Importøren med registreret ansvar er ved at blive et dataproblem

Toldoverholdelse er traditionelt blevet betragtet som en opgave på transaktionsniveau. Klassificér produktet, beregn tolden, indgiv toldangivelsen, og opbevar dokumentationen. Den model bliver stadig sværere at opretholde, efterhånden som toldmyndighederne kræver større indsigt i de virksomheder, produkter og forsyningskæder, der ligger bag hver import.

Udviklingen er særligt tydelig i USA. Præsidentiel bekendtgørelse nr. 14411, »Skærpelse af toldhåndhævelsen«, der blev underskrevet den 3. juni 2026, pålægger Department of Homeland Security og US Customs and Border Protection (CBP) at skærpe kravene til importører med registreret ansvar, øge kontrollen og indføre yderligere krav til oplysninger og certificeringer. Bekendtgørelsen pålægger også regeringen at kræve oplysninger eller dokumentation, som udenlandske eksportører skulle indsende til udenlandske toldmyndigheder, inden de eksporterede varer til USA.

For importører skaber dette en udfordring, der grundlæggende handler om data. De relevante oplysninger findes muligvis allerede, men ofte ligger de i forskellige systemer, under forskellige beskrivelser og hos forskellige ansvarlige. AI kan hjælpe med at forbinde oplysningerne, men kun hvis virksomhederne betragter AI som en del af en kontrolleret proces for toldoverholdelse og ikke som en erstatning for toldfaglig ekspertise.

Hvorfor importøren med registreret ansvar betyder mere end tidligere

CBP har allerede taget et konkret skridt mod øget kontrol af oplysninger om importørers identitet. I en meddelelse fra august 2026 i Federal Register oplyste myndigheden, at den ville skærpe kontrollen med oplysninger indsendt via CBP Form 5106. Fra den 18. september 2026 kunne CBP ifølge myndigheden annullere et importørnummer, hvis de registrerede oplysninger var unøjagtige eller ufuldstændige, så nummeret ikke længere kunne bruges til at indføre varer.

Det er vigtigt, fordi en registrering af en importør med registreret ansvar er mere end en administrativ profil. Den knytter en enhed til toldangivelser, told, toldmæglere og lovgivningsmæssige forpligtelser. Hvis de underliggende identitetsoplysninger er forkerte, kan det blive vanskeligere at afstemme andre registreringer.

Her kan AI og automatisering skabe praktisk værdi uden selv at træffe beslutninger om toldoverholdelse. Systemer kan finde modstridende adresser, enhedsnavne, kontaktoplysninger eller ejerforhold på tværs af interne registreringer. De kan markere registreringer, der ikke er blevet gennemgået for nylig, eller identificere ændringer, der bør føre til menneskelig opmærksomhed. Målet er ikke at lade en algoritme afgøre, om en importør overholder reglerne, men at gøre det lettere for medarbejdere med ansvar for toldoverholdelse at se, hvor deres data måske ikke længere understøtter den konklusion.

Dokumenter fra udenlandske eksportører kan øge datakravene

Den næste udfordring kan blive betydeligt større. I sin forhåndsmeddelelse om foreslået regeludstedelse fra september 2026 bad CBP offentligheden om input til krav, der skulle give myndigheden større indsigt i forsyningskæder og eksportdokumentation fra udlandet.

Forslaget er stadig under overvejelse. CBP spørger, om importører skal indsende eller opbevare dokumenter, som udenlandske eksportører skulle fremlægge for udenlandske toldmyndigheder inden eksporten. Myndigheden nævner specifikt eksempler som eksportangivelser, handelsfakturaer, pakkelister, oprindelsescertifikater, eksportlicenser, konnossementer og luftfragtbreve. CBP spørger også, om importøren med registreret ansvar skal være ansvarlig for at opbevare og fremlægge dokumenterne, og om kravet om fornøden omhu skal gælde, når importører vurderer, om oplysningerne er korrekte.

Det sidste spørgsmål er særligt vigtigt. En importør udarbejder måske ikke en udenlandsk eksportangivelse. Den kan være udarbejdet af en leverandør, distributør eller logistikudbyder. Alligevel kan importøren stadig være nødt til at forklare, hvordan oplysningerne hænger sammen med toldangivelsen i USA.

Opgaven handler derfor mindre om at opbevare PDF-filer end om at sammenligne oplysninger. Stemmer produktbeskrivelsen? Virker mængden rimelig? Er det den samme producent? Stemmer oprindelseslandet overens? Kræver den deklarerede værdi en forklaring? Hvis to dokumenter er forskellige, kan importøren så forklare hvorfor?

AI er mest nyttig, når den forbinder dokumentation

Her kan AI bruges til mere end den mest velkendte anvendelse inden for told: klassificering. Store sprogmodeller og andre AI-systemer er særligt nyttige, når oplysninger er ustrukturerede eller fordelt på mange dokumenter. En produktspecifikation kan beskrive en vare på én måde, en leverandørfaktura kan bruge en anden betegnelse, og en toldangivelse kan indeholde en forkortet beskrivelse. Et oprindelsescertifikat kan tilføje endnu et sæt identifikatorer. En person med kendskab til virksomheden kan forstå, at alle fire henviser til det samme produkt, men det er vanskeligt manuelt at finde disse sammenhænge på tværs af tusindvis af registreringer.

AI kan hjælpe med at finde disse sammenhænge. Den kan udtrække relevante oplysninger fra dokumenter, standardisere produktbeskrivelser, identificere mulige uoverensstemmelser og prioritere registreringer til gennemgang. Den kan også finde understøttende toldafgørelser, lovgivningsmæssig vejledning og tidligere afgørelser, når en specialist i toldoverholdelse undersøger et spørgsmål om klassificering eller toldsatser.

