L’intelligenza artificiale sta ridefinendo la conformità commerciale e la maggior parte delle aziende non è pronta

Per anni, la conformità commerciale non è stata alta nella lista delle priorità per la maggior parte delle organizzazioni. Sebbene necessaria, le sue funzioni erano tecniche e in gran parte invisibili fino a quando qualcosa non è andato storto, ma quell’ipotesi non è più valida. La volatilità dei dazi, l’applicazione della legge sul lavoro forzato, la frammentazione geopolitica e le regole doganali in rapida evoluzione hanno spinto la conformità commerciale al centro della presa di decisioni operative.Recenti proposte del rappresentante per il commercio degli Stati Uniti per imporre nuovi dazi su decine di partner commerciali in base a presunti fallimenti nell’applicazione della legge sul lavoro forzato dimostrano come le preoccupazioni relative alla conformità del lavoro stiano plasmando la politica commerciale accanto all’applicazione doganale tradizionale.

Contemporaneamente, l’intelligenza artificiale sta iniziando a ridefinire come le organizzazioni classificano i prodotti, monitorano i rischi, interpretano le norme e si preparano per le verifiche. Di conseguenza, molte aziende stanno rivedendo il modo in cui pensano alle operazioni commerciali globali. Sebbene l’intelligenza artificiale non stia sostituendo i professionisti della conformità commerciale, sta cambiando l’aspetto del lavoro, le competenze più importanti e il modo in cui le organizzazioni gestiscono la conformità su larga scala.

La conformità commerciale è diventata un problema di dati

La conformità commerciale moderna dipende da enormi quantità di informazioni che si muovono con precisione attraverso i sistemi. Le aziende devono tenere traccia di:

• Classificazioni della Nomenclatura armonizzata dei beni (HS)
• Determinazioni del paese di origine
• Dati dei fornitori
• Documentazione di conformità al lavoro forzato
• Specifiche dei prodotti
• Idoneità agli accordi commerciali
• Esposizione ai dazi
• Decisioni doganali e aggiornamenti normativi
• Coerenza delle dichiarazioni di ingresso tra i broker e le unità aziendali

La sfida è che la maggior parte di queste informazioni vive in sistemi non connessi. Un fornitore può mantenere i dettagli del prodotto in fogli di calcolo, i team di ingegneria memorizzano le specifiche in piattaforme PLM, i team di approvvigionamento si concentrano sui costi di approvvigionamento e i broker operano da dati di ingresso che potrebbero già essere incompleti o obsoleti. Quando un team di conformità commerciale esamina una spedizione, gli attributi critici del prodotto potrebbero già essere stati persi, semplificati o copiati in modo errato attraverso i sistemi. Questa frammentazione crea rischi.

Secondo US Customs and Border Protection, gli sforzi di applicazione della legge si basano su un’analisi dei dati sofisticata per identificare anomalie nel comportamento degli importatori. Allo stesso tempo, l’applicazione della legge rimane difficile. Le revisioni congressuali e le analisi governative hanno evidenziato sfide continue che vanno dalla frode nei processi di importazione e dalla crescita del commercio elettronico diretto ai consumatori alla limitata capacità di tracciabilità della catena di approvvigionamento. Anche con gli sforzi di applicazione della legge ampliati in base all’Uyghur Forced Labor Prevention Act (UFLPA), i responsabili politici continuano a discutere di come identificare e escludere efficacemente le merci prodotte con lavoro forzato dalle catene di approvvigionamento degli Stati Uniti.

Quel cambiamento è importante perché gli errori di classificazione sono spesso sistematici piuttosto che isolati. Lo stesso codice errato può apparire in migliaia di voci. Una descrizione del fornitore può essere riutilizzata per anni senza convalida. I cambiamenti ingegneristici possono alterare i driver di classificazione senza attivare la revisione della conformità. Sono proprio questi i tipi di modelli che i sistemi di intelligenza artificiale sono ben posizionati per rilevare.

Perché la classificazione HS sta diventando un caso d’uso dell’IA

La classificazione HS ha sempre richiesto competenze, interpretazione e conoscenza dettagliata del prodotto. È anche uno dei processi operativi più difficili da scalare in modo coerente.

L’Organizzazione mondiale delle dogane aggiorna il Sistema armonizzato in modo ricorrente, mentre i programmi doganali nazionali evolvono in modo indipendente. Le decisioni giudiziarie ridefiniscono l’interpretazione. I programmi di dazi aggiuntivi come AD/CVD, Sezione 122, Sezione 232 e Sezione 301 creano nuovi strati di esposizione finanziaria. Una singola decisione di classificazione può influire drasticamente su:

• Tassi di dazio
• Requisiti di ammissibilità
• Controllo del lavoro forzato
• Idoneità agli accordi commerciali
• Requisiti dei governi partner
• Calcoli dei costi di sbarco

Questo livello di complessità non è gestibile attraverso fogli di calcolo statici e conoscenze tribali da soli, ed è qui che l’IA inizia a influenzare la professione.

