Aumentar la seguridad interna del estado requiere comprender los factores que influyen en la comisión de delitos repetitivos (recidivismo), ya que el delito no es causado por el peligro público, sino por la persona criminal. En el contexto de la informatización de las actividades informativas de las agencias de aplicación de la ley, no hay duda sobre la conveniencia de utilizar algoritmos de inteligencia artificial y tecnología blockchain para predecir y prevenir delitos. En este artículo se aplicaron modelos de aprendizaje automático para predecir factores significativos (características individuales de los condenados) que afectan la propensión a cometer recidivismo criminal. Para predecir la probabilidad de propensión al recidivismo criminal de los clientes de las instituciones penitenciarias ucranianas, se construyó un modelo de Árbol de Decisión para sugerir la probabilidad de delitos criminales repetidos por parte de los condenados. Se estableció que el número de condenas a la pena efectiva y las condenas suspendidas son los principales factores que determinan la propensión de los clientes de las instituciones penitenciarias a cometer recidivismo criminal en el futuro. Se construyeron modelos de Árbol de Decisión para clasificar a los condenados propensos o no propensos al recidivismo. Pueden ser utilizados para predecir nuevos casos que apoyen la toma de decisiones en la justicia penal. En nuestra investigación futura, se analizará la posibilidad de utilizar la tecnología de registros distribuidos/blockchain en la criminología predictiva.