Ο εισαγωγέας καταχωρισμένος γίνεται πλέον ζήτημα δεδομένων

Παραδοσιακά, η τελωνειακή συμμόρφωση αντιμετωπιζόταν ως διαδικασία σε επίπεδο συναλλαγής. Ταξινομήστε το προϊόν, υπολογίστε τον δασμό, υποβάλετε την τελωνειακή διασάφηση και τηρείτε τα αρχεία. Αυτό το μοντέλο γίνεται όλο και πιο δύσκολο να διατηρηθεί, καθώς οι τελωνειακές αρχές ζητούν μεγαλύτερη διαφάνεια σχετικά με τις εταιρείες, τα προϊόντα και τις εφοδιαστικές αλυσίδες που βρίσκονται πίσω από κάθε εισαγωγή.

Η αλλαγή είναι ιδιαίτερα εμφανής στις Ηνωμένες Πολιτείες. Το Εκτελεστικό Διάταγμα 14411, «Ενίσχυση της επιβολής της τελωνειακής νομοθεσίας», που υπογράφηκε στις 3 Ιουνίου 2026, δίνει εντολή στο Υπουργείο Εσωτερικής Ασφάλειας και στην Υπηρεσία Τελωνείων και Προστασίας Συνόρων των ΗΠΑ (CBP) να ενισχύσουν τις απαιτήσεις για τους εισαγωγείς καταχωρισμένους (IOR), να αυξήσουν τους ελέγχους και να θεσπίσουν πρόσθετες απαιτήσεις γνωστοποίησης και πιστοποίησης. Το διάταγμα δίνει επίσης εντολή στην κυβέρνηση να απαιτεί πληροφορίες ή έγγραφα που οι αλλοδαποί εξαγωγείς ήταν υποχρεωμένοι να υποβάλουν στις τελωνειακές αρχές άλλων χωρών πριν εξαγάγουν εμπορεύματα στις Ηνωμένες Πολιτείες.

Για τους εισαγωγείς, αυτό δημιουργεί μια πρόκληση που αφορά πρωτίστως τα δεδομένα. Οι σχετικές πληροφορίες μπορεί να υπάρχουν ήδη, αλλά συχνά βρίσκονται σε διαφορετικά συστήματα, περιγράφονται με διαφορετικούς τρόπους και ανήκουν σε διαφορετικούς υπευθύνους. Η τεχνητή νοημοσύνη μπορεί να βοηθήσει στη σύνδεση αυτών των στοιχείων, αλλά μόνο εφόσον οι εταιρείες την εντάσσουν σε μια ελεγχόμενη διαδικασία συμμόρφωσης και δεν τη θεωρούν υποκατάστατο της τελωνειακής τεχνογνωσίας.

Γιατί ο IOR έχει μεγαλύτερη σημασία απ’ ό,τι παλαιότερα

Η CBP έχει ήδη κάνει ένα συγκεκριμένο βήμα προς τον αυστηρότερο έλεγχο των στοιχείων ταυτότητας των εισαγωγέων. Σε ανακοίνωση του Federal Register τον Αύγουστο του 2026, η υπηρεσία δήλωσε ότι θα αρχίσει να εφαρμόζει αυστηρότερα τους ελέγχους στις πληροφορίες που υποβάλλονται μέσω του εντύπου CBP Form 5106. Από τις 18 Σεπτεμβρίου 2026, η CBP δήλωσε ότι θα μπορεί να ακυρώνει έναν αριθμό εισαγωγέα καταχωρισμένου όταν τα στοιχεία που τηρούνται στο αρχείο είναι ανακριβή ή ελλιπή, καθιστώντας τον αριθμό άκυρο για την εισαγωγή εμπορευμάτων.

Αυτό έχει σημασία, επειδή η καταχώριση ενός IOR δεν είναι απλώς ένα διοικητικό προφίλ. Συνδέει μια οντότητα με τελωνειακές διασαφήσεις, δασμούς, εκτελωνιστές και κανονιστικές υποχρεώσεις. Αν τα υποκείμενα στοιχεία ταυτότητας είναι λανθασμένα, μπορεί να γίνει δυσκολότερη η αντιπαραβολή άλλων αρχείων.

