Tekoäly muuttaa kaupan mukaisuutta, ja useimmat yritykset eivät ole valmiit

Vuosiin kaupan mukaisuus ei ole ollut korkealla prioriteettilistalla useimmille organisaatioille. Vaikka se on välttämätöntä, sen toiminnot ovat olleet teknisiä ja suurelta osin näkymättömiä, kunnes jotain meni pieleen, mutta tämä oletus ei enää pidä. Tullin volatiliteetti, pakkotyönvalvonta, geopolitiikan fragmentaatio ja nopeasti muuttuvat tullisäännöt ovat siirtäneet kaupan mukaisuuden operatiivisen päätöksenteon keskukselle.Yhdysvaltain kaupan edustajan viimeaikaiset ehdotukset uusien tullien asettamisesta kymmenille kauppakumppaneille perustuen syytöksiin pakkotyön rajoitusten laiminlyömisestä osoittavat, miten työntekijöiden oikeuksien valvonta on yhä enemmän muokkaamassa kauppapolitiikkaa perinteisen tullivalvonnan rinnalla.

Samanaikaisesti tekoäly on alkanut muuttaa sitä, miten organisaatiot luokittelevat tuotteita, seuraavat riskejä, tulkkaavat sääntöjä ja valmistautuvat tarkastuksiin. Tämän seurauksena monet yritykset ovat miettimässä, miten he ajattelevat globaaleja kaupankäyntitoimia. Vaikka tekoäly ei korvaa kaupan mukaisuuden ammattilaisia, se muuttaa työn luonnetta, mitkä taidot ovat tärkeimmät, ja miten organisaatiot hallinnoivat mukaisuutta laajassa mittakaavassa.

Kaupan mukaisuus on muuttunut dataproblemaksi

Nykyinen kaupan mukaisuus riippuu valtavasta määrästä tietoa, joka liikkuu oikein järjestelmissä. Yritykset on seurattava:

• Harmonisoitu tullitariffin (HTS) luokituksia
• Maan alkuperän määrityksiä
• Toimittajatietoja
• Pakkotyön mukaisuudendokumentaatiota
• Tuotespesifikaatioita
• Kauppa- ja tullisopimusten kelpoisuutta
• Tullinäkymää
• Tullipäätöksiä ja sääntelypäivityksiä
• Tulliselvitysten johdonmukaisuutta välittäjien ja liiketoimintayksiköiden välillä

Haaste on, että suurin osa tästä tiedosta sijaitsee erillään olevissa järjestelmissä. Toimittaja voi ylläpitää tuotetietoja taulukoissa, insinööritiimit säilyttävät spesifikaatioita PLM-alustoissa, hankintatiimit keskittyvät hankintakustannuksiin, ja välittäjät toimivat tulliselvitysten perusteella, jotka voivat jo olla virheellisiä tai vanhentuneita. Kun kaupan mukaisuustiimi tarkistaa lähetystä, kriittiset tuoteominaisuudet voivat jo olla hävinneet, yksinkertaisia tai kopioitu virheellisesti järjestelmien välillä. Tämä fragmentaatio luo riskin.

Yhdysvaltain tulli- ja rajavartioston mukaan valvontatyö perustuu monimutkaiseen data-analyysiin, jotta voidaan tunnistaa poikkeavuuksia maahantuojien käyttäytymisessä. Samalla valvonta on edelleen haasteellista. Kongressin tarkastukset ja hallituksen analyysit ovat korostaneet jatkuvia haasteita, jotka liittyvät muun muassa tuontiprosessien petoksiin, suoraan kuluttajalle suunnattuun verkkokauppaan ja rajoitettuihin toimitusketjun jäljitettävyyden mahdollisuuksiin. Jopa laajennettujen valvontatoimien myötä Uygurin pakkotyön estämistä koskevan lain puitteissa päätöslaitokset jatkavat keskustelua siitä, miten tehokkaasti pakkotyön hyödykkejä tunnistetaan ja poistetaan Yhdysvaltain toimitusketjuista.

Tämä muutos on merkittävä, koska luokitusvirheet ovat usein järjestelmällisiä eivätkä erillisiä. Sama virheellinen koodi voi ilmetä tuhansissa lähetyskohteissa. Toimittajan kuvaus voidaan käyttää uudelleen vuosien ajan ilman validointia. Insinöörien muutokset voivat muuttaa luokitusohjaavia tekijöitä ilman, että ne laukaisevat mukaisuuden tarkastelua. Nämä ovat juuri sellaisia malleja, joita tekoälyjärjestelmät pystyvät havaitsemaan.