I modelli di apprendimento automatico possono analizzare le classificazioni storiche, identificare le incoerenze tra i broker o le strutture e portare in superficie i prodotti che potrebbero richiedere una convalida. I sistemi di elaborazione del linguaggio naturale possono confrontare le descrizioni dei prodotti con il linguaggio normativo, le decisioni doganali e le determinazioni precedenti.

È importante notare che l’IA non “risolve” la classificazione in modo autonomo nella maggior parte degli ambienti aziendali. Invece, aiuta i professionisti della conformità a restringere le possibilità, rilevare le anomalie, standardizzare i flussi di lavoro e ridurre la ricerca manuale ripetitiva. Quella distinzione è importante. Le organizzazioni più di successo non stanno rimuovendo il giudizio umano dalle decisioni di conformità. Stanno aumentando l’esperienza umana con sistemi che migliorano la coerenza e la visibilità.

L’IA sta cambiando la preparazione alle verifiche

Le verifiche di conformità commerciale erano una volta reattive. Una richiesta doganale arrivava, i team si affannavano per i documenti, i broker cercavano vecchie voci e i dipendenti ricostruivano manualmente le decisioni da registri frammentati. Tuttavia, quell’approccio sta diventando sempre più insostenibile.

La portata dell’attività di importazione moderna significa che le organizzazioni hanno bisogno di visibilità continua nella prestazione della conformità, non di esercizi di pulizia periodici. I sistemi di monitoraggio guidati dall’IA stanno diventando sempre più utilizzati per:

• Rilevare un uso incoerente di HS tra le voci
• Identificare la documentazione mancante
• Segnalare fluttuazioni anormali dei dazi
• Portare in superficie indicatori di rischio dei fornitori
• Confrontare le voci attuali con i modelli di dichiarazione storici
• Monitorare i cambiamenti normativi che potrebbero influenzare le classificazioni

Questo approccio preventivo specchia altre tendenze nella gestione del rischio aziendale.

Un recente rapporto McKinsey sull’IA generativa ha notato che il lavoro operativo intensivo nella conoscenza è spesso migliorato attraverso l’analisi e l’automazione del flusso di lavoro supportate dall’IA. La conformità commerciale rientra perfettamente in quella categoria.

Le implicazioni si estendono oltre l’efficienza operativa. Le organizzazioni con una visibilità più forte della conformità sono spesso meglio posizionate per rispondere prontamente alle richieste doganali, dimostrare i processi di governance e identificare l’esposizione prima che i regulatori lo facciano. Quella capacità è diventata strategicamente importante.

La sfida dell’applicazione della legge sul lavoro forzato

Un’area in cui l’adozione dell’IA sta accelerando particolarmente è la due diligence della catena di approvvigionamento. L’attuazione dell’Uyghur Forced Labor Prevention Act ha aumentato notevolmente le aspettative relative alla tracciabilità dei fornitori e alla documentazione. Gli importatori sono ora tenuti a dimostrare una maggiore visibilità nelle relazioni di approvvigionamento, nei processi di produzione e nelle origini dei materiali. Per molte aziende, ciò è estremamente difficile. Le catene di approvvigionamento moderne possono coinvolgere:

• Molti produttori contrattuali
• Fornitori di secondo e terzo livello
• Cambiamenti frequenti di approvvigionamento
• Documentazione dei fornitori incoerente
• Sourcing a livello di componenti complessi

La portata della sfida rimane significativa. Secondo stime dell’Organizzazione internazionale del lavoro, circa 27,6 milioni di persone in tutto il mondo sono soggette a lavoro forzato, generando un profitto illegale stimato di 236 miliardi di dollari all’anno. Gran parte di questa attività si verifica all’interno di catene di approvvigionamento commerciali complesse in cui la visibilità dei fornitori a monte è limitata. La revisione manuale da sola spesso non può tenere il passo. I sistemi di IA stanno essere utilizzati per organizzare i registri dei fornitori, identificare le informazioni mancanti, segnalare aree di approvvigionamento ad alto rischio e monitorare i modelli di comportamento dei fornitori nel tempo.

Ancora una volta, questi strumenti non stanno sostituendo il giudizio legale o la conformità, ma stanno aiutando le organizzazioni a gestire le informazioni della catena di approvvigionamento su una scala che gli esseri umani da soli faticano a gestire. Questo probabilmente diventerà ancora più importante poiché le norme globali sulla catena di approvvigionamento continueranno ad espandersi.

Le iniziative normative in Europa e altrove segnalano un movimento globale più ampio verso una maggiore responsabilità e aspettative di due diligence nella catena di approvvigionamento. La conformità commerciale si trova all’incrocio con la relazione ESG, la trasparenza dell’approvvigionamento e la gestione del rischio aziendale. L’IA si trova al centro di quella convergenza perché la sfida è fondamentalmente una questione di organizzazione dei dati e rilevamento dei modelli.

