¿Son los algoritmos la respuesta? Volumen 2
La detención preventiva es costosa y a menudo se aplica de forma desproporcionada a las minorías y a las personas con menos recursos socioeconómicos. Los tribunales de todo el país están recurriendo a algoritmos para determinar si un acusado debe ser detenido en espera de juicio. El objetivo del uso de algoritmos es doble: reducir la población de presos preventivos y ayudar a los jueces a tomar mejores decisiones sobre la necesidad de detener a un acusado.
En todo Estados Unidos, los responsables de la política de justicia penal, los profesionales y los defensores han planteado su preocupación por el gran número de personas que están detenidas en las cárceles locales mientras esperan la resolución de sus cargos penales. Aunque algunos acusados son retenidos porque se considera probable que huyan o cometan otros delitos si son puestos en libertad, muchos otros no suponen un riesgo significativo y son retenidos porque no pueden pagar la fianza fijada por el juez. Encarcelar a estos acusados de relativamente bajo riesgo es costoso para los contribuyentes y perturba la vida de los acusados y sus familias, muchas de las cuales tienen bajos ingresos y se enfrentan a otros problemas. Para hacer frente a esta situación, algunas jurisdicciones están experimentando con nuevos enfoques para la gestión de los casos penales antes del juicio, con el objetivo general de reducir el encarcelamiento innecesario y mantener la seguridad pública.
Actualmente, la mayoría de las jurisdicciones de Estados Unidos funcionan con un sistema de fianza. Por lo general, el juez examina la información que tiene ante sí en el expediente del acusado y se ve obligado a decidir si el acusado será puesto en libertad bajo su propia responsabilidad o si se le dará la oportunidad de pagar una fianza en espera del juicio. En muchos casos, hay una tabla que se utiliza para determinar la cantidad de la fianza que se va a fijar en función del nivel del delito y de los antecedentes penales del acusado. Otro factor que se tiene en cuenta es la edad del acusado y sus vínculos con la comunidad, es decir, su familia, su trabajo y su vivienda. La investigación ha demostrado que el sistema de fianza tiende a ser parcial contra los pobres y, a menudo, contra las minorías y los sin techo. La intuición también suele estar sesgada en contra de esas mismas poblaciones. Introducir una alternativa basada en datos es un buen paso hacia la reforma y un sistema más justo.
Sencillamente, los que tienen dinero tienen más posibilidades de pagar la fianza que se fije, evitar la cárcel y permitirse un abogado que ayude a reducir los cargos. Aquellos que son pobres no pueden pagar la fianza o el tiempo fuera del trabajo para luchar contra los cargos; por lo tanto, son más propensos a aceptar una declaración de culpabilidad, ya sea culpable o no, por lo que terminan con un registro de antecedentes penales más largo. Esto, por supuesto, les prepara para ser inelegibles la próxima vez que sean arrestados, ya sea por cargos válidos o inválidos. Es un círculo vicioso.
Durante los últimos años, la mayor conciencia del coste económico y humano del encarcelamiento masivo en Estados Unidos ha lanzado un movimiento de reforma de las sentencias y los centros penitenciarios. Según Arnold y Arnold ["Fixing Justice in America", Politico Magazine], este movimiento notablemente bipartidista está cambiando el discurso público sobre la justicia penal "alejándose de la cuestión de cuál es la mejor manera de castigar, hacia la mejor manera de lograr la seguridad pública a largo plazo".
De la investigación colectiva se desprende que, para que el algoritmo tenga éxito, la herramienta no sólo debe ser válida, sino también aplicarse correctamente. Esto incluye una formación intensiva sobre la herramienta, sus objetivos y limitaciones, y un uso coherente a todos los niveles, desde el agente que la utiliza y que introduce los datos en el sistema hasta el juez que determina la acción preventiva adecuada.
Kentucky, que lleva más de una década trabajando en la reforma de la prisión preventiva, tuvo problemas hasta 2013, cuando añadió la herramienta PSA y la formación para todas las partes implicadas. Desde entonces ha tenido un gran éxito. Hay que lograr un equilibrio entre lo que sugiere la herramienta y la intuición del juez. Pero, en cualquier caso, es necesario eliminar un sistema de fianza propio que alberga en exceso a los pobres. Poner a los miembros de la comunidad en riesgo en contacto con los recursos adecuados para ayudarles a ser miembros que contribuyan a la sociedad es un bien mayor. La investigación apoya que esto puede lograrse sin crear un daño a la sociedad y para los acusados que aún se presentan a las comparecencias judiciales, como se evidencia en Kentucky y Nueva Jersey.
La investigación ha demostrado que el sistema de bonos tiende a ser parcial contra los pobres y, a menudo, contra las minorías y los sin techo. La intuición también suele estar sesgada en contra de esas mismas poblaciones. Introducir una alternativa basada en datos es un buen paso hacia la reforma y un sistema más justo.
De acuerdo con los datos reportados por el estado de Nueva Jersey, entre el 1 de enero y el 31 de julio de 2017, el estado de Nueva Jersey ha visto caer su prisión preventiva en un 15,8 por ciento. Es un descenso impresionante en menos de un año. Eso se traduce en 2.167 personas menos recluidas en prisión preventiva el 31 de julio de 2017 que en la misma fecha de 2016. Son más de 2.000 personas que no han sido condenadas por ningún delito y que pueden vivir en casa con sus familias y llevar una vida normal en lugar de vivir en una celda. Estas mismas personas también tienen más posibilidades de conservar sus trabajos y sus hijos, y sus vidas no se ven interrumpidas innecesariamente mientras están encerradas antes incluso de ser condenadas. Es importante señalar que durante este mismo tiempo, la tasa de criminalidad de Nueva Jersey disminuyó. Según la Policía Estatal de Nueva Jersey, los delitos violentos entre enero y agosto de 2017 fueron un 16,7 por ciento más bajos que durante el mismo período de 2016. Los asesinatos cayeron un 28,6 por ciento, las agresiones un 13,3 por ciento y los robos un 22 por ciento. Por el contrario, los delitos violentos solo cayeron un 4,3 por ciento en 2016, y no se movieron en 2105.
