Seminario de Investigación Simulación con dinámica de sistemas: la reforma al sistema penal acusatorio Camilo Olaya Seminario de Investigación Departamento de Ingeniería Industrial Universidad de los Andes Bogotá, 14 de abril de 2008

Agenda Reforma al Procedimiento Penal y el Observatorio Ciudadano - Articulación del Problema Formulación del modelo & simulador Examinación de políticas Perspectiva (pasos siguientes y conclusiones)

Sistema penal acusatorio colombiano SPA (L906/04) Sistema procesal Juicio : Contienda entre iguales Contradictorio, oral y público Juez : Sujeto pasivo Separado de las partes Fiscal : Lidera fases de indagación e investigación Inicia juicio con una acusación formal Debe probar en el juicio Juez resuelve según su libre convicción JUEZ FISCAL ACUSADO Fiscal Policía judicial Víctimas Juez Ministerio público Medicina legal Acusado Defensor Cárceles Organos de seguridad Actores e intervinientes

Diseño, ejecución y monitoreo del SPA Rama legislativa Rama ejecutiva Rama judicial Delitos, seguridad Investigación y acusación Juzgamiento Castigo y rehabilitación

Observatorio ciudadano del sistema penal acusatorio (“CEJOSPA”) La Corporación Excelencia en la Justicia (CEJ) ejerció la Secretaría Técnica de la Comisión Constitucional Redactora de la reforma penal  Hoy ejerce la Secretaría Técnica de la Comisión Constitucional de Seguimiento. Funciones del Observatorio: Acompañamiento y observación ciudadana permanente sobre funcionamiento, resultados e impacto del SPA Aportar elementos para contar con ciudadanos más informados y participativos Incentivar diálogos y alianzas con grupos y entidades interesadas Destacar logros y alertar sobre dificultades Generar información para la definición de políticas y ejecución de planes de acción por parte de las autoridades competentes

Componentes del Observatorio Brechas frente a expectativas institucionales Brechas frente a expectativas ciudadanas Modelo de la Dinámica del SPA Modelo de la Dinámica del SPA  Entender la justicia penal como un sistema.  Mediante el uso de simulación, comprender las consecuencias de la forma en que indicadores y variables considerados como relevantes se relacionan y afectan entre sí.  El modelo se sustenta en un conjunto de supuestos que representan el punto de vista preferencial desde el que se diseñará y analizará la efectividad de las políticas. Identificación de mejores prácticas

Metodología y construcción del modelo de simulación EQUIPO TÉCNICO Metodología y construcción del modelo de simulación Gerente Gloria María Borrero Coordinador Camilo Olaya Grupo de Apoyo Santiago Moreno Juan Carlos Arias Armando Reyes Ana María Ramos S. Comité asesor Isaac Beltrán Oscar Flórez Alfonso Reyes CONCEPTUALIZACIÓN Articulación del problema, propósito del modelo, tipos de preguntas, variables (tipo, fuentes de datos), hipótesis iniciales, diagramas de subsistemas FORMULACION DEL MODELO Modelos conceptuales, relaciones causales, modelo cuantitativo, reglas de decisión, definición de parámetros DESARROLLO DEL SIMULADOR Sectores a analizar, páneles de control, diseño de interfaz, pruebas, evalución de políticas y escenarios

