Το AI αναμορφώνει τη συμμόρφωση με τις εμπορικές συναλλαγές και οι περισσότερες εταιρείες δεν είναι έτοιμες

Για χρόνια, η συμμόρφωση με τις εμπορικές συναλλαγές δεν ήταν ψηλά στην λίστα προτεραιοτήτων για τις περισσότερες οργανώσεις. Ενώ ήταν απαραίτητη, οι λειτουργίες της ήταν τεχνικές και σε μεγάλο βαθμό αόρατες μέχρι να συμβεί κάτι λάθος, αλλά αυτή η υπόθεση δεν ισχύει πλέον. Η ταραχώδης κατάσταση των δασμών, η επιβολή της εργασίας με τη βία, η γεωπολιτική 碎片化 και οι ταχύτατες αλλαγές των τελωνειακών κανόνων έχουν ωθήσει τη συμμόρφωση με τις εμπορικές συναλλαγές στο κέντρο της λειτουργικής λήψης αποφάσεων.Πρόσφατες προτάσεις του Αμερικανικού Εκπροσώπου Εμπορίου για την επιβολή νέων δασμών σε δεκάδες εμπορικούς συνεργάτες με βάση τις υποτιθέμενες αποτυχίες να περιορίσουν τις εισαγωγές εργασίας με τη βία, δείχνουν πώς οι ανησυχίες για τη συμμόρφωση με την εργασία με τη βία είναι ολοένα και πιο σημαντικές για τη διαμόρφωση της εμπορικής πολιτικής παράλληλα με την παραδοσιακή τελωνειακή επιβολή.

Συγχρόνως, το τεχνητό νοήμον είναι στο στάδιο να αναμορφώσει τον τρόπο με τον οποίο οι οργανισμοί ταξινομούν προϊόντα, παρακολουθούν τον κίνδυνο, ερμηνεύουν τους κανονισμούς και προετοιμάζονται για ελέγχους. Ως αποτέλεσμα, πολλές εταιρείες ξανασκέφτονται τον τρόπο με τον οποίο σκέφτονται τις παγκόσμιες εμπορικές λειτουργίες. Ενώ το AI δεν αντικαθιστά τους επαγγελματίες της συμμόρφωσης με τις εμπορικές συναλλαγές, αλλάζει το τι σημαίνει η δουλειά, ποια είναι τα σημαντικότερα προσόντα και πώς οι οργανισμοί διαχειρίζονται τη συμμόρφωση σε μεγάλη κλίμακα.

Η συμμόρφωση με τις εμπορικές συναλλαγές έχει γίνει ένα πρόβλημα δεδομένων

Η σύγχρονη συμμόρφωση με τις εμπορικές συναλλαγές εξαρτάται από τεράστιες ποσότητες πληροφοριών που κινούνται ακριβώς μέσα από συστήματα. Οι εταιρείες πρέπει να παρακολουθούν:

• Ταξινόμηση Harmonized Tariff Schedule (HTS)
• Καθορισμός χώρας προέλευσης
• Δεδομένα προμηθευτών
• Τεκμηρίωση συμμόρφωσης με την εργασία με τη βία
• Προδιαγραφές προϊόντων
• Δικαιούχοι συμφωνιών εμπορίου
• Εκθεση δασμών
• Τελωνειακές αποφάσεις και ενημερώσεις κανονισμών
• Συνέπεια αρχείων εισαγωγής μεταξύ μεσολάβων και επιχειρηματικών μονάδων

Η πρόκληση είναι ότι η większość αυτής της πληροφορίας ζει σε αποσυνδεδεμένα συστήματα. Ένας προμηθευτής μπορεί να διατηρεί τις λεπτομέρειες του προϊόντος σε ελαιογραφημένα αρχεία, οι ομάδες μηχανικής αποθηκεύουν τις προδιαγραφές σε πλατφόρμες PLM, οι ομάδες προμήθειας εστιάζουν στο κόστος προμήθειας και οι μεσολάβοι λειτουργούν από δεδομένα εισαγωγής που μπορεί να είναι ήδη ελλιπή ή παλιά. Μέχρι τη στιγμή που μια ομάδα συμμόρφωσης με τις εμπορικές συναλλαγές αναθεωρεί μια αποστολή, κρίσιμες ιδιότητες προϊόντων μπορεί να έχουν ήδη χαθεί, να έχουν απλοποιηθεί ή να έχουν αντιγραφεί λανθασμένα σε διάφορα συστήματα. Αυτή η 碎片化 δημιουργεί κίνδυνο.