Miksi HTS-luokitus on muuttumassa tekoälyn sovellukseksi

HTS-luokitus on aina vaatinut asiantuntemusta, tulkintaa ja yksityiskohtaista tuotetietoa. Se on myös yksi operatiivisesti haasteellisimmista prosesseista, jonka skaalauttaminen on vaikeaa.

Maailman tullijärjestö päivittää harmonisoitua järjestelmää säännöllisesti, kun taas kansalliset tullitariffit kehittyvät itsenäisesti. Oikeuden päätökset muokkaavat tulkintaa. Lisäksi tulliohjelmat, kuten AD/CVD, osa 122, osa 232 ja osa 301, luovat uusia kerroksia taloudellista altistumista. Yksittäinen luokituspäätös voi dramaattisesti vaikuttaa:

• Tullimaksuihin
• Sallittavuusvaatimuksiin
• Pakkotyön tarkasteluun
• Vapaakauppa- ja tullisopimusten kelpoisuuteen
• Kumppanivaltioiden viranomaisten vaatimuksiin
• Laskennallisiin kustannuksiin

Tämä kompleksisuuden taso ei ole hallittavissa pelkästään staattisten taulukoiden ja heimoperinteen avulla, ja tässä tekoäly vaikuttaa ammattiin.

Konenoppaamallit voivat analyysin avulla tunnistaa epäjohdonmukaisuuksia välittäjien tai laitosten välillä ja tuoda esiin tuotteita, jotka saattavat vaatia uudelleenarviointia. Luonnollisen kielen prosessointijärjestelmät voivat verrata tuotekuvauksia sääntelykieliin, tullipäätöksiin ja aiempiin määrityksiin.

Tärkeää on, että tekoäly ei “ratkaise” luokitusta autonomisesti useimmissa yritysympäristöissä. Sen sijaan se auttaa mukaisuuden ammattilaisia kapeampien mahdollisuuksien, poikkeamien ja toistuvan manuaalisen tutkimuksen vähentämiseen. Tämä ero on merkittävä. Menestyvimmät organisaatiot eivät poista inhimillistä arviointia mukaisuuspäätöksistä. Ne täydentävät inhimillistä asiantuntemusta järjestelmillä, jotka parantavat johdonmukaisuutta ja näkyvyyttä.

Tekoäly muuttaa tarkastusvalmiutta

Kaupan mukaisuuden tarkastukset olivat aiemmin reaktiivisia. Tullikysely saapui, tiimit ryntäsivät asiakirjojen luokse, välittäjät etsivät vanhoja lähetyskohteita, ja työntekijät rakensivat manuaalisesti päätöksiä hajallaan olevista tietoista. Tällainen lähestymistapa on kuitenkin yhä vähemmän kestävissä oleva.

Nykyisen tuontitoiminnan mittakaava edellyttää jatkuvaa näkyvyyttä mukaisuuden suorituskyvystä, ei vain jaksoittaisia siivousharjoituksia. Tekoälyohjattuja valvontajärjestelmiä käytetään yhä enemmän:

• Epäjohdonmukkaiden HTS-käyttöjen havaitsemiseen lähetyskohteissa
• Puuttuvien asiakirjojen tunnistamiseen
• Epätavallisten tullimuutosten merkintään
• Toimittajien riskiohjeiden merkintään
• Nykyisten lähetyskohteiden vertaamiseen aiempiin lähetysmalliin
• Sääntelymuutosten seuraamiseen, jotka voivat vaikuttaa luokituksiin

Tämä ennaltaehkäisevä lähestymistapa heijastaa muita suuntauksia yritysriskeissä.

Viimeaikainen McKinsey-raportti generatiivisesta tekoälystä totesi, että tietointensiivinen operatiivinen työ on usein tehostettu tekoälytuella analyysin ja työnkulkujen automaation kautta. Kaupan mukaisuus sopii täydellisesti tähän luokkaan.

Vaikutukset ulottuvat operatiivisen tehokkuuden ulkopuolelle. Organisaatiot, joilla on vahvempi mukaisuuden näkyvyys, ovat usein paremmin valmistautuneita vastaamaan tullikyselyihin nopeasti, osoittamaan hallintoprosessit ja tunnistamaan altistumisen ennen viranomaisten toimia. Tämä kyky on strategisesti tärkeä.