Antecedentes en ingeniería de sistemas de justicia Space-General Corporation (1965). Prevention and Control of Crime and Deliquency. Report PCCD (Prepared for the Youth and Adult Corrections Agency of the State of California). El Monte, CA. Taylor, J., Navarro, A., & Cohen, R. (1968). Simulation Applied to a Court System. IEEE Transactions on Systems Science and Cybernetics, SSC-4 (4), pp. 376-379 Blumstein, A., & Larson, R. (1969). Models of a Total Criminal Justice System. Operations Research, Vol. 17, No. 2, pp. 199-232 Riccio, K. J. (1971). A Model for the Study of Crime Control Administration. Lehigh University, Department of Industrial Engineering: (unpublished). Rardin, R.L. & Gray, P. (1973). Analysis of Crime Control Strategies. Journal of Criminal Justice, 1 (4), pp. 339-349 Fey, W. R., Wadsworth, H. M., & Young, D. B. (1974). Criminal Justice System Training Model: Final Report. Georgia Institute of Technology, School of Industrial and Systems Engineering (LEAA). Bard, J. (1977). Criminal Justice Dynamics: A Planning Model. Winter Simulation Conference Boyle, S., Guerin, S., Pratt, J., & Kunkle, D. (2003). Application of agent-based simulation to policy appraisal in the criminal justice system in England and Wales. Paper presented at the Agent 2003:Challenges in Social Simulation, University of Chicago, Chicago, IL. MacDonald, R. & Mojtahedzadeh, M. (2007). Criminal Justice Simulation Model (CJSIM):Technology and the Flow of Criminals in the Criminal Justice System. Proceedings of the 25th International Conference of the System Dynamics Society. Rouwette, E., van Hooff, P., Vennix, J., & Jongebreur, W. (2007). Modeling crime control in the Netherlands: insights on process. Paper presented at the 25th International Conference of the System Dynamics Society, Boston, MA. Newsome, I. M. (2008). Using system dynamics to model the impact of policing activity on performance. Journal of the Operational Research Society, 59(2), 164-170 Dabbagian , V. (2008). Simulation of the Criminal Justice System for Policy Analysis. En: ‘Artificial Crime Analysis Systems: Using Computer Simulations and Geographic Information Systems’ Ed. Liu, L. & Eck, J. University of Cincinnati, USA

Antecedentes en ingeniería de sistemas de justicia Space-General Corporation (1965). Prevention and Control of Crime and Deliquency. Report PCCD (Prepared for the Youth and Adult Corrections Agency of the State of California). El Monte, CA. Taylor, J., Navarro, A., & Cohen, R. (1968). Simulation Applied to a Court System. IEEE Transactions on Systems Science and Cybernetics, SSC-4 (4), pp. 376-379 Blumstein, A., & Larson, R. (1969). Models of a Total Criminal Justice System. Operations Research, Vol. 17, No. 2, pp. 199-232 Riccio, K. J. (1971). A Model for the Study of Crime Control Administration. Lehigh University, Department of Industrial Engineering: (unpublished). Rardin, R.L. & Gray, P. (1973). Analysis of Crime Control Strategies. Journal of Criminal Justice, 1 (4), pp. 339-349 Fey, W. R., Wadsworth, H. M., & Young, D. B. (1974). Criminal Justice System Training Model: Final Report. Georgia Institute of Technology, School of Industrial and Systems Engineering (LEAA). Bard, J. (1977). Criminal Justice Dynamics: A Planning Model. Winter Simulation Conference Boyle, S., Guerin, S., Pratt, J., & Kunkle, D. (2003). Application of agent-based simulation to policy appraisal in the criminal justice system in England and Wales. Paper presented at the Agent 2003:Challenges in Social Simulation, University of Chicago, Chicago, IL. MacDonald, R. & Mojtahedzadeh, M. (2007). Criminal Justice Simulation Model (CJSIM):Technology and the Flow of Criminals in the Criminal Justice System. Proceedings of the 25th International Conference of the System Dynamics Society. Rouwette, E., van Hooff, P., Vennix, J., & Jongebreur, W. (2007). Modeling crime control in the Netherlands: insights on process. Paper presented at the 25th International Conference of the System Dynamics Society, Boston, MA. Newsome, I. M. (2008). Using system dynamics to model the impact of policing activity on performance. Journal of the Operational Research Society, 59(2), 164-170 Dabbagian , V. (2008). Simulation of the Criminal Justice System for Policy Analysis. En: ‘Artificial Crime Analysis Systems: Using Computer Simulations and Geographic Information Systems’ Ed. Liu, L. & Eck, J. University of Cincinnati, USA