Σύμφωνα με Αμερικανική Τελωνειακή Υπηρεσία, οι προσπάθειες επιβολής εξαρτώνται από προηγμένα δεδομένα για την ανίχνευση ανωμαλιών στη συμπεριφορά των εισαγωγέων. Ταυτόχρονα, η επιβολή παραμένει δύσκολη. Οι αναθεωρήσεις του Κογκρέσου και οι αναλύσεις της κυβέρνησης έχουν υπογραμμίσει τις συνεχιζόμενες προκλήσεις που варίουν από απάτες στις διαδικασίες εισαγωγής και την αύξηση του ηλεκτρονικού εμπορίου έως τις περιορισμένες ικανότητες αναγνώρισης της αλυσίδας εφοδιασμού. Ακόμη και με τις επεκταμένες προσπάθειες επιβολής υπό τον νόμο Uyghur Forced Labor Prevention Act (UFLPA), οι νομοθέτες συνεχίζουν να συζητούν πώς να αναγνωρίσουν αποτελεσματικά τα προϊόντα εργασίας με τη βία και να τα αποκλείσουν από τις αμερικανικές αλυσίδες εφοδιασμού.

Αυτή η αλλαγή έχει σημασία επειδή οι λάθη ταξινόμησης είναι συχνά συστημικά και όχι απομονωμένα. Ο ίδιος λανθασμένος κωδικός μπορεί να εμφανιστεί σε χιλιάδες εισαγωγές. Μια περιγραφή προμηθευτή μπορεί να επαναχρησιμοποιηθεί για χρόνια χωρίς επαλήθευση. Οι αλλαγές μηχανικής μπορεί να αλλάξουν τους οδηγούς ταξινόμησης χωρίς να προκαλούν έλεγχο συμμόρφωσης. Αυτά είναι ακριβώς τα είδη προτύπων που τα συστήματα AI είναι καλά τοποθετημένα για να αναγνωρίσουν.

Γιατί η ταξινόμηση HTS γίνεται μια περίπτωση χρήσης του AI

Η ταξινόμηση HTS έχει πάντα απαιτήσει εξειδίκευση, ερμηνεία και λεπτομερή γνώση προϊόντων. Είναι επίσης μια από τις πιο δυσκολές διαδικασίες να κλιμακωθεί συνεχώς.

Ο Παγκόσμιος Οργανισμός Τελωνείων ενημερώνει το Συστηματικό Σύστημα σε τακτά χρονικά διαστήματα, ενώ οι εθνικοί τελωνειακοί πίνακες εξελίσσονται ανεξάρτητα. Οι αποφάσεις του δικαστηρίου αναμορφώνουν την ερμηνεία. Πρόσθετα προγράμματα δασμών όπως τα AD/CVD, το άρθρο 122, το άρθρο 232 και το άρθρο 301 δημιουργούν νέες στρώσεις οικονομικής έκθεσης. Μια seule απόφαση ταξινόμησης μπορεί να επηρεάσει δραματικά:

• Δασμούς
• Απαιτήσεις εισαγωγής
• Έλεγχο εργασίας με τη βία
• Δικαιούχους συμφωνιών εμπορίου
• Απαιτήσεις κυβερνητικών υπηρεσιών
• Υπολογισμοί κόστους προσγείωσης

Αυτό το επίπεδο πολυπλοκότητας δεν είναι διαχειρίσιμο μέσω στατικών电子τικών φύλλων και γνώσεων φυλής μόνο, και αυτό είναι όπου το AI αρχίζει να επηρεάζει το επάγγελμα.

