Umělá inteligence mění obchodování a většina firem na to není připravena

Po mnoho let nebyla dodržování obchodních pravidel pro většinu organizací na prvním místě. Ačkoli je to nezbytné, jejich funkce byly technické a většinou neviditelné, dokud něco nepošlo špatně, ale tento předpoklad již neplatí. Volatilita cla, vynucování pracovních podmínek, geopolitická fragmentace a rychle se měnící celní předpisy posunuly dodržování obchodních pravidel do centra operativního rozhodování. Nedávné návrhy amerického zástupce pro obchod k uložení nových cel na desítky obchodních partnerů na základě údajných selhání při omezení dovozu zboží vyrobeného pomocí nucené práce demonstrují, jak se problémy s dodržováním pracovních podmínek stále více stávají součástí obchodní politiky vedle tradičního celního dohledu.

Současně umělá inteligence začíná měnit, jak organizace klasifikují produkty, monitorují rizika, interpretují předpisy a připravují se na audity. V důsledku toho mnoho firem přehodnocuje, jak přemýšlejí o globálních obchodních operacích. Ačkoli umělá inteligence nenahrazuje odborníky na dodržování obchodních pravidel, mění to, jak vypadá jejich práce, které dovednosti jsou nejdůležitější a jak organizace spravují dodržování pravidel v měřítku.

Dodržování obchodních pravidel se stalo problémem s daty

Moderní dodržování obchodních pravidel závisí na enormním množství informací, které se přesouvají přesně napříč systémy. Společnosti musí sledovat:

• Klasifikace Harmonizovaného systému tarifního (HTS)
• Určení země původu
• Data o dodavatelích
• Dokumentace o dodržování pracovních podmínek
• Specifikace produktů
• Přístup k obchodním dohodám
• Expozice cla
• Celní rozhodnutí a aktualizace předpisů
• Konzistence při podávání celních přihlášek napříč brokeraji a obchodními jednotkami

Výzvou je, že většina těchto informací žije v nespojených systémech. Dodavatel může uchovávat podrobnosti o produktech v tabulkách, inženýrské týmy ukládají specifikace v platformách PLM, týmy pro nákup se soustředí na náklady na nákup a brokerové operují z údajů o podání, které mohou být již neúplné nebo zastaralé. Do doby, než tým pro dodržování obchodních pravidel přezkoumá zásilku, kritické atributy produktu mohou být již ztraceny, zjednodušeny nebo zkopírovány nesprávně napříč systémy. Tato fragmentace vytváří riziko.

Podle Celní a hraniční ochrany Spojených států, vynucovací úsilí závisí na sofistikované analýze dat pro identifikaci anomálií v chování dovozce. Současně zůstává vynucování obtížné. Přehledy Kongresu a analýzy vlády zdůraznily pokračující výzvy od podvodu v procesech dovozu a růstu přímého obchodování se spotřebiteli až po omezené schopnosti sledovat dodavatelský řetězec. I přes rozšířené vynucovací úsilí v rámci zákona o prevenci nucené práce z Ujgurska pokračují zákonodárci v debatách o tom, jak účinně jsou identifikovány a vyloučeny z dodavatelského řetězce Spojených států zboží vyrobená pomocí nucené práce.

Tato změna má význam, protože chyby v klasifikaci jsou často systémové spíše než izolované. Stejný nesprávný kód může být použit napříč tisíci položkami. Popis dodavatele může být opakovaně použit po mnoho let bez ověření. Změny v inženýrství mohou změnit klasifikační faktory bez aktivace přezkumu dodržování předpisů. Tyto jsou přesně ty vzorce, které jsou systémy umělé inteligence dobře vybaveny k detekci.

Proč se klasifikace HTS stává případem použití umělé inteligence

Klasifikace HTS vždy vyžadovala odborné znalosti, interpretaci a podrobné znalosti produktu. Je to také jeden z nejoperativně obtížnějších procesů, které je třeba škálovat konzistentně.

Světová celní organizace aktualizuje Harmonizovaný systém pravidelně, zatímco národní celní sazebníky se vyvíjejí nezávisle. Rozhodnutí soudů mění interpretaci. Další tarifní programy, jako jsou AD/CVD, oddíl 122, oddíl 232 a cla podle oddílu 301, vytvářejí nové vrstvy finančního ohrožení. Jeden klasifikační rozhodnutí může dramaticky ovlivnit:

• Sazby cla
• Požadavky na dovoz
• Prostředky pro kontrolu nucené práce
• Přístup k dohodám o volném obchodu
• Požadavky partnerů na vládní agentury
• Výpočet nákladů na dovoz

Tato úroveň složitosti není zvladatelná pomocí statických tabulek a znalostí alone, a to je místo, kde umělá inteligence začíná ovlivňovat profesi.

Modely strojového učení mohou analyzovat historické klasifikace, identifikovat nesrovnalosti napříč brokeraji nebo zařízeními a identifikovat produkty, které mohou vyžadovat revalidaci. Systémy zpracování přirozeného jazyka mohou porovnávat popisy produktů proti předpisům, celním rozhodnutím a předchozím určení.