Σε αυτόν τον τομέα, η τεχνητή νοημοσύνη και ο αυτοματισμός μπορούν να προσφέρουν πρακτική αξία χωρίς να λαμβάνουν οι ίδιοι αποφάσεις για τη συμμόρφωση. Τα συστήματα μπορούν να εντοπίζουν ασυμφωνίες σε διευθύνσεις, επωνυμίες οντοτήτων, στοιχεία επικοινωνίας ή δεδομένα ιδιοκτησίας μεταξύ των εσωτερικών αρχείων. Μπορούν να επισημαίνουν αρχεία που δεν έχουν ελεγχθεί πρόσφατα ή να εντοπίζουν αλλαγές που θα πρέπει να επιστήσουν την προσοχή ανθρώπινου ελεγκτή. Στόχος δεν είναι να αποφασίζει ένας αλγόριθμος αν ένας εισαγωγέας συμμορφώνεται με τις απαιτήσεις, αλλά να διευκολυνθούν οι ομάδες συμμόρφωσης να εντοπίζουν πού τα δεδομένα τους ενδέχεται να μην επαρκούν πλέον για να τεκμηριώσουν αυτό το συμπέρασμα.

Τα έγγραφα εξαγωγής από το εξωτερικό ενδέχεται να αυξήσουν τον φόρτο διαχείρισης δεδομένων

Η επόμενη πρόκληση ενδέχεται να είναι πολύ μεγαλύτερη. Στην Προκαταρκτική ανακοίνωση για την προτεινόμενη θέσπιση κανόνων του Σεπτεμβρίου 2026, η CBP ζήτησε από το κοινό να υποβάλει σχόλια σχετικά με απαιτήσεις που θα παρείχαν στην υπηρεσία μεγαλύτερη εικόνα για τις εφοδιαστικές αλυσίδες και τα έγγραφα εξαγωγής από το εξωτερικό.

Η πρόταση εξακολουθεί να εξετάζεται. Η CBP ζητά να γνωμοδοτήσει αν οι εισαγωγείς θα πρέπει να υποβάλλουν ή να τηρούν έγγραφα που οι εξαγωγείς ήταν υποχρεωμένοι να παρέχουν στις τελωνειακές αρχές άλλων χωρών πριν από την εξαγωγή. Η υπηρεσία αναφέρει συγκεκριμένα, ως παραδείγματα, δηλώσεις εξαγωγής, εμπορικά τιμολόγια, δελτία συσκευασίας, πιστοποιητικά καταγωγής, άδειες εξαγωγής, φορτωτικές και αεροπορικές φορτωτικές. Η CBP ρωτά επίσης αν ο εισαγωγέας καταχωρισμένος θα πρέπει να είναι υπεύθυνος για την τήρηση και την προσκόμιση αυτών των εγγράφων, καθώς και αν θα πρέπει να εφαρμόζεται η υποχρέωση εύλογης επιμέλειας κατά την αξιολόγηση της ακρίβειάς τους από τους εισαγωγείς.

Το τελευταίο ερώτημα είναι ιδιαίτερα σημαντικό. Ένας εισαγωγέας μπορεί να μην έχει συντάξει μια δήλωση εξαγωγής από το εξωτερικό. Μπορεί να την έχει συντάξει ένας προμηθευτής, διανομέας ή πάροχος υπηρεσιών logistics. Ωστόσο, ο εισαγωγέας ενδέχεται και πάλι να χρειαστεί να εξηγήσει πώς σχετίζονται οι πληροφορίες με την τελωνειακή διασάφηση στις ΗΠΑ.