Pakkotyön valvontahaaste

Yksi alue, jolla tekoälyn omaksuminen on nopeutumassa erityisen nopeasti, on toimitusketjun due diligence. Uygurin pakkotyön estämistä koskevan lain toteutus on merkittävästi korottanut odotuksia toimittajien jäljitettävyydestä ja asiakirjojen hallinnasta. Maahantuojien on nyt osoitettava syvempi näkyvyys hankintasuhteisiin, valmistusprosesseihin ja materiaalien alkuperään. Monille yrityksille tämä on erittäin haasteellista. Nykyaikaiset toimitusketjut voivat sisältää:

• Useita kontraktivalmistajia
• Toimittajia toisella ja kolmannella tasolla
• Usein vaihtuvia hankintaa
• Epäjohdonmukaisia toimittajan asiakirjoja
• Monimutkaisia komponenttikohtaisia hankintoja

Haasteen mittakaava on edelleen merkittävä. Kansainvälisen työjärjestön arvioiden mukaan noin 27,6 miljoonaa ihmistä maailmanlaajuisesti on alttiina pakkotyölle, mikä tuottaa arviolta 236 miljardia dollaria laittomia voittoja vuosittain. Suurin osa tästä toiminnasta tapahtuu monimutkaisissa kaupallisen toimitusketjun ympäristöissä, joissa näkyvyys ylätasolla oleviin toimittajiin on rajoitettu. Pelkästään manuaalinen tarkastelu usein ei pysty pitämään vauhtia. Tekoälyjärjestelmiä käytetään toimittajatietojen järjestämiseen, puuttuvan tiedon tunnistamiseen, korkean riskin toimittajien alueiden merkintään ja toimittajien käyttäytymisen seuraamiseen ajan myötä.

Taas kerran nämä työkalut eivät korvaa juridista tai mukaisuuden arviointia, mutta ne auttavat organisaatioita käsittelemään toimitusketjun tietoa mittakaavassa, jota ihmiset yksin vaikeasti hallitsevat. Tämä on todennäköisesti tulevaisuudessa yhä tärkeämpää, kun maailmanlaajuiset toimitusketjun sääntelyt jatkavat laajentumista.

Sääntelyaloitteet Euroopassa ja muualla maailmassa osoittavat laajempaa maailmanlaajuista liikettä kohti lisääntynyttä toimitusketjun vastuuta ja due diligence -odotuksia. Kaupan mukaisuus on risteyksessä ESG-raportoinnin, läpinäkyvyyden ja yritysriskeinhallinnan kanssa. Tekoäly on tämän yhteenliittymän keskipisteenä, koska haaste on perustavalla tasolla datan järjestämisen ja mallien tunnistamisen ongelma.

Mitä taitoja kaupan mukaisuuden ammattilaiset tarvitsevat seuraavaksi

Yksi suurimmista harhaluuloista tekoälyn omaksumisesta on ajatus, että automaatio vähentää inhimillisen asiantuntemuksen merkitystä. Kaupan mukaisuudessa tapahtuu kuitenkin vastakkainen. Kun tekoälytyökalut käsittelevät toistuvaa analyysiä ja laajamittaista tietojen käsittelyä, kokeneiden ammattilaisten arvo kasvaa. Organisaatioille on edelleen tarve henkilöistä, jotka voivat:

• Tulkita epäselviä sääntöjä
• Arvioida tullipäätöksiä
• Arvioida riskitoleranssia
• Tehdä puolustettavia luokituspäätöksiä
• Koordinoida hankinnan, insinöörien, logistiikan ja lakien välillä
• Ymmärtää geopolitiikkaa
• Viestintää mukaisuuden altistumista johtajille

Se, mitä muuttuu, on työn luonne. Kaupan mukaisuuden ammattilaiset muuttuvat strategisiksi neuvonantajiksi eivätkä ainoastaan transaktiivisiksi tarkastajiksi, ja tämä vaatii uusia kykyjä.

Datallinen lukutaito on tulevaisuudessa tärkeämpää. Tiimien on ymmärrettävä, miten tieto virtaa järjestelmissä, mistä epäjohdonmukaisuudet nousevat esiin ja miten automaatio-työkalut antavat suosituksia. Viestintätaidot ovat tärkeämpiä, koska mukaisuus on johtajiston taso. Risteyksen yli tehtävä yhteistyö on myös tärkeämpää, koska luokitus, hankinta, insinöörit, valmistus ja rahoitus ovat nyt syvämmin kytköksissä toisiinsa.