Antecedentes en ingeniería de sistemas de justicia Space-General Corporation (1965). Prevention and Control of Crime and Deliquency. Report PCCD (Prepared for the Youth and Adult Corrections Agency of the State of California). El Monte, CA. Taylor, J., Navarro, A., & Cohen, R. (1968). Simulation Applied to a Court System. IEEE Transactions on Systems Science and Cybernetics, SSC-4 (4), pp. 376-379 Blumstein, A., & Larson, R. (1969). Models of a Total Criminal Justice System. Operations Research, Vol. 17, No. 2, pp. 199-232 Riccio, K. J. (1971). A Model for the Study of Crime Control Administration. Lehigh University, Department of Industrial Engineering: (unpublished). Rardin, R.L. & Gray, P. (1973). Analysis of Crime Control Strategies. Journal of Criminal Justice, 1 (4), pp. 339-349 Fey, W. R., Wadsworth, H. M., & Young, D. B. (1974). Criminal Justice System Training Model: Final Report. Georgia Institute of Technology, School of Industrial and Systems Engineering (LEAA). Bard, J. (1977). Criminal Justice Dynamics: A Planning Model. Winter Simulation Conference Boyle, S., Guerin, S., Pratt, J., & Kunkle, D. (2003). Application of agent-based simulation to policy appraisal in the criminal justice system in England and Wales. Paper presented at the Agent 2003:Challenges in Social Simulation, University of Chicago, Chicago, IL. MacDonald, R. & Mojtahedzadeh, M. (2007). Criminal Justice Simulation Model (CJSIM):Technology and the Flow of Criminals in the Criminal Justice System. Proceedings of the 25th International Conference of the System Dynamics Society. Rouwette, E., van Hooff, P., Vennix, J., & Jongebreur, W. (2007). Modeling crime control in the Netherlands: insights on process. Paper presented at the 25th International Conference of the System Dynamics Society, Boston, MA. Newsome, I. M. (2008). Using system dynamics to model the impact of policing activity on performance. Journal of the Operational Research Society, 59(2), 164-170 Dabbagian , V. (2008). Simulation of the Criminal Justice System for Policy Analysis. En: ‘Artificial Crime Analysis Systems: Using Computer Simulations and Geographic Information Systems’ Ed. Liu, L. & Eck, J. University of Cincinnati, USA

Antecedentes en ingeniería de sistemas de justicia Space-General Corporation (1965). Prevention and Control of Crime and Deliquency. Report PCCD (Prepared for the Youth and Adult Corrections Agency of the State of California). El Monte, CA. Taylor, J., Navarro, A., & Cohen, R. (1968). Simulation Applied to a Court System. IEEE Transactions on Systems Science and Cybernetics, SSC-4 (4), pp. 376-379 Blumstein, A., & Larson, R. (1969). Models of a Total Criminal Justice System. Operations Research, Vol. 17, No. 2, pp. 199-232 Riccio, K. J. (1971). A Model for the Study of Crime Control Administration. Lehigh University, Department of Industrial Engineering: (unpublished). Rardin, R.L. & Gray, P. (1973). Analysis of Crime Control Strategies. Journal of Criminal Justice, 1 (4), pp. 339-349 Fey, W. R., Wadsworth, H. M., & Young, D. B. (1974). Criminal Justice System Training Model: Final Report. Georgia Institute of Technology, School of Industrial and Systems Engineering (LEAA). Bard, J. (1977). Criminal Justice Dynamics: A Planning Model. Winter Simulation Conference Boyle, S., Guerin, S., Pratt, J., & Kunkle, D. (2003). Application of agent-based simulation to policy appraisal in the criminal justice system in England and Wales. Paper presented at the Agent 2003:Challenges in Social Simulation, University of Chicago, Chicago, IL. MacDonald, R. & Mojtahedzadeh, M. (2007). Criminal Justice Simulation Model (CJSIM):Technology and the Flow of Criminals in the Criminal Justice System. Proceedings of the 25th International Conference of the System Dynamics Society. Rouwette, E., van Hooff, P., Vennix, J., & Jongebreur, W. (2007). Modeling crime control in the Netherlands: insights on process. Paper presented at the 25th International Conference of the System Dynamics Society, Boston, MA. Newsome, I. M. (2008). Using system dynamics to model the impact of policing activity on performance. Journal of the Operational Research Society, 59(2), 164-170 Dabbagian , V. (2008). Simulation of the Criminal Justice System for Policy Analysis. En: ‘Artificial Crime Analysis Systems: Using Computer Simulations and Geographic Information Systems’ Ed. Liu, L. & Eck, J. University of Cincinnati, USA

