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.
У 2007 я стала генеральним прокурором штату Нью-Джерсі. До того я була кримінальним обвинувачувачем спочатку в адвокатській конторі Мангеттену, а потім у Міністерстві юстиції Сполучених Штатів Америки.
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.
Але коли я стала генеральним прокурором, сталося дві речі, які змінили те, як я бачу кримінальне правосуддя. Перше - я почала ставити, як мені здавалося, звичайні базові запитання. Я хотіла зрозуміти, кого ми заарештовували, кого ми обинувачували, і кого ми саджали у слідчі ізолятори і в'язниці. Я також хотіла зрозуміти, чи насправді ми приймали рішення, які гарантують нам безпеку. Та я не могла витягти цю інформацію. Виявилось, що більшість великих кримінальних відомств на кшталт мого, не відстежували дійсно важливих показників. Тож десь через місяць неймовірного розчарування я зайшла у конференц-залу, заповнену слідчими, і купами судових справ. Там сиділи детективи і робили нотатки у звичайних паперових блокнотах. Вони намагалися знайти потрібну мені інформацію, передивляючись справу за справою за останні п'ять років. Як ви можете собі уявити, коли ми отримали результати, вони не були добрими. Виявилось, що ми працювали над багатьма справами, пов'язаними з торгівлею наркотиками на вулицях прямо за рогом від нашого офісу у Трентоні.
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.
Друга річ, що сталася, - це те, що я провела цілий день у Кемдені, поліцейському відділку Нью-Джерсі. І ось що: саме тоді Кемден, штат Нью Джерсі, був найнебезпечнішим містом Америки. Я керувала поліцейським департаментом Кемдена саме з цієї причини. Я провела день у поліцейському відділку, і мене відвели у кабінет старших поліцейських офіцерів, кожен із яких тяжко працював, і як міг намагався скоротити злочинність у Кемдені. І в тому кабінеті, поки ми говорили про способи боротьби зі злочинністю, я побачила офіцерів з купами жовтих папірців-наклейок з нотатками. Вони брали жовтий папірець, щось на ньому записували, і приклеювали його на дошку. Один із них сказав: "Два тижні тому в нас було пограбування. В нас немає підозрюваних". А інший додав: "Минулого тижня в цьому кварталі була стрільба. В нас немає підозрюваних". Ми не користувалися даними для розслідувань. Ми намагалися перемогти злочинність жовтими нотатками.
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.
Тоді обидва ці випадки змусили мене усвідомити, що ми по суті програвали. Ми навіть не знали, хто саме був у нашій карній системі, в нас не було жодних даних про дійсно важливі речі, в нас не було спільної бази даних чи аналітики, не було й інструментів для прийняття кращих рішень і скорочення злочинності. І тоді вперше я задумалась про те, як саме ми приймали рішення. Коли я була помічником генерального прокурора, а потім федеральним обвинувачувачем, я дивилася на справи на моєму столі і здебільшого приймала рішення, спираючись на свою інтуїцію і досвід. Коли я стала генеральним прокурором, я змогла подивитися на систему в цілому, і здивувалася, коли впевнилася, що саме так ми робили все в цілій системі - у поліцейських відділках, у кабінетах прокурорів, у судах і в'язницях. І я дуже швидко зрозуміла, що ми робили зовсім не добру роботу. Тож мені захотілося підійти до справ по-іншому. Я хотіла додати до нашої роботи дані, аналітику і статистичний аналіз. У двох словах, я хотіла повністю змінити наше кримінальне правосуддя.
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.
Я скористалася знахідкою бейсбольної команди Окланд Ейс: вони використовували інтелектуальні дані і статистику, щоб з'ясувати, як обирати гравців, що допоможуть їм вигравати. Тож вони перейшли від системи, коли гравців шукали, спостерігаючи за ними під час гри, цілком спираючись на інтуїцію та досвід, інтуїцію та досвід скаутів, що відбирали гравців, до системи, яка базувалася на інтелектуальних даних і статистичному аналізі, коли приймалися рішення щодо відбору гравців, що приноситимуть їм перемоги.
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.
Це спрацювало для Окланд Ейс, і це також спрацювало для штату Нью-Джерсі. Ми зняли Кемден із першої позиції списку найнебезпечніших міст Америки. Ми скоротили вбивства на 41 відсоток, тобто врятували 37 життів. Ми також скоротили злочинність у місті на 26%. Ми змінили спосіб проведення кримінального обвинувачення. Ми перейшли від незначних справ, пов'язаних із наркотиками, що відбувалися прямо за рогом нашого будинку, до справ у масштабі всього штату, зосередившись на зменшенні кількості найжорстокіших злочинів, переслідуванні вуличних банд, перевезенні зброї та наркотиків та політичній корупції.
