Kecerdasan Buatan Sedang Mengubah Kepatuhan Perdagangan, dan Sebagian Besar Perusahaan Belum Siap

Selama bertahun-tahun, kepatuhan perdagangan tidak menjadi prioritas utama bagi sebagian besar organisasi. Meskipun diperlukan, fungsinya bersifat teknis dan sebagian besar tidak terlihat sampai sesuatu salah, tetapi asumsi itu tidak lagi berlaku. Volatilitas tarif, penerapan paksaan tenaga kerja, fragmentasi geopolitik, dan perubahan aturan bea cukai yang cepat telah mendorong kepatuhan perdagangan ke pusat pengambilan keputusan operasional. Proposal baru dari Perwakilan Perdagangan AS untuk menerapkan tarif baru pada puluhan mitra perdagangan berdasarkan kegagalan untuk membatasi impor tenaga kerja paksa menunjukkan bagaimana kekhawatiran kepatuhan tenaga kerja semakin membentuk kebijakan perdagangan di samping penegakan bea cukai tradisional.

Bersamaan dengan itu, kecerdasan buatan mulai mengubah cara organisasi mengklasifikasikan produk, memantau risiko, menafsirkan peraturan, dan mempersiapkan diri untuk audit. Sebagai hasilnya, banyak perusahaan merenungkan kembali bagaimana mereka memikirkan operasi perdagangan global. Sementara kecerdasan buatan tidak menggantikan profesional kepatuhan perdagangan, itu mengubah apa yang terlihat seperti pekerjaan, keterampilan apa yang paling penting, dan bagaimana organisasi mengelola kepatuhan dalam skala besar.

Kepatuhan Perdagangan Telah Menjadi Masalah Data

Kepatuhan perdagangan modern bergantung pada sejumlah besar informasi yang bergerak secara akurat di seluruh sistem. Perusahaan harus melacak:

• Klasifikasi Jadwal Tarif Harmonisasi (HTS)
• Penentuan negara asal
• Data pemasok
• Dokumentasi kepatuhan tenaga kerja paksa
• Spesifikasi produk
• Kelayakan perjanjian perdagangan
• Paparan tarif
• Putusan bea cukai dan pembaruan peraturan
• Konsistensi pengajuan entri di seluruh broker dan unit bisnis

Tantangan yang dihadapi adalah bahwa sebagian besar informasi ini hidup dalam sistem yang terputus. Seorang pemasok dapat memelihara detail produk dalam spreadsheet, tim teknik menyimpan spesifikasi dalam platform PLM, tim pengadaan fokus pada biaya sumber, dan broker beroperasi dari data entri yang mungkin sudah tidak lengkap atau ketinggalan zaman. Ketika tim kepatuhan perdagangan meninjau pengiriman, atribut produk kritis mungkin sudah hilang, disederhanakan, atau disalin secara tidak benar di seluruh sistem. Fragmentasi ini menciptakan risiko.

Menurut Perlindungan Perbatasan dan Bea Cukai AS, upaya penegakan hukum bergantung pada analisis data yang canggih untuk mengidentifikasi anomali dalam perilaku importir. Pada saat yang sama, penegakan hukum tetap sulit. Tinjauan kongres dan analisis pemerintah telah menyoroti tantangan yang berkelanjutan mulai dari penipuan dalam proses impor dan pertumbuhan e-commerce langsung ke konsumen hingga keterbatasan kemampuan jejak rantai pasokan. Bahkan dengan upaya penegakan yang diperluas di bawah Undang-Undang Pencegahan Tenaga Kerja Paksa Uyghur (UFLPA), pembuat kebijakan terus memperdebatkan seberapa efektif barang-barang tenaga kerja paksa diidentifikasi dan dikecualikan dari rantai pasokan AS.

Perubahan itu penting karena kesalahan klasifikasi sering bersifat sistemik daripada terisolasi. Kode yang salah dapat muncul di seluruh ribuan entri. Deskripsi pemasok dapat digunakan kembali selama bertahun-tahun tanpa validasi. Perubahan teknik dapat mengubah pengemudi klasifikasi tanpa memicu tinjauan kepatuhan. Ini adalah pola yang tepat yang dapat dideteksi oleh sistem kecerdasan buatan.