Antecedentes DS en Colombia Ariza, G., & Sotaquira, R. (2003). Análisis Dinámico-Sistémico De La Política De Modernizacion Del Sistema Judicial Colombiano. Paper presented at the I Congreso Latinoamericano de Dinámica de Sistemas, Instituto Tecnológico y de Estudios Superiores de Monterrey. Monterrey, México. Hernández, J., & Dyner, I. (2001). Crisis in Colombian prisons: Cause or Consequence of a flawed judicial system? Paper presented at the The19th International Conference of The System Dynamics Society, Atlanta, GA. Jaén, S., & Dyner, I. (2005). Espirales de la violencia. Revista de Dinámica de Sistemas, 1(1).

Un primer modelo del sistema de justicia penal - Casos que salen por prescripción + aplicación del principio de oportunidad Casos en indagación + No. de fiscales radicados - Un primer modelo del sistema de justicia penal Tiempo promedio en indagación Tiempo promedio con el juez de conocimiento - CIUDADANIA No.de policías de vigilancia - Nivel de confianza de ciudadanos en el sistema - Impunidad percibida por la comunidad + + Impunidad real + - + Criminalidad aparente + Noticias criminales (denuncia y oficio) + SPA No. de jueces de conocimiento + Casos en investigación + Casos en juzgamiento + Sentencias + Personas en la cárcel + No. de investigadores - Tiempo de sentencia promedio + Hacinamiento + Población Criminalidad + <Tiempo de sentencia promedio> - SISTEMA CARCELARIO <Impunidad percibida por la comunidad> + Efectividad en rehabilitación - Capacidad carcelaria + -

Foco: SPA (fase 1) SPA CIUDADANIA SISTEMA CARCELARIO - Casos que salen por prescripción + aplicación del principio de oportunidad Casos en indagación + No. de fiscales radicados - Foco: SPA (fase 1) Tiempo promedio en indagación Tiempo promedio con el juez de conocimiento - CIUDADANIA No.de policías de vigilancia - Nivel de confianza de ciudadanos en el sistema - Impunidad percibida por la comunidad + + Impunidad real + - + Criminalidad aparente + Noticias criminales (denuncia y oficio) + No. de jueces de conocimiento + SPA Casos en investigación + Casos en juzgamiento + Sentencias + Personas en la cárcel + No. de investigadores - Tiempo de sentencia promedio + Hacinamiento + Población Criminalidad + <Tiempo de sentencia promedio> - SISTEMA CARCELARIO <Impunidad percibida por la comunidad> + Efectividad en rehabilitación - Capacidad carcelaria + -

El problema: la acumulación creciente de casos desde la implementación del sistema (fase 1) En particular, el 95% del total de la acumulación corresponde a los casos en indagación (aprox. 189.000 en 2007)

Formulación del modelo Macro-modelo y sectores principales Denuncias y noticias criminales Otras salidas Otras salidas Delitos querellables Proceso penal Conciliación Indagación Investigación Juicio Sentencias Indicadores Desempeño Recursos humanos Fiscales Jueces PJ Curva de aprendizaje

Acumulaciones y ratas de cambio Representación Acumulaciones y ratas de cambio Nivel(t) = Nivel(t - dt) + (Flujo_de_entrada - Flujo_de_salida) * dt Nivel(t0) = N0 Ecuación de diferencia correspondiente:

Etapa de conciliación Conciliación Proceso penal Conciliación Indagación Investigación Juicio Casos no conciliados Extincion accion penal Ingreso casos SAU CASOS EN SAU Casos conciliados Arch 79 Cambio Compt Fuera FGN

Etapa de Indagación CASOS INDAG. Proceso penal Conciliación Indagación Investigación Juicio Cambio Compet Fuera FGN CASOS INDAG. Aplicacion princ oportunidad Ind Fin periodo prueba Ind Arch art 79 Reanudacion Indagacion Extinción acción penal Ind Archivos Prov Cambio int L906 a 600 Prescripción archivos Casos susp Ind procesos suspend Denuncia y Oficio Form imputacion Casos no conciliados