Verdens toldorganisation har anerkendt dette bredere potentiale. Dens rapport fra 2025 om anvendelsen af AI og maskinlæring på toldområdet pegede på datahåndtering, governance, risikostyring, interoperabilitet, cybersikkerhed og medarbejdernes kompetencer som vigtige forhold for en vellykket indførelse. Det er en nyttig påmindelse om, at AI på toldområdet ikke først og fremmest er et chatbotproblem, men et data- og governanceproblem.

De mest effektive anvendelser vil derfor være knyttet til specifikke arbejdsgange. Et AI-system kan markere en uoverensstemmelse mellem et leverandørdokument og en importangivelse. Derefter kan en compliance-medarbejder gennemgå de underliggende dokumenter, afgøre, om uoverensstemmelsen er reel, og dokumentere begrundelsen.

Menneskelig kontrol er stadig vigtig

Toldafgørelser har økonomiske og juridiske konsekvenser, og derfor er det særligt vigtigt, at de kan forklares. Et system, der giver et svar uden at vise dokumentationen bag det, skaber en ny compliance-risiko. Derfor bør AI, der anvendes til handelsoverholdelse, bevare de oplysninger, der ligger til grund for et resultat. Hvis et system anbefaler en klassificering, bør brugerne kunne se produktegenskaberne, det relevante kildemateriale og ræsonnementet bag anbefalingen. Hvis systemet identificerer en uoverensstemmelse, bør brugeren kunne spore de modstridende dokumenter.

Denne tilgang stemmer overens med de bredere principper i National Institute of Standards and Technologys ramme for risikostyring af AI, som fremhæver pålidelighed inden for AI, herunder ansvarlighed, gennemsigtighed, forklarlighed og fortolkelighed. NIST fremhæver også menneskeligt tilsyn som en vigtig del af håndteringen af AI-systemer.

For toldteams betyder det, at AI som hovedregel bør fungere som analytiker, ikke som en selvstændig beslutningstager. AI kan finde dokumentation, sammenligne oplysninger, identificere ændringer og prioritere opgaver. Den menneskelige ekspert har fortsat ansvaret for at vurdere dokumentationen og træffe afgørelsen om compliance.

Opbyg datagrundlaget, før AI-laget tilføjes

Det kan være fristende at begynde med modellen, når man arbejder med AI. For toldcompliance er data et bedre sted at starte. Importører bør undersøge, om de kan forbinde oplysninger om et produkt på tværs af de systemer, der understøtter transaktionen. Det kan omfatte: 

• Produktspecifikationer
• HTS-klassifikationer
• Toldafgørelser
• Oplysninger om leverandører og producenter
• Fastlæggelse af oprindelsesland
• Fakturaer
• Transportdokumenter
• Lovkrav
• Tidligere importangivelsesdata

De bør også undersøge, om ændringer er synlige. Hvis en leverandør ændrer en produktspecifikation, hvis en toldforanstaltning ændres, eller hvis en importørs virksomhedsoplysninger ændres, kan compliance-teamet så identificere de berørte dokumenter?

Datakvalitet bliver endnu vigtigere, når AI indføres. Et AI-system kan ikke pålideligt afstemme dokumenter, der er ufuldstændige, forældede eller inkonsistente. Det kan identificere mønstre i dårlige data, men det kan ikke gøre manglende dokumentation pålidelig.

Dette stemmer overens med WCO’s nyere arbejde, hvor organisationen har fremhævet datastyring som et fundament for AI og dataanalyse på toldområdet. Organisationens drøftelse af AI på toldområdet i 2026 fremhævede betydningen af pålidelige data, der forvaltes ordentligt, for at skabe resultater, man kan stole på.

Den næste konkurrencefordel på toldområdet kan være forklarlighed

Det fremvoksende toldmiljø vil sandsynligvis belønne virksomheder, der kan gøre mere end blot at levere et svar. De skal kunne vise, hvordan de nåede frem til det.

Præsidentiel bekendtgørelse 14411 og CBP’s foreslåede tilgang til udenlandsk eksportdokumentation peger mod større indsigt i de parter, produkter og dokumenter, der ligger bag en importtransaktion. Resultatet kan blive et compliance-miljø, hvor det bliver vanskeligt at håndtere regneark og dokumentarkiver, der ikke er forbundet. AI kan hjælpe, men de mest værdifulde systemer vil ikke være dem, der blot genererer klassificeringer eller opsummerer regler. Det vil være systemer, der forbinder dokumentation, synliggør uoverensstemmelser, bevarer kilder og holder mennesker inddraget.

Importører kan allerede nu begynde at forberede sig: 

• Validér IOR-oplysninger
• Kortlæg, hvor leverandørdokumenter og udenlandsk eksportdokumentation oprettes og opbevares
• Identificér forskelle mellem leverandøroplysninger og amerikanske importangivelsesdata
• Gennemgå, hvilke compliance-afgørelser der stadig afhænger af manuelle søgninger
• Fastslå, hvor AI kan mindske det arbejde, der kræves for at finde og vurdere dokumentationen

Fremtiden for AI på toldområdet handler måske mindre om at erstatte toldeksperten og mere om at give vedkommende et langt bedre overblik over transaktionen. Efterhånden som toldkontrollen i stigende grad bliver datadrevet, kan den konkurrencemæssige fordel tilfalde de importører, der med sikkerhed kan besvare et enkelt spørgsmål: ikke blot »Hvad angav vi?«, men »Kan vi vise, hvorfor det var korrekt?«