Mengapa Klasifikasi HTS Menjadi Kasus Penggunaan Kecerdasan Buatan

Klasifikasi HTS selalu memerlukan keahlian, interpretasi, dan pengetahuan produk yang terperinci. Ini juga salah satu proses yang paling sulit untuk diskalakan secara konsisten.

Organisasi Kepabeanan Dunia memperbarui Sistem Harmonisasi secara berkala, sedangkan jadwal tarif nasional berkembang secara independen. Keputusan pengadilan mengubah interpretasi. Program tarif tambahan seperti AD/CVD, Bagian 122, Bagian 232, dan Bagian 301 duties menciptakan lapisan baru paparan keuangan. Keputusan klasifikasi tunggal dapat secara dramatis mempengaruhi:

• Tarif
• Persyaratan kelayakan
• Pengawasan tenaga kerja paksa
• Kelayakan perjanjian perdagangan bebas
• Persyaratan pemerintah mitra
• Perhitungan biaya pendaratan

Tingkat kompleksitas ini tidak dapat dikelola melalui spreadsheet statis dan pengetahuan suku saja, dan inilah tempat kecerdasan buatan mulai mempengaruhi profesi.

Model pembelajaran mesin dapat menganalisis klasifikasi sejarah, mengidentifikasi inkonsistensi di seluruh broker atau fasilitas, dan menampilkan produk yang mungkin memerlukan validasi ulang. Sistem pemrosesan bahasa alami dapat membandingkan deskripsi produk dengan bahasa peraturan, putusan bea cukai, dan penentuan sebelumnya.

Pentingnya, kecerdasan buatan tidak “menyelesaikan” klasifikasi secara otonom dalam sebagian besar lingkungan perusahaan. Sebaliknya, itu membantu profesional kepatuhan mempersempit kemungkinan, mendeteksi anomali, memstandarkan alur kerja, dan mengurangi penelitian manual berulang. Perbedaan itu penting. Organisasi yang paling sukses tidak menghilangkan penilaian manusia dari keputusan kepatuhan. Mereka memperkuat keahlian manusia dengan sistem yang meningkatkan konsistensi dan visibilitas.

Kecerdasan Buatan Mengubah Kesiapan Audit

Audit kepatuhan perdagangan dulunya bersifat reaktif. Penyelidikan bea cukai akan tiba, tim akan berburu dokumen, broker akan mencari entri lama, dan karyawan akan secara manual merekonstruksi keputusan dari catatan yang terfragmentasi. Namun, pendekatan itu semakin tidak berkelanjutan.

Sistem pemantauan kecerdasan buatan yang didorong semakin banyak digunakan untuk:

• Mendeteksi penggunaan HTS yang tidak konsisten di seluruh entri
• Mengidentifikasi dokumen yang hilang
• Mengidentifikasi fluktuasi tarif yang tidak biasa
• Menampilkan indikator risiko pemasok
• Membandingkan entri saat ini dengan pola pengajuan sejarah
• Memantau perubahan peraturan yang dapat mempengaruhi klasifikasi

Pendekatan ini mirip dengan tren lain dalam manajemen risiko perusahaan.

Laporan McKinsey tentang kecerdasan buatan generatif mencatat bahwa pekerjaan operasional yang intensif pengetahuan sering ditingkatkan melalui analisis dan otomatisasi alur kerja yang didukung kecerdasan buatan. Kepatuhan perdagangan sesuai dengan kategori itu.

Implikasinya meluas di luar efisiensi operasional. Organisasi dengan visibilitas kepatuhan yang lebih kuat sering lebih baik dalam merespons penyelidikan bea cukai dengan cepat, mendemonstrasikan proses tata kelola, dan mengidentifikasi paparan sebelum regulator melakukannya. Kemampuan itu telah menjadi strategis.