Le competenze che i professionisti della conformità commerciale devono avere in seguito

Una delle maggiori incomprensioni che circondano l’adozione dell’IA è l’idea che l’automazione riduca l’importanza dell’esperienza umana. Nella conformità commerciale, il contrario sta accadendo. Mentre gli strumenti di IA gestiscono l’analisi ripetitiva e l’elaborazione dei dati su larga scala, il valore dei professionisti esperti aumenta. Le organizzazioni hanno ancora bisogno di persone che possano:

• Interpretare norme ambigue
• Valutare le decisioni doganali
• Valutare la tolleranza al rischio
• Prendere decisioni di classificazione difendibili
• Coordinare tra i team di approvvigionamento, ingegneria, logistica e giuridici
• Comprendere le implicazioni geopolitiche
• Comunicare l’esposizione alla conformità ai dirigenti

Ciò che cambia è la natura del lavoro. I professionisti della conformità commerciale stanno diventando consulenti strategici piuttosto che semplici revisori transazionali, e ciò richiede nuove capacità.

La letteratura dei dati sta diventando più importante. I team devono capire come le informazioni fluiscono attraverso i sistemi, dove emergono le incoerenze e come gli strumenti di automazione forniscono raccomandazioni. Le competenze di comunicazione contano di più poiché la conformità diventa una preoccupazione a livello di consiglio di amministrazione. La collaborazione interfunzionale sta diventando essenziale perché le decisioni di classificazione, approvvigionamento, acquisto, ingegneria e finanza sono ora profondamente interconnesse.

Il rischio della conformità “scatola nera”

Nonostante le opportunità create dall’IA, ci sono preoccupazioni legittime relative all’eccessiva dipendenza dall’automazione. Le decisioni di conformità commerciale rimangono determinazioni legali. Se un sistema di IA raccomanda una classificazione errata, i regulatori terranno comunque l’importatore responsabile. Ciò crea una grande sfida di governance.

Le organizzazioni che adottano l’IA in ambienti di conformità devono avere:

• Processi di revisione umana
• Flussi di lavoro di approvazione chiari
• Ragioni documentate per le decisioni
• Controllo delle versioni e registri di audit
• Fonti di dati trasparenti
• Convalida continua degli output del modello

Fidarsi ciecamente dell’automazione crea il proprio tipo di rischio, un problema che si estende oltre la conformità commerciale.

Il Quadro di gestione del rischio dell’IA del National Institute of Standards and Technology sottolinea l’importanza della governance, della spiegabilità e della responsabilità nella distribuzione dell’IA aziendale. Per le funzioni di conformità, la spiegabilità è particolarmente importante. Se un’azienda non può spiegare come è stata presa una decisione di classificazione, difendere quella decisione durante una verifica diventa significativamente più difficile. Il futuro non è una conformità completamente autonoma, ma una conformità guidata dall’uomo supportata da sistemi intelligenti.

Perché questo è importante oltre i team di conformità

I team di conformità commerciale un tempo operavano in gran parte al di fuori della visibilità esecutiva, ma ciò sta cambiando rapidamente. I dazi ora influenzano le previsioni di guadagno, i ritardi doganali interrompono i piani di produzione, l’applicazione della legge sul lavoro forzato influisce sulle strategie di approvvigionamento e gli eventi geopolitici alterano la viabilità dei fornitori. Le decisioni commerciali influenzano infine la strategia aziendale più ampia. Questo è uno dei motivi per cui l’adozione dell’IA negli ambienti di conformità sta accelerando. I dirigenti vogliono:

• Visibilità più rapida sull’esposizione ai dazi
• Previsioni migliori dei costi di sbarco
• Segnali di allarme più precoci per il rischio di approvvigionamento
• Migliore preparazione alle verifiche
• Catene di approvvigionamento più resilienti

Le sfide di tracciabilità sono spesso aggravate dall’uso di intermediari multipli e reti di fornitori a più livelli. I produttori possono approvvigionare materiali attraverso numerosi fornitori indipendenti, rendendo difficile verificare le condizioni di lavoro profondamente nella catena di approvvigionamento. Questo è uno dei motivi per cui gli strumenti di mappatura, monitoraggio dei fornitori e rilevamento dei rischi alimentati dall’IA stanno ricevendo un’attenzione crescente dai team di conformità.

La prossima fase delle operazioni commerciali globali

La conformità commerciale sta entrando in un periodo fondamentalmente diverso con esperienze diverse. Il volume di cambiamenti normativi, di pressione di applicazione della legge, di scrutinio della catena di approvvigionamento e di azioni commerciali legate al lavoro non è probabile che diminuisca. I governi stanno utilizzando sempre più strumenti di applicazione della legge doganale e meccanismi di politica commerciale più ampi per affrontare le preoccupazioni relative al lavoro forzato, creando nuove aspettative di conformità per gli importatori e i loro partner della catena di approvvigionamento.

Le organizzazioni che si adattano con successo condivideranno probabilmente diverse caratteristiche:

• Solida governance dei dati
• Collaborazione interfunzionale
• Convalida continua della classificazione
• Sorveglianza trasparente dell’IA
• Investimento nel talento della conformità
• Accesso più rapido all’intelligenza operativa

La domanda non è più se l’intelligenza artificiale influenzerà la conformità commerciale, perché già lo sta facendo. La domanda più importante è se le organizzazioni sono pronte a gestire quella transizione in modo responsabile.