Τα μοντέλα μηχανικής μάθησης μπορούν να αναλύσουν ιστορικές ταξινόμησεις, να αναγνωρίσουν ασυνέπειες μεταξύ μεσολάβων ή εγκαταστάσεων και να επιφέρουν προϊόντα που μπορεί να απαιτούν επαναλήψη. Τα συστήματα επεξεργασίας φυσικής γλώσσας μπορούν να συγκρίνουν περιγραφές προϊόντων με κανονιστικές γλώσσες, τελωνειακές αποφάσεις και προηγούμενες αποφάσεις.

Σημαντικά, το AI δεν «λύνει» την ταξινόμηση αυτόνομα σε meisten εταιρικά περιβάλλοντα. Αντίθετα, βοηθά τους επαγγελματίες συμμόρφωσης να στενεύουν τις πιθανότητες, να ανιχνεύουν ανωμαλίες, να τυποποιούν ροές εργασίας και να μειώνουν την επαναλαμβανόμενη χειροκίνητη έρευνα. Αυτή η διάκριση έχει σημασία. Οι πιο επιτυχημένες οργανώσεις δεν αφαιρούν την ανθρώπινη κρίση από τις αποφάσεις συμμόρφωσης. Αυξάνουν την ανθρώπινη εμπειρογνωσία με συστήματα που βελτιώνουν τη συνεχή και την ορατότητα.

Το AI αλλάζει την ετοιμότητα για έλεγχο

Οι έλεγχοι συμμόρφωσης με τις εμπορικές συναλλαγές χρησιμοποιούσαν να είναι αντιδραστικοί. Μια τελωνειακή ερώτηση θα έφτανε, οι ομάδες θα αναζητούσαν έγγραφα, οι μεσολάβοι θα αναζητούσαν παλιές εισαγωγές και οι υπαλλήλοι θα ανακατασκευάζαν χειροκίνητα αποφάσεις από θραύσματα εγγράφων. Ωστόσο, αυτή η προσέγγιση γίνεται ολοένα και πιο αβέβαιη.

Η κλίμακα της σύγχρονης δραστηριότητας εισαγωγής σημαίνει ότι οι οργανισμοί χρειάζονται συνεχής ορατότητα στην απόδοση συμμόρφωσης, όχι περιοδικές καθαριστικές ασκήσεις. Τα συστήματα παρακολούθησης που οδηγούνται από το AI χρησιμοποιούνται ολοένα και περισσότερο για:

• Ανίχνευση ασυνέπειων χρήσης HTS μεταξύ εισαγωγών
• Ανίχνευση λείπων εγγράφων
• Σημείωση ασυνήθιστων διακυμάνσεων δασμών
• Επιφάνηση δεικτών κινδύνου προμηθευτών
• Σύγκριση τρεχουσών εισαγωγών με ιστορικά μοτίβα αρχείων
• Παρακολούθηση αλλαγών κανονισμών που μπορεί να επηρεάσουν τις ταξινόμησεις

Αυτή η προληπτική προσέγγιση αντανακλά άλλες τάσεις στη διαχείριση κινδύνου επιχείρησης.

Μια πρόσφατη αναφορά της McKinsey για το γεννητικό AI σημείωσε ότι η γνώση-εντατική λειτουργική εργασία συχνά ενισχύεται μέσω της ανάλυσης και της αυτοματοποίησης της ροής εργασίας που υποστηρίζεται από το AI. Η συμμόρφωση με τις εμπορικές συναλλαγές ταιριάζει ακριβώς σε αυτήν την κατηγορία.

Οι επιπτώσεις εκτείνονται πέρα από την λειτουργική αποτελεσματικότητα. Οι οργανισμοί με ισχυρότερη ορατότητα συμμόρφωσης είναι συχνά καλύτερα τοποθετημένοι για να απαντήσουν γρήγορα στις τελωνειακές ερωτήσεις, να δείξουν διαδικασίες διακυβέρνησης και να αναγνωρίσουν την έκθεση πριν οι ρυθμιστές το κάνουν. Αυτή η ικανότητα έχει γίνει στρατηγικά σημαντική.