Επομένως, το ζητούμενο δεν είναι τόσο η αποθήκευση αρχείων PDF όσο η σύγκριση πληροφοριών. Συμφωνεί η περιγραφή του προϊόντος; Είναι εύλογη η ποσότητα; Πρόκειται για τον ίδιο κατασκευαστή; Συμφωνεί η χώρα καταγωγής; Χρειάζεται εξήγηση η δηλωθείσα αξία; Αν δύο έγγραφα διαφέρουν, μπορεί ο εισαγωγέας να εξηγήσει τον λόγο;

Η τεχνητή νοημοσύνη είναι πιο χρήσιμη όταν συνδέει τα τεκμήρια

Εδώ η τεχνητή νοημοσύνη μπορεί να επεκτείνει τη χρήση της πέρα από την πιο γνωστή εφαρμογή της στα τελωνεία: την ταξινόμηση. Τα μεγάλα γλωσσικά μοντέλα και άλλα συστήματα τεχνητής νοημοσύνης είναι ιδιαίτερα χρήσιμα όταν οι πληροφορίες είναι μη δομημένες ή κατανεμημένες σε πολλά έγγραφα. Μια προδιαγραφή προϊόντος μπορεί να περιγράφει ένα είδος με έναν τρόπο, ένα τιμολόγιο προμηθευτή να χρησιμοποιεί διαφορετική ονομασία και μια τελωνειακή διασάφηση να περιέχει συντομευμένη περιγραφή. Ένα πιστοποιητικό καταγωγής μπορεί να εισάγει ένα ακόμη σύνολο αναγνωριστικών στοιχείων. Κάποιος που γνωρίζει την επιχείρηση μπορεί να καταλάβει ότι και τα τέσσερα αναφέρονται στο ίδιο προϊόν, αλλά ο εντοπισμός αυτών των σχέσεων με μη αυτόματο τρόπο σε χιλιάδες αρχεία είναι δύσκολος.

Η τεχνητή νοημοσύνη μπορεί να βοηθήσει στον εντοπισμό αυτών των συνδέσεων. Μπορεί να εξάγει σχετικές πληροφορίες από έγγραφα, να τυποποιεί τις περιγραφές προϊόντων, να εντοπίζει πιθανές ασυνέπειες και να θέτει σε προτεραιότητα τα αρχεία που χρειάζονται έλεγχο. Μπορεί επίσης να ανακτά υποστηρικτικές τελωνειακές αποφάσεις, κανονιστικές οδηγίες και προηγούμενες αποφάσεις, όταν ένας επαγγελματίας συμμόρφωσης διερευνά ένα ζήτημα ταξινόμησης ή δασμολογικής επιβάρυνσης.

Ο Παγκόσμιος Οργανισμός Τελωνείων έχει αναγνωρίσει αυτή την ευρύτερη δυνατότητα. Η έκθεσή του για το 2025 σχετικά με την υιοθέτηση της τεχνητής νοημοσύνης και της μηχανικής μάθησης στα τελωνεία προσδιόρισε τη διαχείριση δεδομένων, τη διακυβέρνηση, τη διαχείριση κινδύνων, τη διαλειτουργικότητα, την κυβερνοασφάλεια και τις δεξιότητες του ανθρώπινου δυναμικού ως σημαντικές παραμέτρους για την επιτυχή υιοθέτησή τους. Αυτό υπενθυμίζει εύστοχα ότι η τεχνητή νοημοσύνη στα τελωνεία δεν αφορά πρωτίστως τα chatbot, αλλά τα δεδομένα και τη διακυβέρνησή τους.

Οι αποτελεσματικότερες εφαρμογές θα συνδέονται, επομένως, με συγκεκριμένες ροές εργασίας. Ένα σύστημα τεχνητής νοημοσύνης μπορεί να επισημάνει μια ασυμφωνία ανάμεσα σε ένα έγγραφο προμηθευτή και μια τελωνειακή διασάφηση. Στη συνέχεια, ένας επαγγελματίας στον τομέα της συμμόρφωσης μπορεί να εξετάσει τα σχετικά αρχεία, να κρίνει αν η ασυμφωνία είναι πραγματική και να τεκμηριώσει το σκεπτικό του.