Je důležité, že umělá inteligence ne“řeší” klasifikaci autonomně v většině podnikových prostředí. Místo toho pomáhá odborníkům na dodržování předpisů zúžit možnosti, detekovat anomálie, standardizovat pracovní postupy a snížit opakující se manuální výzkum. Tento rozdíl má význam. Nejúspěšnější organizace neodstraňují lidský úsudek z rozhodnutí o dodržování předpisů. Zvyšují lidské odborné znalosti pomocí systémů, které zlepšují konzistenci a viditelnost.

Umělá inteligence mění připravenost na audity

Audity dodržování obchodních pravidel byly dříve reaktivní. Celní dotaz by přišel, týmy by se snažily o dokumenty, brokerové by hledali staré položky a zaměstnanci by ručně rekonstruovali rozhodnutí z fragmentovaných záznamů. Tento přístup se však stává stále méně udržitelným.

Rozsah moderní dovozové činnosti znamená, že organizace potřebují nepřetržitou viditelnost do výkonu dodržování předpisů, nikoli periodické úklidové cvičení. Systémy umělé inteligence jsou stále více používány k:

• Detekci nekonzistentního použití HTS napříč položkami
• Identifikaci chybějících dokumentů
• Označení neobvyklých kolísání cla
• Identifikaci indikátorů rizika dodavatele
• Porovnání aktuálních položek s historickými vzorci podání
• Monitorování změn předpisů, které mohou ovlivnit klasifikace

Tento preventivní přístup odráží jiné trendy v řízení podnikového rizika.

Nedávná zpráva McKinsey o generativní umělá inteligence uvedla, že znalostně náročná provozní práce je často zdokonalována prostřednictvím analýzy a automatizace pracovních postupů podporovaných umělou inteligencí. Dodržování obchodních pravidel se přesněji vejde do této kategorie.

Dopady sahají za hranice operativní efektivity. Organizace se silnější viditelností dodržování předpisů jsou často lépe vybaveny k rychlé reakci na celní dotazy, prokázat procesy řízení a identifikovat ohrožení, než je to provedou regulátoři. Tato schopnost se stala strategicky důležitou.

Vynucování nucené práce – výzva

Jedním z oblastí, kde je adopce umělé inteligence zrychlována obzvláště rychle, je due diligence dodavatelského řetězce. Implementace zákona o prevenci nucené práce z Ujgurska výrazně zvýšila očekávání kolem stopovatelnosti dodavatelů a dokumentace. Dovozci jsou nyní očekáváni, aby prokázali hlubší viditelnost do vztahů se zdroji, výrobních procesů a původu materiálu. Pro mnoho firem je to mimořádně obtížné. Moderní dodavatelské řetězce mohou zahrnovat:

• Více kontraktorů
• Dodavatele druhého a třetího stupně
• Časté změny zdrojů
• Nekonzistentní dokumentaci dodavatelů
• Složitou sourcingovou komponentu

Rozsah výzvy zůstává významný. Podle odhadů Mezinárodní organizace práce je přibližně 27,6 milionu lidí na celém světě vystaveno nucené práci, což generuje odhadem 236 miliard dolarů v nelegálních ziscích ročně. Velká část této činnosti se odehrává v komplexních obchodních dodavatelských řetězcích, kde je viditelnost do dodavatelů pochybná. Ruční přezkum sám o sobě často nemůže držet krok. Systémy umělé inteligence jsou používány k organizaci záznamů dodavatelů, identifikaci chybějících informací, označení rizikových regionů a monitorování vzorců chování dodavatelů v průběhu času.

Opět, tyto nástroje nenahrazují právní nebo dodržování předpisů úsudek, ale pomáhají organizacím zpracovávat informace o dodavatelském řetězci v měřítku, kterému lidé sami obtížně zvládají. To se pravděpodobně stane ještě důležitějším, jak se globální regulace dodavatelského řetězce budou dále rozšiřovat.

Regulační iniciativy v Evropě a jinde signalizují širší globální hnutí směrem k větší odpovědnosti dodavatelského řetězce a očekávání due diligence. Dodržování obchodních pravidel je na křižovatce s reportováním ESG, transparentností zdrojů a podnikovým řízením rizika. Umělá inteligence je v centru této konvergence, protože výzvou je fundamentálně otázka organizace dat a detekce vzorců.

Dovednosti, které odborníci na dodržování obchodních pravidel potřebují dále

Jedním z největších mýtů týkajících se adopce umělé inteligence je myšlenka, že automatizace snižuje důležitost lidského odborného úsudku. V dodržování obchodních pravidel se děje opak. Jak nástroje umělé inteligence zpracovávají opakující se analýzu a zpracování velkých dat, hodnota zkušených profesionálů roste. Organizace stále potřebují lidi, kteří mohou:

• Interpretovat nejasné předpisy
• Hodnotit celní rozhodnutí
• Hodnotit toleranci rizika
• Činit obhajitelná klasifikační rozhodnutí
• Koordinovat napříč zdrojováním, inženýrstvím, logistikou a právními týmy
• Porozumět geopolitickým dopadům
• Komunikovat expozici dodržování předpisů vedoucím

Co se mění, je povaha práce. Odborníci na dodržování obchodních pravidel se stávají strategickými poradci spíše než čistě transakčními recenzenty, a to vyžaduje nové schopnosti.