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.
І все це дуже важливо, адже громадська безпека, як на мене, найважливіша функція урядування. Якщо ми в небезпеці, ми не можемо отримувати освіту, не можемо бути здоровими, не можемо робити нічого з того, що б нам хотілося робити в житті. І сьогодні ми живемо в країні, де існують серйозні проблеми з кримінальним правосуддям. Кожного року ми виконуємо 12 мільйонів арештів. Переважна більшість цих арештів - за незначні злочини і дрібні порушення, від 70 до 80 відсотків. Менш ніж п'ять відсотків усіх арештів відбувається за жорстокі злочини. І все одно ми витрачаємо 75 мільярдів, так, саме мільярдів, доларів щорічно на утримання виправних закладів штату. Сьогодні в слідчих ізоляторах і в'язницях сидять 2.3 мільйони людей. Водночас ми стикаємося з неймовірними труднощами з громадською безпекою через те, що дві третини людей у слідчих ізоляторах очікують суду. Вони ще не були засуджені за скоєння злочину. Вони просто чекають на день свого суду. І 67 відсотків повертаються. Наш рівень рецидивізму найвищий у світі. Майже сім із 10 людей, що виходять з в'язниці, будуть заарештовані знову, потрапивши у зачароване коло злочинів та ув'язнень.
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.
Коли я почала працювати у фонді Arnold Foundation, я знову повернулася до розгляду цих питань, і знову згадала про те, як ми використовували дані та аналітику, щоб змінити спосіб ведення кримінального правосуддя у Нью-Джерсі. Коли я дивлюся на систему кримінального правосуддя у Сполучених Штатах, в мене виникають ті самі відчуття, що й тоді, коли я починала працювати у штаті Нью-Джерсі: ми мусимо працювати краще, і я знаю, що ми можемо працювати краще.
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.
Тож я вирішила зосередитись на тому, як використовувати дані та аналітику, щоб приймати найважливе рішення щодо громадської безпеки, і це рішення стосується визначення того, чи той, кого заарештовано, становить загрозу громадській безпеці, і тому має бути затриманий, чи не становить загрози громадській безпеці і повинен вийти на волю. Все, що відбувається у кримінальних справах, витікає з одного цього рішення. Воно впливає на все. Воно впливає на міру покарання. Воно впливає на отримання лікування від наркотичної залежності. Впливає на злочинність і насилля. Коли я розмовляю з суддями Сполучених Штатів, а тепер я роблю це постійно, всі вони кажуть одне й те саме: ми саджаємо небезпечних злочинців у в'язниці, і випускаємо на волю тих, що не становлять загрози. Вони мають це на увазі та вірять у це. Але коли ви подивитесь на статистику, якої, до речі, судді не мають, коли ми дивимося на ці дані, ми знову й знову переконуємося, що це не так. Ми знаходимо правопорушників низкого рівня ризику, які становлять 50 відсотків усього кримінального світу, і саме вони потрапляють до в'язниці. Візьміть хоча б Леслі Чу, жителя Техасу, який вкрав чотири ковдри у холодну зимову ніч. Його заарештували і тримали в слідчому ізоляторі під заставу у розмірі 3 500 доларів, суму, якої він ніяк не міг собі дозволити. Він залишався у СІЗО протягом восьми місяців, аж поки справу не передали до суду, за рахунок платників податків, що коштувало понад 9 000 доларів. З більш резонансними злочинами ми так само жахливо не справляємось. Люди, яких ми вважаємо правопорушниками найвищого рівня ризику, люди, які, на нашу думку, найімовірніше скоять злочин, коли їх відпустять, у масштабах країни 50 відсотків цих людей виходять на волю.
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.
А все через наш спосіб прийняття рішень. Судді мають найкращі наміри, коли вони приймають рішення про ризик, але вони приймають ці рішення суб'єктивно. Вони подібні до бейсбольних скаутів 20 років тому, які покладалися на свою інтуїцію і досвід, визначаючи ступінь ризику тієі чи іншої особи. Вони суб'єктивні, а ми знаємо, що трапляється, коли рішення приймаються суб'єктивно - ці рішення часто неправильні. В цей момент нам потрібні переконливі дані і аналітика.
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.