Η ανθρώπινη αξιολόγηση εξακολουθεί να έχει σημασία

Οι τελωνειακές αποφάσεις έχουν οικονομικές και νομικές συνέπειες, γεγονός που καθιστά ιδιαίτερα σημαντική τη δυνατότητα επεξήγησής τους. Ένα σύστημα που δίνει απάντηση χωρίς να παρουσιάζει τα στοιχεία στα οποία βασίζεται δημιουργεί έναν νέο κίνδυνο για τη συμμόρφωση. Για τον λόγο αυτό, η τεχνητή νοημοσύνη που χρησιμοποιείται για τη συμμόρφωση στο εμπόριο θα πρέπει να διατηρεί τις πληροφορίες που τεκμηριώνουν κάθε αποτέλεσμα. Αν ένα σύστημα προτείνει μια ταξινόμηση, οι χρήστες θα πρέπει να μπορούν να δουν τα χαρακτηριστικά του προϊόντος, το σχετικό υλικό από τις πηγές και το σκεπτικό που οδήγησαν στην πρόταση. Αν εντοπίσει μια ασυμφωνία, ο χρήστης θα πρέπει να μπορεί να ανιχνεύσει τα αντικρουόμενα αρχεία.

Η προσέγγιση αυτή συνάδει με τις ευρύτερες αρχές που περιλαμβάνονται στο Πλαίσιο διαχείρισης κινδύνων της τεχνητής νοημοσύνης του Εθνικού Ινστιτούτου Προτύπων και Τεχνολογίας, το οποίο υπογραμμίζει την αξιοπιστία της τεχνητής νοημοσύνης, συμπεριλαμβανομένων της λογοδοσίας, της διαφάνειας, της επεξηγησιμότητας και της ερμηνευσιμότητας. Το NIST αναγνωρίζει επίσης την ανθρώπινη εποπτεία ως σημαντικό μέρος της διαχείρισης συστημάτων τεχνητής νοημοσύνης.

Για τις τελωνειακές ομάδες, αυτό σημαίνει ότι η τεχνητή νοημοσύνη θα πρέπει γενικά να λειτουργεί ως αναλυτής και όχι ως αυτόνομη αρχή. Μπορεί να εντοπίζει στοιχεία, να συγκρίνει αρχεία, να αναγνωρίζει αλλαγές και να ιεραρχεί τις εργασίες. Ο ανθρώπινος εμπειρογνώμονας εξακολουθεί να είναι υπεύθυνος για την αξιολόγηση των στοιχείων και τη λήψη της απόφασης συμμόρφωσης.

Θεμελιώστε πρώτα τη βάση δεδομένων, πριν προσθέσετε την τεχνητή νοημοσύνη

Όταν πρόκειται για τεχνητή νοημοσύνη, είναι δελεαστικό να ξεκινήσει κανείς από το μοντέλο. Για την τελωνειακή συμμόρφωση, καλύτερη αφετηρία είναι τα δεδομένα. Οι εισαγωγείς θα πρέπει να εξετάσουν αν μπορούν να συνδέσουν τις πληροφορίες που σχετίζονται με ένα προϊόν στα διάφορα συστήματα που υποστηρίζουν τη συναλλαγή. Σε αυτές μπορεί να περιλαμβάνονται: 

• Προδιαγραφές προϊόντων
• Ταξινομήσεις HTS
• Τελωνειακές αποφάσεις
• Πληροφορίες για προμηθευτές και κατασκευαστές
• Προσδιορισμοί χώρας καταγωγής
• Τιμολόγια
• Έγγραφα μεταφοράς
• Κανονιστικές απαιτήσεις
• Προηγούμενα στοιχεία τελωνειακών διασαφήσεων

Θα πρέπει επίσης να εξετάσουν αν οι αλλαγές είναι ορατές. Αν ένας προμηθευτής αλλάξει τις προδιαγραφές ενός προϊόντος, αν αλλάξει ένα δασμολογικό μέτρο ή αν αλλάξουν τα εταιρικά στοιχεία ενός εισαγωγέα, μπορεί η ομάδα συμμόρφωσης να εντοπίσει τα αρχεία που επηρεάζονται;

Η ποιότητα των δεδομένων γίνεται ακόμη σημαντικότερη με την εισαγωγή της τεχνητής νοημοσύνης. Ένα σύστημα τεχνητής νοημοσύνης δεν μπορεί να συμφιλιώσει αξιόπιστα αρχεία που είναι ελλιπή, παρωχημένα ή ασυνεπή. Μπορεί να εντοπίσει μοτίβα σε δεδομένα χαμηλής ποιότητας, αλλά δεν μπορεί να μετατρέψει τα στοιχεία που λείπουν σε αξιόπιστα στοιχεία.