“Mustan laatikon” mukaisuuden riski

Vaikka tekoäly luo mahdollisuuksia, on oikeutettuja huolenaiheita liiallisen automaation suhteen. Kaupan mukaisuuspäätökset ovat edelleen laillisia määrityksiä. Jos tekoälyjärjestelmä suosittelee virheellistä luokitusta, viranomaiset pitävät edelleen maahantuojaa vastuussa. Tämä luo suuren hallintahaasteen.

Organisaatioiden, jotka ottavat tekoälyn käyttöön mukaisuuden ympäristöissä, tarvitaan:

• Inhimillinen tarkastusprosessi
• Selkeät hyväksymismenettelyt
• Päätösten perustelut
• Versiohallinta ja tarkastusjäljet
• Läpinäkyvät tietolähteet
• Jatkuva mallien tulosten validointi

Sokeasti luottaminen automaatioon luo omanlaisensa riskin, ongelman, joka ulottuu kaupan mukaisuuden ulkopuolelle.

Kansallisen standardien ja teknologian instituutin tekoälyn riskienhallintakehys korostaa hallinnan, selittämisen ja vastuun merkitystä yritysten tekoälyn käyttöönotossa. Mukaisuustoiminnoissa selittäminen on erityisen tärkeää. Jos yritys ei voi selittää, miten luokituspäätös tehtiin, puolustaminen tätä päätöstä tarkastuksessa on merkittävästi haasteellisempaa. Tulevaisuus ei ole täysin autonomista mukaisuutta, vaan inhimillisesti johtamaa mukaisuutta älykkäiden järjestelmien tukemana.

Miksi tämä on tärkeää mukaisuustiimien ulottuvilla

Kaupan mukaisuustiimit toimivat aiemmin suurelta osin johtajiston näkyvyyden ulottumattomissa. Tullit vaikuttavat nyt tulossääntöihin, tullivaikeudet keskeyttävät tuotantosuunnitelmat, pakkotyön valvonta vaikuttaa hankintastrategioihin, ja geopolitiikka muuttaa toimittajien toimintakykyä. Kauppaan liittyvät päätökset lopulta vaikuttavat laajempiin liiketoimintastrategioihin. Tämä on yksi syy, miksi tekoälyn omaksuminen mukaisuuden ympäristöissä kiihtyy. Johtajat haluavat:

• Nopeampaa näkyvyyttä tullialtistumiseen
• Parannettua ennustetta laskennallisista kustannuksista
• Aikaisempia varoitusmerkkejä hankintariskeille
• Vahvempaa tarkastusvalmiutta
• Jäykemmän toimitusketjun

Haasteet moninkertaistuvat useiden välittäjien ja monitasoisten toimittajaverkostojen käytön myötä. Valmistajat voivat hankkia materiaaleja useiden riippumattomien toimittajien kautta, mikä tekee vaikeaksi varmistaa työolosuhteita syvällä toimitusketjussa. Tämä on yksi syy, miksi tekoälyvoimaiset karttatyökalut, toimittajien seuranta ja riskien tunnistus ovat saaneet lisääntynyttä huomiota mukaisuustiimien keskuudessa.

Seuraava vaihe globaaleissa kaupankäyntitoimissa

Kaupan mukaisuus on siirtymässä perustavasti erilaisen ajanjakson ja erilaisen kokemuksen aikakauteen. Sääntelymuutosten, valvontapaineiden, toimitusketjun tarkastelun ja työntekijöiden oikeuksien kauppapolitiikkaan liittyvien toimien määrä ei välttämättä vähene. Hallitukset käyttävät yhä enemmän sekä tullivalvontatyökaluja että laajempia kauppapolitiikan mekanismeja pakkotyön huolenaiheiden ratkaisemiseksi, mikä luo uusia mukaisuusolettamuksia maahantuojille ja heidän toimitusketjun kumppaneilleen.

Onnistuneet sopeutujat ovat todennäköisesti jakavat useita ominaisuuksia:

• Vahva datanhallinta
• Risteyksen ylittävä yhteistyö
• Jatkuva luokitusvalidointi
• Läpinäkyvä tekoälyn valvonta
• Investointi mukaisuuden ammattitaitoon
• Nopeampi pääsy operatiiviseen tiedusteluun

Kysymys ei ole enää siinä, vaikuttaako tekoäly kaupan mukaisuuteen, koska se jo vaikuttaa. Tärkeämpää on, ovatko organisaatiot valmistautuneet hallinnoimaan tätä siirtymää vastuullisesti.