Tantangan Penerapan Paksaan Tenaga Kerja

Salah satu area di mana adopsi kecerdasan buatan dipercepat adalah due diligence rantai pasokan. Implementasi Undang-Undang Pencegahan Tenaga Kerja Paksa Uyghur secara signifikan meningkatkan harapan sekitar jejakability pemasok dan dokumentasi. Importir sekarang diharapkan untuk mendemonstrasikan visibilitas yang lebih dalam ke hubungan sumber, proses manufaktur, dan asal bahan. Bagi banyak perusahaan, itu sangat sulit. Rantai pasokan modern mungkin melibatkan:

• Banyak kontraktor manufaktur
• Pemasok tingkat dua dan tingkat tiga
• Perubahan sumber yang sering
• Dokumentasi pemasok yang tidak konsisten
• Sumber komponen yang kompleks

Skala tantangan tetap signifikan. Menurut Perkiraan Organisasi Internasional Buruh, sekitar 27,6 juta orang di seluruh dunia dipaksa untuk bekerja, menghasilkan perkiraan $236 miliar dalam keuntungan ilegal setiap tahun. Sebagian besar kegiatan ini terjadi dalam rantai pasokan komersial yang kompleks di mana visibilitas ke pemasok huluan terbatas. Tinjauan manual saja sering tidak dapat mengimbangi. Sistem kecerdasan buatan digunakan untuk mengatur catatan pemasok, mengidentifikasi informasi yang hilang, mengidentifikasi indikator risiko sumber, dan memantau pola perilaku pemasok dari waktu ke waktu.

Lagi, alat ini tidak menggantikan penilaian hukum atau kepatuhan, tetapi membantu organisasi memproses informasi rantai pasokan dalam skala yang manusia sendiri sulit kelola. Ini kemungkinan akan menjadi lebih penting ketika regulasi rantai pasokan global terus berkembang.

Inisiatif regulasi di Eropa dan tempat lain menunjukkan gerakan global yang lebih luas menuju akuntabilitas rantai pasokan yang meningkat dan harapan due diligence. Kepatuhan perdagangan berada di persimpangan dengan pelaporan ESG, transparansi sumber, dan manajemen risiko perusahaan. Kecerdasan buatan berada di pusat konvergensi itu karena tantangannya pada dasarnya merupakan masalah organisasi data dan deteksi pola.

Keterampilan yang Dibutuhkan Profesional Kepatuhan Perdagangan Selanjutnya

Salah satu kesalahpahaman terbesar sekitar adopsi kecerdasan buatan adalah gagasan bahwa otomatisasi mengurangi pentingnya keahlian manusia. Dalam kepatuhan perdagangan, sebaliknya yang terjadi. Ketika alat kecerdasan buatan menangani analisis berulang dan pemrosesan data skala besar, nilai profesional berpengalaman meningkat. Organisasi masih membutuhkan orang-orang yang dapat:

• Menafsirkan peraturan yang ambigu
• Mengevaluasi putusan bea cukai
• Mengevaluasi toleransi risiko
• Membuat keputusan klasifikasi yang dapat dipertahankan
• Mengkoordinasikan di seluruh tim sumber, teknik, logistik, dan hukum
• Memahami implikasi geopolitik
• Mengkomunikasikan paparan kepatuhan kepada eksekutif

Apa yang berubah adalah sifat pekerjaan. Profesional kepatuhan perdagangan menjadi penasihat strategis daripada hanya peninjau transaksional, dan itu memerlukan kemampuan baru.

Melek data menjadi lebih penting. Tim perlu memahami bagaimana informasi mengalir melalui sistem, di mana inkonsistensi muncul, dan bagaimana alat otomatisasi membuat rekomendasi. Kemampuan komunikasi lebih penting karena kepatuhan menjadi perhatian tingkat dewan. Kolaborasi lintas fungsional juga menjadi penting karena keputusan klasifikasi, sumber, pengadaan, teknik, dan keuangan sekarang sangat terkait.

Risiko Kepatuhan “Black Box”

Meskipun ada peluang yang diciptakan oleh kecerdasan buatan, ada kekhawatiran yang sah tentang ketergantungan yang berlebihan pada otomatisasi. Keputusan kepatuhan perdagangan tetap merupakan penentuan hukum. Jika sistem kecerdasan buatan merekomendasikan klasifikasi yang salah, regulator masih akan menahan importir bertanggung jawab. Itu menciptakan tantangan tata kelola yang besar.