Gramotnost v oblasti dat se stává důležitější. Týmy potřebují rozumět, jak informace proudí přes systémy, kde se objevují nesrovnalosti a jak nástroje automatizace poskytují doporučení. Dovednosti v komunikaci jsou důležitější, protože dodržování předpisů se stává otázkou na úrovni vedení. Spolupráce napříč funkcemi se také stává nezbytnou, protože klasifikace, zdrojování, nákup, inženýrství a finanční rozhodnutí jsou nyní hluboce propojena.

Riziko “černé skříňky” dodržování předpisů

Přes příležitosti, které umělá inteligence vytváří, existují oprávněné obavy z přílišné závislosti na automatizaci. Rozhodnutí o dodržování obchodních pravidel zůstávají právními určeními. Pokud systém umělé inteligence doporučí nesprávnou klasifikaci, regulátoři budou stále považovat dovozce za odpovědného. To vytváří velkou výzvu pro řízení.

Organizace, které přijímají umělou inteligenci v prostředích dodržování předpisů, potřebují:

• Lidské procesy přezkumu
• Jasný pracovní postup schvalování
• Dokumentované zdůvodnění rozhodnutí
• Kontrola verzí a auditní stopy
• Průhledné zdroje dat
• Průběžná validace výstupů modelu

Bezhlavné důvěření v automatizaci vytváří své vlastní riziko, problém, který sahá za hranice dodržování obchodních pravidel.

Rámec pro řízení rizik umělé inteligence Národního institutu pro standardy a technologii zdůrazňuje důležitost řízení, vysvětlitelnosti a odpovědnosti při nasazení umělé inteligence v podniku. Pro funkce dodržování předpisů je vysvětlitelnost zvláště důležitá. Pokud společnost nemůže vysvětlit, jak bylo klasifikační rozhodnutí učiněno, obhajoba tohoto rozhodnutí během auditu se stává podstatně obtížnější. Budoucnost není plně autonomní dodržování předpisů, ale je to dodržování předpisů vedené lidmi a podporované inteligentními systémy.

Proč to má význam za hranicemi týmů dodržování předpisů

Týmy dodržování obchodních pravidel dříve operovaly převážně mimo viditelnost vedení, ale to se rychle mění. Cla nyní ovlivňují prognózy zisků, celní zpoždění narušují výrobní plány, vynucování nucené práce ovlivňuje strategie zdrojování a geopolitické události mění životaschopnost dodavatelů. Obchodní rozhodnutí nakonec ovlivňují širší obchodní strategii. To je jeden z důvodů, proč adopce umělé inteligence v prostředích dodržování předpisů zrychluje. Vedoucí chtějí:

• Rychlejší viditelnost expozice cla
• Lepší předpověď nákladů na dovoz
• Dřívější signály pro rizika zdrojování
• Silnější připravenost na audit
• Více odolné dodavatelské řetězce

Výzvy stopovatelnosti jsou často zhoršovány použitím více zprostředkovatelů a vícesložkových dodavatelských sítí. Výrobci mohou zdrojovat materiály prostřednictvím mnoha nezávislých dodavatelů, což činí obtížným ověření pracovních podmínek hluboko v dodavatelském řetězci. To je jeden z důvodů, proč nástroje umělé inteligence pro mapování, monitorování dodavatelů a detekci rizika získávají zvýšenou pozornost od týmů dodržování předpisů.

Další fáze globálních obchodních operací

Dodržování obchodních pravidel vstupuje do фундаментálně odlišné doby s odlišnými zkušenostmi. Objem regulačních změn, vynucovacích tlaků, kontrol dodavatelského řetězce a obchodních akcí souvisejících s prací je nepravděpodobné, že se sníží. Vlády stále více používají celní dohled a širší mechanismy obchodní politiky k řešení problémů s nucenou prací, vytvářejí nové očekávání dodržování předpisů pro dovozce a jejich partnery v dodavatelském řetězci.

Organizace, které se úspěšně přizpůsobí, budou pravděpodobně sdílet několik charakteristik:

• Silné řízení dat
• Spolupráce napříč funkcemi
• Kontinuální validace klasifikace
• Průhledný dohled umělé inteligence
• Investice do talentů dodržování předpisů
• Rychlejší přístup k operační inteligenci

Otázka již není, zda umělá inteligence ovlivňuje dodržování obchodních pravidel, protože již to dělá. Důležitější otázkou je, zda jsou organizace připraveny spravovat tuto transformaci zodpovědně.