Η πρόκληση επιβολής της εργασίας με τη βία

Μια περιοχή όπου η υιοθέτηση του AI επιταχύνεται ιδιαίτερα γρήγορα είναι η due diligence της αλυσίδας εφοδιασμού. Η εφαρμογή του νόμου Uyghur Forced Labor Prevention Act αυξάνει τις προσδοκίες γύρω από την αναγνωρισιμότητα προμηθευτών και την τεκμηρίωση. Οι εισαγωγείς αναμένεται να δείξουν μεγαλύτερη ορατότητα στις σχέσεις προμήθειας, τις διαδικασίες παραγωγής και τις προελεύσεις υλικών. Για πολλές εταιρείες, αυτό είναι εξαιρετικά δύσκολο. Οι σύγχρονες αλυσίδες εφοδιασμού μπορεί να περιλαμβάνουν:

• Πολλαπλούς προμηθευτές
• Προμηθευτές δεύτερης και τρίτης βαθμίδας
• Συχνές αλλαγές προμήθειας
• Ασυμφωνία τεκμηρίωσης προμηθευτών
• Συγκλονιστική πηγή στοιχείων

Η κλίμακα της πρόκλησης παραμένει σημαντική. Σύμφωνα με εκτιμήσεις του Διεθνούς Οργανισμού Εργασίας, περίπου 27,6 εκατομμύρια άνθρωποι σε όλο τον κόσμο υπόκεινται σε εργασία με τη βία, παράγοντας einen εκτιμώμενο $236 δισεκατομμύρια σε παράνομα κέρδη ετησίως. Πολύ από αυτήν τη δραστηριότητα συμβαίνει σε σύνθετες εμπορικές αλυσίδες εφοδιασμού όπου η ορατότητα στις προμηθευτές ροής παραμένει περιορισμένη. Η χειροκίνητη ανασκόπηση μόνο συχνά δεν μπορεί να跟ovat. Τα συστήματα AI χρησιμοποιούνται για να οργανώσουν εγγραφές προμηθευτών, να αναγνωρίσουν λείπων πληροφορίες, να σημάνουν υψηλού κινδύνου περιοχές προμήθειας και να παρακολουθούν τα πρότυπα συμπεριφοράς προμηθευτών με την πάροδο του χρόνου.

Πάλι, αυτά τα εργαλεία δεν αντικαθιστούν τη νομική ή την κρίση συμμόρφωσης, αλλά βοηθούν τις οργανώσεις να επεξεργαστούν πληροφορίες αλυσίδας εφοδιασμού σε μια κλίμακα που οι άνθρωποι μόνοι τους αγωνίζονται να διαχειριστούν. Αυτό πιθανό να γίνει ακόμη πιο σημαντικό καθώς οι παγκόσμιες κανονιστικές αλυσίδες εφοδιασμού συνεχίζουν να επεκτείνονται.

Οι ρυθμιστικές πρωτοβουλίες στην Ευρώπη και αλλού σηματοδοτούν μια ευρύτερη παγκόσμια κίνηση προς αυξημένη ευθύνη αλυσίδας εφοδιασμού και προσδοκίες due diligence. Η συμμόρφωση με τις εμπορικές συναλλαγές βρίσκεται σε ένα σταυροδρόμι με την αναφορά ESG, τη διαφάνεια προμήθειας και τη διαχείριση κινδύνου επιχείρησης. Το AI βρίσκεται στο κέντρο αυτής της σύγκλισης επειδή η πρόκληση είναι ουσιαστικά ένα πρόβλημα οργάνωσης δεδομένων και ανίχνευσης προτύπων.

Οι δεξιότητες που χρειάζονται οι επαγγελματίες συμμόρφωσης με τις εμπορικές συναλλαγές στο επόμενο βήμα

Μια από τις μεγαλύτερες λανθασμένες αντιλήψεις που περιβάλλουν την υιοθέτηση του AI είναι η ιδέα ότι η αυτοματοποίηση μειώνει τη σημασία της ανθρώπινης εμπειρογνωσίας. Στη συμμόρφωση με τις εμπορικές συναλλαγές, το αντίθετο συμβαίνει. Όσο τα εργαλεία AI χειρίζονται την επαναλαμβανόμενη ανάλυση και την επεξεργασία μεγάλης κλίμακας δεδομένων, η αξία των έμπειρων επαγγελματιών αυξάνεται. Οι οργανισμοί vẫn χρειάζονται ανθρώπους που μπορούν να:

• Ερμηνεύσουν αμφισβητούμενους κανονισμούς
• Αξιολογήσουν τελωνειακές αποφάσεις
• Αξιολογήσουν την αντοχή στον κίνδυνο
• Κάνουν αποφάσεις ταξινόμησης που μπορούν να υπερασπισθούν
• Συντονίσουν σε προμήθεια, μηχανική, λογιστική και νομικές ομάδες
• Κατανοήσουν τις γεωπολιτικές επιπτώσεις
• Επικοινωνήσουν την έκθεση συμμόρφωσης με τους εκτελεστές

Τι αλλάζει είναι η φύση της δουλειάς. Οι επαγγελματίες συμμόρφωσης με τις εμπορικές συναλλαγές γίνονται στρατηγικοί σύμβουλοι και όχι μόνο μεταβατικοί αναθεωρητές, και αυτό απαιτεί νέες ικανότητες.

Η γλωσσική ικανότητα δεδομένων γίνεται πιο σημαντική. Οι ομάδες πρέπει να κατανοούν πώς η πληροφορία ρέει μέσα από συστήματα, πού εμφανίζονται ασυνέπειες και πώς τα εργαλεία αυτοματοποίησης κάνουν συστάσεις. Οι δεξιότητες επικοινωνίας έχουν σημασία περισσότερο καθώς η συμμόρφωση γίνεται μια ανησυχία του διοικητικού συμβουλίου. Η διαλειτουργική συνεργασία γίνεται επίσης απαραίτητη επειδή οι αποφάσεις ταξινόμησης, προμήθειας, προμήθειας, μηχανικής και οικονομικών είναι τώρα βαθιά συνδεδεμένες.

Ο κίνδυνος της “Μαύρης Κουβίτσας” συμμόρφωσης

Παρά τις ευκαιρίες που δημιουργεί το AI, υπάρχουν νόμιμες ανησυχίες σχετικά με την υπερεξάρτηση από την αυτοματοποίηση. Οι αποφάσεις συμμόρφωσης με τις εμπορικές συναλλαγές παραμένουν νομικές αποφάσεις. Αν ένα σύστημα AI προτείνει μια λανθασμένη ταξινόμηση, οι ρυθμιστές θα κρατήσουν ακόμη τον εισαγωγέα υπεύθυνο. Αυτό δημιουργεί μια σημαντική πρόκληση διακυβέρνησης.

Οι οργανισμοί που υιοθετούν το AI σε περιβάλλοντα συμμόρφωσης χρειάζονται:

• Διαδικασίες αναθεώρησης από ανθρώπους
• Σαφείς ροές έγκρισης
• Τεκμηρίωση λόγου για αποφάσεις
• Έλεγχος έκδοσης και ιχνηλασιμότητα
• Διαφανείς πηγές δεδομένων
• Συνεχής επικύρωση εξόδων μοντέλου

Η τυφλή εμπιστοσύνη στην αυτοματοποίηση δημιουργεί το δικό της είδος κινδύνου, ένα ζήτημα που εκτείνεται πέρα από τη συμμόρφωση με τις εμπορικές συναλλαγές.

Το Πλαίσιο Διαχείρισης Κινδύνου AI του Εθνικού Ινστιτούτου Προτύπων τονίζει τη σημασία της διακυβέρνησης, της ερμηνευσιμότητας και της ευθύνης στην εταιρική ανάπτυξη του AI. Για τις λειτουργίες συμμόρφωσης, η ερμηνευσιμότητα είναι ιδιαίτερα σημαντική. Αν μια εταιρεία δεν μπορεί να εξηγήσει πώς μια απόφαση ταξινόμησης έγινε, η υπεράσπιση αυτής της απόφασης κατά τη διάρκεια eines ελέγχου γίνεται σημαντικά πιο δύσκολη. Το μέλλον δεν είναι πλήρως αυτόνομη συμμόρφωση, αλλά είναι συμμόρφωση με την ηγεσία ανθρώπων που υποστηρίζεται από έξυπνα συστήματα.