Organisasi yang mengadopsi kecerdasan buatan dalam lingkungan kepatuhan memerlukan:

• Proses tinjauan manusia
• Alur kerja persetujuan yang jelas
• Rasio yang didokumentasikan untuk keputusan
• Kendali versi dan jejak audit
• Sumber data yang transparan
• Validasi keluaran model yang berkelanjutan

Mengandalkan otomatisasi secara buta menciptakan bentuk risiko tersendiri, masalah yang meluas di luar kepatuhan perdagangan.

Kerangka Manajemen Risiko Kecerdasan Buatan Institut Nasional untuk Standar dan Teknologi menekankan pentingnya tata kelola, keterjelasan, dan akuntabilitas dalam penerapan kecerdasan buatan perusahaan. Untuk fungsi kepatuhan, keterjelasan sangat penting. Jika suatu perusahaan tidak dapat menjelaskan bagaimana keputusan klasifikasi dibuat, membela keputusan tersebut selama audit menjadi jauh lebih sulit. Masa depan bukanlah kepatuhan yang sepenuhnya otonom, tetapi kepatuhan yang dipimpin manusia dan didukung oleh sistem cerdas.

Mengapa Ini Penting di Luar Tim Kepatuhan

Tim kepatuhan perdagangan dulunya beroperasi terutama di luar visibilitas eksekutif, tetapi itu berubah dengan cepat. Tarif sekarang mempengaruhi perkiraan laba, keterlambatan bea cukai mengganggu jadwal produksi, penerapan paksaan tenaga kerja mempengaruhi strategi sumber, dan peristiwa geopolitik mengubah kelayakan pemasok. Keputusan perdagangan pada akhirnya mempengaruhi strategi bisnis yang lebih luas. Ini adalah salah satu alasan mengapa adopsi kecerdasan buatan dalam lingkungan kepatuhan dipercepat. Eksekutif ingin:

• Visibilitas yang lebih cepat ke paparan tarif
• Peramalan biaya pendaratan yang lebih baik
• Sinyal peringatan lebih awal untuk risiko sumber
• Kesiapan audit yang lebih kuat
• Rantai pasokan yang lebih tangguh

Tantangan jejakabilitas sering diperburuk oleh penggunaan banyak perantara dan jaringan pemasok multi-tahap. Produsen mungkin mendapatkan bahan dari banyak pemasok independen, membuatnya sulit untuk memverifikasi kondisi tenaga kerja jauh di dalam rantai pasokan. Ini adalah salah satu alasan mengapa alat pemetaan yang didukung kecerdasan buatan, pemantauan pemasok, dan deteksi risiko mendapatkan perhatian yang meningkat dari tim kepatuhan.

Fase Berikutnya dari Operasi Perdagangan Global

Kepatuhan perdagangan memasuki waktu yang secara fundamental berbeda dengan pengalaman yang berbeda. Volume perubahan peraturan, tekanan penegakan, pengawasan rantai pasokan, dan tindakan perdagangan yang terkait dengan tenaga kerja tidak mungkin berkurang. Pemerintah semakin menggunakan baik alat penegakan bea cukai dan mekanisme kebijakan perdagangan yang lebih luas untuk mengatasi kekhawatiran tenaga kerja paksa, menciptakan harapan kepatuhan baru bagi importir dan mitra rantai pasokan mereka.

Organisasi yang beradaptasi dengan sukses kemungkinan akan memiliki beberapa karakteristik:

• Tata kelola data yang kuat
• Kolaborasi lintas fungsional
• Validasi klasifikasi yang berkelanjutan
• Pengawasan kecerdasan buatan yang transparan
• Investasi dalam bakat kepatuhan
• Akses yang lebih cepat ke intelijen operasional

Pertanyaan sekarang bukan lagi apakah kecerdasan buatan akan mempengaruhi kepatuhan perdagangan karena itu sudah terjadi. Pertanyaan yang lebih penting adalah apakah organisasi siap untuk mengelola transisi tersebut secara bertanggung jawab.