І я вирішила віднайти переконливі дані та аналітичний інструмент, щоб визначати рівень ризику, щось, що дало б суддям змогу зрозуміти у науковий і об'єктивний спосіб, який саме ризик становить людина, яка стоїть перед ними. Я продивилася показники по всій країні, і зрозуміла, що тільки від 5 до 10 відсотків всіх судочинств у США взагалі користуються яким-небудь інструментом визначення рівня ризику, а коли я поглянула на ці інструменти, я швидко зрозуміла, чому. Їхня підтримка була надзвичайно дорога, вони забирали багато часу, були обмежені місцевою юрисдикцією, в якій і для якої були створені. Їх не можна було масштабувати і використовувати деінде.
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.
Тож я наважилася зібрати феноменальну команду науковців і дослідників даних, а також професіоналів зі статистики, щоб створити універсальний інструмент визначення рівня ризику, щоб кожен суддя у Сполучених Штатах Америки міг отримати об'єктивну і наукову міру ризику. В інструменті, який ми створили, ми зібрали 1.5 мільйона справ з усіх Сполучених Штатів, з міст, з округів, з кожного штату країни, з федеральних округів. І з тих 1.5 мільйона справ, які становлять найбільший набір досудових даних у Сполучених Штатах на цей день, ми змогли виділити понад 900 факторів ризику, що їх ми оцінили, щоб з'ясувати, які з них найважливіші. І ми зрозуміли, що існує дев'ять чинників, які мають значення по всій країні і найточніше вказують на можливість ризику. Ми створили універсальний інструмент визначення рівня ризику. Він виглядає ось так. Як ви бачите, ми додаємо сюди деяку інформацію, більшість з якої надзвичайно проста. Інструментом легко користуватися, він бере до уваги попередні судимості підзахисних, чи були вони засуджені до ув'язнення, чи скоювали злочини раніше, чи колись не з'являлися на слухання справи у суді. І з цим інструментом ми можемо прогнозувати три речі. Перше: чи скоїть людина новий злочин, якщо вийде на волю. Друге: вперше, і я думаю, що це неймовірно важливо, ми можемо прогнозувати, чи людина вчинить акт насилля, коли буде на волі. І це найважливіше за словами суддів, з якими ми спілкувалися. І третє: ми можемо передбачити, чи людина з'явиться у суді. Кожен суддя у Сполучених Штатах Америки може користуватися цим інструментом, тому що він створений на основі універсального набору даних.
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.
Коли судді використовують інструмент, щоб визначити рівень ризику, вони бачать ось це - панель приладів. Вгорі ви бачите "Оцінку недавніх кримінальних дій", де шістка, звичайно, найвищий бал, а посередині - "Підвищений ризик насилля". Він інформує про те, що ця людина належить до групи, яка, найімовірніше, скоїть насилля знову, і до цього показника суддям варто придивитися. А потім, нижче, ви бачите "Оцінку ймовірності появи в суді", це ймовірність того, що хтось з'явится у суд на слухання справи.
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.
А тепер хочу сказати щось дійсно важливе. Я не думаю, що ми повинні вилучити інтуїцію і досвід суддів з процесу. Я так не думаю. Я впевнена, що проблеми, які ми бачимо, і причини, через які ми допускаємо системні помилки, коли ув'язнюємо дрібних, не здатних до насилля правопорушників і відпускаємо небезпечних злочинців - пов'язані з тим, що в нас немає об'єктивних критеріїв ризику. Але я знаю напевне, що ми маємо взяти цей інструмент, що визначає рівень ризику на основі даних, поєднати його з інтуїцією і досвідом судді, і в результаті отримати краще рішення. Ми презентували наш інструмент у Кентукі 1-го липня і тепер поширюємо його серед інших штатів. Наша мета вельми проста - надати кожному судді в Сполучених Штатах можливість користуватися науковим інструментом визначення рівня ризику за п'ять наступних років. Ми також працюємо над інструментом для обвинувачувачів і офіцерів поліції, щоб змінити сьогоднішню американську систему, яка працює у той самий спосіб, що й 50 років тому, на основі інтуїції та досвіду, на систему, яка керується даними та аналітикою.
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.
А тепер добра новина: попри купу роботи, яку треба завершити, і культуру, яку треба змінити, є добра новина - ми знаємо, що це працює. Саме тому Google - це Google, і саме тому всі бейсбольні команди використовують цю стратегію, щоб перемагати в матчах. І ще одна добра новина - таким чином ми змінимо американську систему кримінального правосуддя. Таким чином ми зробимо наші вулиці безпечнішими, скоротимо витрати на утримання в'язниць і зробимо нашу систему набагато справедливішою і виваженою. Дехто називає це наукою даних. Я називаю це трансформацією кримінального правосуддя.
Thank you.
Дякую.
(Applause)
(Оплески)