Etapa de Investigación CASOS INVEST Preacuerdos Formulacion imputación Proceso penal Conciliación Indagación Investigación Juicio Preacuerdos CASOS INVEST Formulacion imputación Aplicac princ oportunidad Inv Fin periodo prueba Extinción acción penal Casos susp Inv suspendidos Imputacion directa URI Aceptacion cargos Form acusacion

Etapa de Juzgamiento Juicio Proceso penal Conciliación Indagación Investigación Juicio

Proceso penal Conciliación Indagación Investigación Juicio

Reglas de decisión en flujos de salida Flujo de salida 1 = Recurso * productividad En este caso: - Recursos: fiscales, apoyados por Policía Judicial - Varios flujos de salida asociados a una misma acumulación - El mismo recurso atiende varias etapas

Reglas de decisión en flujos de salida (II) Prob salida i 1 Acumulación Etapa i Flujo de salida i 1 Flujo de salida, i, j = Tasa de evacuación i * Prob. Salida i,j Prob salida i 2 Flujo de salida i 2 Tasa de evacuación Etapa i Porcentaje de carga destinado a Etapa i Recurso Productividad Tasa de evacuación i = Recurso * Productividad * Porcentaje de carga destinado a Etapa i Tasa de evacuación i = Fiscales * Productividad semestral por fiscal * Porcentaje de carga laboral en Etapa i

Reglas de decisión en flujos de salida (III) Falta incluir el impacto de la Policía Judicial en el trabajo de los fiscales en la etapa de indagación: Productividad semestral por fiscal en indagación = productividad semestral de referencia + Efecto PJ adicional Efecto PJ adicional = PJ adicionales * efecto en la productividad por cada PJ PRODUCTIVIDAD EN LA EVACUACIÓN DE PROCESOS EN ETAPA DE INVESTIGACIÓN PREVIA (LEY 600) EN FUNCIÓN DEL NÚMERO DE FUNCIONARIOS DEL CTI y = 0,5956x + 14,701 100 200 300 400 500 600 Número de funcionarios del CTI Promedio anual de procesos tramitados por fiscal en la etapa de investigación previa

Planta de fiscales Fiscales Ley 906 Disminución fiscales Ley 600 Contratación fiscales Ley 906 Fase I Tiempo estimado de transición de fiscales ley 600 a 906 Ley 600 Fiscales ley 600 en 2006 Contratación fiscales Ley 906 Tiempo inicial contratación Tiempo final contratación Salida L906 Frac semestral normal salida Fiscales Cambio en fraccion semestral salida fiscales Tiempo para cambio de la frac semestral de salida Frac semestral

Indicadores Acumulación: Celeridad: Selectividad:

Examinación de políticas

El Principio de Oportunidad

El Principio de Oportunidad (II) Casos acumulados en la etapa de indagación con incrementos en la aplicación del Principio de Oportunidad en las etapa de indagación e investigación. 1: Caso base. 2: 10% incremento 3: +20%. 4: +30%. 5: +40% 6: +50%

El Principio de Oportunidad (III) Valores para el indicador de Congestión incrementando la aplicación del principio de oportunidad en las etapas de indagación e investigación. 1: Caso base. 2: incremento de 10%. 3: 20%. 4: 30%. 5: 40%. 6: 50%

El Principio de Oportunidad (IV) Discusión en el grupo de trabajo: - La efectividad en disminuir la congestión con simplemente “buscar una mayor aplicación del principio de oportunidad”. - ¿Implica esta mayor aplicación una mayor productividad? Esta discusión aplica a cualquier otro mecanismo o política que se enfoque en algún flujo de salida. Las políticas deben considerar las tasas de evacuación también.

