir uma ferramenta universal de avaliação de risco, para que todos os juízes nos EUA possam ter uma medida de risco, objetiva e científica. Nessa ferramenta que construímos colecionámos um milhão e meio de casos de toda a parte dos EUA, de cidades, de municípios, de cada um dos estados do país, dos distritos federais. Nesse milhão e meio de casos, o maior conjunto de dados organizados na instrução, atualmente nos EUA, conseguimos descobrir que havia 900 ou mais fatores de risco que podíamos analisar para tentar calcular o que era mais importante. Descobrimos que havia nove coisas específicas que tinham a mesma importância por todo o país e que eram os fatores mais previsíveis de alto risco. Construímos uma ferramenta universal de avaliação de risco. Tem este aspeto. Como podem ver, colocamos aqui algumas informações, mas a maioria é incrivelmente simples e fácil de usar. Concentra-se em coisas como condenações prévias do acusado, se foram condenados a prisão, se se envolveram em violência no passado, se não compareceram no tribunal. Com esta ferramenta, podemos prever três coisas. Primeiro, se alguém vai ou não praticar um novo crime depois de ser libertado. Segundo, pela primeira vez, e penso que isto é muito importante, Podemos prever se alguém praticará um ato de violência depois de libertado. E isso é a coisa mais importante que os juízes dizem quando falamos com eles. Em terceiro lugar, podemos prever se alguém voltará ao tribunal. E todos os juízes dos EUA podem usá-la, porque foi criada com base num grupo de dados universais.
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.
Quando os juízes utilizam a ferramenta de avaliação de risco veem isto — um painel. No topo, vemos a Pontuação de Atividade Criminal, em que "6" são os mais perigosos, e no meio vemos "Risco elevado de violência." O que isso revela é que essa pessoa tem um risco elevado de violência que um juiz deve ponderar. Mais abaixo, vemos a Pontuação por Falta de Comparência o que representa a probabilidade de alguém voltar a comparecer perante o tribunal.
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.
Quero dizer uma coisa muito importante. Não penso que devemos eliminar o instinto e a experiência do juiz nestes processos. Nada disso. Creio que o problema que enfrentamos e a razão por que temos estes incríveis erros no sistema, em que estamos a encarcerar pessoas que não são violentas e estamos a libertar pessoas altamente perigosas, é porque não temos uma medida objetiva de risco. Mas acredito que o que deve acontecer é pegar nessa avaliação de risco baseada em dados e juntá-la ao instinto e experiência dos juízes para nos levar a melhores tomadas de decisões. A ferramenta espalhou-se por todo o Kentucky no dia 1 de julho. Estamos a ponto de entrar numa série de jurisdições dos EUA. O nosso objetivo, simplesmente, é que cada juiz nos EUA use uma ferramenta de risco baseada em dados nos próximos cinco anos. Estamos a trabalhar em ferramentas de risco para procuradores e também para polícias, para tentar eliminar um sistema que funciona hoje nos EUA, da mesma forma que funcionava há 50 anos, baseado no instinto e experiência, e transformá-lo em algo que funcione com dados e análise.
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.
A grande novidade nisto tudo, — e temos muito trabalho por fazer, e temos que mudar a mentalidade em relação a isso — a grande novidade nisto tudo é que sabemos que funciona. É por isso que o Google é o Google. É por isso que todas essas equipas de basebol usam a gestão analítica para ganhar jogos. Para nós, a grande novidade é que é a forma como podemos transformar o sistema de justiça criminal norte-americano. É como podemos tornar as nossas ruas mais seguras, podemos reduzir os custos das nossas prisões, e podemos tornar o nosso sistema mais transparente e mais justo. Algumas pessoas chamam-lhe ciência de dados. Eu chamo-lhe gestão analítica na justiça criminal.
Thank you.
Obrigada.
(Applause)
(Aplausos)