Es demasiado pronto para decir si la reforma de la fianza ha contribuido al gran descenso interanual. Pero, al menos, la reforma de la fianza no ha ido acompañada de un aumento espectacular de la peligrosidad o la delincuencia. Hay más gente libre y más gente segura.
Los tribunales de Kentucky han utilizado el PSA-Court para ayudar a identificar a los acusados de bajo riesgo que suponen una escasa amenaza para la seguridad pública y que, por tanto, son aptos para la libertad provisional. Desde la implementación del PSA-Court, y en comparación con los cuatro años anteriores al 1 de julio de 2013, la nueva tasa de actividad criminal ha disminuido significativamente. Kentucky detiene ahora a más acusados de alto riesgo y potencialmente violentos, mientras que se pone en libertad a más acusados de bajo riesgo. Y la delincuencia ha disminuido.
Sólo estamos arañando el servicio sobre cómo los algoritmos, la investigación y la toma de decisiones basada en datos pueden ayudar a reformar el proceso previo al juicio. Aquí es donde las asociaciones académicas y las alianzas con organismos de nuestra comunidad pueden marcar la diferencia.
Basándose en la investigación, y teniendo en cuenta que la gente va a cometer errores y que ningún sistema es perfecto, parece que este enfoque es un buen comienzo para eliminar algunos de los prejuicios y hacer que el sistema sea un poco más justo, especialmente para los delincuentes pobres y no violentos. Además, puede ayudar mucho a nuestras comunidades; si ponemos a las personas en contacto con los recursos que necesitan en lugar de encerrarlas en una jaula, es más probable que contribuyan de forma productiva a la sociedad.
POR LA MADRIGUERA DEL ALGORITMO
En otoño de 2017, Gretchen Schmidt leyó un artículo sobre la adopción de algoritmos en Nueva Jersey para determinar las sentencias previas al juicio. El concepto de la reforma de la fianza atrajo a Schmidt, que antes de su carrera en la educación superior, trabajó en el ámbito jurídico. De hecho, durante sus estudios de derecho, trabajó en una oficina del sheriff, donde una de sus responsabilidades era realizar investigaciones jurídicas con los reclusos dos o tres veces por semana. "Aunque el uso de datos para informar la decisión de la sentencia no es nuevo, el concepto de utilizar herramientas basadas en datos para ayudar a eliminar algunos de los sesgos aparentemente intrínsecos en el sistema actual de fianza/bonificación fue atractivo para mí", dice Schmidt.
En febrero de 2018, presentó una ponencia sobre el uso de algoritmos en el proceso de sentencias previas a la sentencia en la 55ª Reunión Anual de la Academia de Ciencias de la Justicia Penal. La Academia de Ciencias de la Justicia Penal es una asociación internacional creada en 1963 para fomentar las actividades profesionales y académicas en el ámbito de la justicia penal. Promueve la educación, la investigación y el análisis de políticas en el ámbito de la justicia penal, tanto para los educadores como para los profesionales. Schmidt formó parte de un panel que presentaba ponencias relacionadas con los problemas de la detención preventiva.
Hay muchos escritos sobre el uso de algoritmos en diferentes formas y fases del proceso de justicia penal. "Cuando empecé a investigar, hice exactamente lo que advierto a mis alumnos que no deben hacer: Me dejé llevar por agujeros de conejo", recuerda Schmidt.
Una de las madrigueras que se encontró explorando está relacionada con la correlación entre ser detenido antes del juicio y la probabilidad de ser arrestado. Está relacionada con la investigación sobre la probabilidad de que alguien detenido antes del juicio sea enviado a la cárcel. "La teoría es que si se detiene a usted , es más probable que usted acepte una declaración de culpabilidad y obtenga una sentencia más corta o, en el mejor de los casos, el tiempo cumplido. Esto, por supuesto, lleva a la última madriguera, la probabilidad de declararse culpable de algo que usted no hizo porque usted no tiene tiempo ni dinero para defenderse", explica. Se trata de cuestiones serias que hay que tener en cuenta cuando se analiza la prisión preventiva y el sistema de fianza, y Schmidt estaba decidida a ver si los algoritmos eran una solución.
Schmidt llegó a la conclusión de que "para que el algoritmo tenga éxito, tiene que ser correctamente [implementado], lo que incluye una formación intensiva sobre la herramienta, sus objetivos y limitaciones, y un uso coherente en todos los niveles, desde el agente que lo utiliza e introduce los datos en el sistema, hasta el juez que determina la acción apropiada antes del juicio". Su investigación apoya que esto puede ocurrir. Schmidt informa de que Kentucky añadió una herramienta de evaluación de la seguridad pública y formación para todas las partes implicadas en 2013 y, desde entonces, ha logrado una gran mejora en la detención preventiva. "En cualquier caso, hay que eliminar un sistema de fianza propio que aloja en exceso a los pobres", dice. - por Jenna Kerwin