Flujos de salida y tasas de evacuación ¿Recursos vs. productividad? Productividad base. 108 casos / anuales. Planta base: 523 fiscales Productividad aumenta t = 0  t = 30 Planta aumenta t=0  t= 6 Incremento muy fuerte de casos en indagación En el largo plazo es inefectiva cualquier política de estas, por “fantástica” que ésta sea. Colapso de la etapa de juzgamiento ante el aumento de la eficiencia de la FGN Estas políticas están incompletas si no consideran la tasa de entrada de casos al sistema

Reducción de tasas de entrada Decreasing Input starting t = 4 Time 1: Base Case 2: Reduction 39,343 5 63,431 55,431 12.61% 10 87,519 59,519 31.99% 15 111,607 63,607 43.01% 20 135,695 67,695 50.11% 25 159,783 71,783 55.07% 30 183,871 75,871 58.74% Results Time Congest. Inq. Stg Acc.Stg Trial Initial 0.84 34.756 909 318 5 0.57 229.805 8.414 5.043 10 0.65 460.031 15.504 12.463 15 0.74 707.375 22.176 21.041 20 0.81 971.835 28.433 30.767 25 0.8 6 1.255.071 34.481 41.252 30 0.89 1.558.747 40.529 51.782

Reducción de tasas de entrada (II) Evidentemente reducir solamente los flujos de entrada no es suficiente tampoco. Lo más natural es considerar tanto los flujos de entrada como los de salida. …a pesar de que actualmente ninguna política considera ambos tipos de procesos de forma integral para examinar el problema de la acumulación.

Combinación de: reducción de flujos de entrada + duplicación de recursos + duplicación de productividad Results Time Congest. Inq. Stg Acc.Stg Trial Initial 0.84 34.7 56 909 318 5 0.19 50.178 453 21.355 10 0.14 891 298 60.934 15 0.13 948 311 102.135 20 0.23 1.005 324 144.936 25 0.41 1.046 188.804 30 0.55 1.498 232.737 Finalmente esto parece funcionar, aunque…. Los casos en juzgamiento se disparan Evidentemente se debe considerar el impacto en la etapa de juzgamiento dada una sobre-eficiencia de la FGN El índice de congestión vuelve a crecer luego de 10 años

Una idea de la inercia del sistema  Imaginemos que las entradas se cierran en junio de 2008, denuncias y delitos caen a cero. Results Time Congest. Inq. Stg Acc.Stg Trial Initial 0.84 34.756 909 318 5 0.58 237.765 8.414 5.043 10 0.32 165.225 4.816 12.463 15 0.14 52.675 780 21.041 20 0.06 25.137 25 0.05 22.925 30 0.04 20.606 Dada la capacidad de evacuación actual del sistema: 10 años para desocupar los casos acumulados en indag. e investig. 42 años para desocupar los casos acumulados en juzgamiento

Pasos siguientes Como parte de este proyecto: Herramienta de soporte: vender la idea a las instituciones involucradas Presentación en la Comisión Constitucional Interés por parte de algunos actores Incluir en indicadores mediciones de dinámicas de acumulación Modelar fases 2, 3 & 4 del SPA Presentación en ISDC 2008 Subir un nivel de recursión: modelar el sistema de justicia Incluir modelo de prisiones Crímenes: desarrollarla como variable endógena Desarrollar la percepción de la ciudadanía sobre el SPA y cómo esto afecta su toma de decisión, e.g. tasa de denuncias, etc.

A manera de conclusiones Importancia de comprender las dinámicas asociadas a acumulaciones en el diseño de políticas Inercia de largo plazo Lógicas diferentes guían flujos de entrada y flujos de salida Considerar integralmente los procesos de acumulación Estos aspectos no se refleja en las políticas que buscan descongestionar Simulación como herramienta de aprendizaje para tomadores de decisión En procesos de construcción del modelo En diseño de políticas “Una ley es un modelo” ¿Son conscientes los legisladores? Importancia de reconocer las distintas interacciones entre las partes del SPA. El SPA no es observado como sistema por parte de los actores que participan Considerar las consecuencias de las interacciones entre instituciones -- que además tienen diferentes intereses y mecanismos de actuación.

A manera de conclusiones (II) La Torre de Babel de las disciplinas Lenguajes diferentes Hábitos de pensamiento diferentes …pero los problemas no vienen “por disciplinas” Diseño y desarrollo de modelos El énfasis en la formulación (inclusive más que en la solución…!) Datos, datos, datos….

Preguntas, comentarios…