Αυτό συνάδει με πρόσφατο έργο του WCO, το οποίο έχει υπογραμμίσει ότι η διακυβέρνηση δεδομένων αποτελεί θεμέλιο για την τεχνητή νοημοσύνη και την ανάλυση δεδομένων στα τελωνεία. Η συζήτηση του 2026 για την τεχνητή νοημοσύνη στα τελωνεία που διοργάνωσε ο οργανισμός ανέδειξε τη σημασία αξιόπιστων δεδομένων που τελούν υπό ορθή διακυβέρνηση, ώστε να παράγονται αξιόπιστα αποτελέσματα.

Το επόμενο πλεονέκτημα στα τελωνεία μπορεί να είναι η επεξηγησιμότητα

Το αναδυόμενο τελωνειακό περιβάλλον είναι πιθανό να ευνοήσει τις εταιρείες που μπορούν να κάνουν περισσότερα από το να δίνουν μια απάντηση. Θα πρέπει να μπορούν να δείξουν πώς κατέληξαν σε αυτήν.

Το Εκτελεστικό Διάταγμα 14411 και η προτεινόμενη προσέγγιση της CBP για τα έγγραφα εξαγωγών από το εξωτερικό δείχνουν προς μεγαλύτερη διαφάνεια σχετικά με τα μέρη, τα προϊόντα και τα αρχεία που συνδέονται με μια εισαγωγική συναλλαγή. Αυτό θα μπορούσε να οδηγήσει σε ένα περιβάλλον συμμόρφωσης όπου θα είναι δύσκολη η διαχείριση αποσυνδεδεμένων υπολογιστικών φύλλων και αποθετηρίων εγγράφων. Η τεχνητή νοημοσύνη μπορεί να βοηθήσει, αλλά τα πιο πολύτιμα συστήματα δεν θα είναι εκείνα που απλώς δημιουργούν ταξινομήσεις ή συνοψίζουν κανονισμούς. Θα είναι συστήματα που συνδέουν στοιχεία, εντοπίζουν ασυμφωνίες, διατηρούν τις πηγές και διασφαλίζουν την ανθρώπινη συμμετοχή.

Οι εισαγωγείς μπορούν να ξεκινήσουν από τώρα την προετοιμασία: 

• Επικυρώστε τα στοιχεία IOR
• Χαρτογραφήστε πού δημιουργούνται και αποθηκεύονται τα έγγραφα προμηθευτών και εξαγωγών από το εξωτερικό
• Εντοπίστε τις διαφορές ανάμεσα στα αρχεία προμηθευτών και στα στοιχεία τελωνειακών διασαφήσεων των ΗΠΑ
• Εξετάστε ποιες αποφάσεις συμμόρφωσης εξακολουθούν να βασίζονται σε χειροκίνητες αναζητήσεις
• Προσδιορίστε πού μπορεί η τεχνητή νοημοσύνη να μειώσει τον απαιτούμενο φόρτο εργασίας για τον εντοπισμό και την αξιολόγηση των στοιχείων

Το μέλλον της ΤΝ στα τελωνεία ίσως να αφορά λιγότερο την αντικατάσταση του τελωνειακού ειδικού και περισσότερο την παροχή σε αυτόν μιας πολύ καλύτερης εικόνας της συναλλαγής. Καθώς η επιβολή των τελωνειακών κανόνων βασίζεται ολοένα περισσότερο στα δεδομένα, το ανταγωνιστικό πλεονέκτημα ίσως ανήκει στους εισαγωγείς που μπορούν να απαντήσουν με σιγουριά σε ένα απλό ερώτημα: όχι μόνο «Τι δηλώσαμε;», αλλά και «Μπορούμε να αποδείξουμε γιατί ήταν σωστό;»