Γιατί αυτό έχει σημασία πέρα από τις ομάδες συμμόρφωσης

Οι ομάδες συμμόρφωσης με τις εμπορικές συναλλαγές χρησιμοποιούσαν να λειτουργούν σε μεγάλο βαθμό έξω από την ορατότητα των εκτελεστών, αλλά αυτό αλλάζει γρήγορα. Οι δασμοί επηρεάζουν τώρα τις προβλέψεις κερδών, οι τελωνειακές καθυστερήσεις διακόπτουν προγράμματα παραγωγής, η επιβολή της εργασίας με τη βία επηρεάζει τις στρατηγικές προμήθειας και τα γεγονότα γεωπολιτικά αλλάζουν τη βιωσιμότητα των προμηθευτών. Οι εμπορικές αποφάσεις τελικά επηρεάζουν τη ευρύτερη επιχειρηματική στρατηγική. Αυτός είναι ένας λόγος για τον οποίο η υιοθέτηση του AI στις περιπτώσεις συμμόρφωσης επιταχύνεται. Οι εκτελεστές θέλουν:

• Γρηγορότερη ορατότητα στην έκθεση δασμών
• Καλύτερη πρόβλεψη του κόστους προσγείωσης
• Πρότερη σηματοδότηση για κίνδυνο προμήθειας
• Ισχυρότερη ετοιμότητα για έλεγχο
• Περισσότερο ανθεκτικές αλυσίδες εφοδιασμού

Οι προκλήσεις αναγνωρισιμότητας συχνά ενισχύονται από τη χρήση πολλαπλών μεσολάβων και πολυ-βαθμίδων δικτύων προμηθευτών. Οι κατασκευαστές μπορεί να προμηθεύονται υλικά μέσω πολλών ανεξάρτητων προμηθευτών, καθιστώντας δύσκολο να επιβεβαιώσουν τις συνθήκες εργασίας sâuоко στην αλυσίδα εφοδιασμού. Αυτός είναι ένας λόγος για τον οποίο τα εργαλεία χαρτογράφησης, παρακολούθησης προμηθευτών και ανίχνευσης κινδύνου που υποστηρίζονται από το AI λαμβάνουν αυξημένη προσοχή από τις ομάδες συμμόρφωσης.

Η επόμενη φάση των παγκόσμιων εμπορικών λειτουργιών

Η συμμόρφωση με τις εμπορικές συναλλαγές εισέρχεται σε μια θεμελιωδώς διαφορετική εποχή με διαφορετικές εμπειρίες. Ο όγκος των αλλαγών κανονισμών, της πίεσης επιβολής, της σωματοσκόπησης αλυσίδας εφοδιασμού και των ενεργειών εμπορίου που σχετίζονται με την εργασία με τη βία είναι απίθανο να μειωθεί. Οι κυβερνήσεις χρησιμοποιούν όλο και περισσότερο τόσο εργαλεία τελωνειακής επιβολής όσο και ευρύτερα μηχανισμοί εμπορικής πολιτικής για να αντιμετωπίσουν τις ανησυχίες για την εργασία με τη βία, δημιουργώντας νέες προσδοκίες συμμόρφωσης για τους εισαγωγείς και τους συνεργάτες αλυσίδας εφοδιασμού.

Οι οργανισμοί που προσαρμόζονται επιτυχώς θα μοιράζονται πιθανότατα beberapa χαρακτηριστικά:

• Ισχυρή διακυβέρνηση δεδομένων
• Διαλειτουργική συνεργασία
• Συνεχής επικύρωση ταξινόμησης
• Διαφανής εποπτεία AI
• Επένδυση σε ταλέντο συμμόρφωσης
• Γρηγορότερη πρόσβαση σε επιχειρηματική νοημοσύνη

Το ερώτημα δεν είναι πλέον αν το τεχνητό νοήμον θα επηρεάσει τη συμμόρφωση με τις εμπορικές συναλλαγές επειδή ήδη το κάνει. Το πιο σημαντικό ερώτημα είναι αν οι οργανισμοί είναι έτοιμοι να διαχειριστούν αυτήν τη μετάβαση υπεύθυνα.