L’importatore registrato sta diventando un problema di dati

Tradizionalmente, la conformità doganale è stata considerata un’attività da gestire a livello di singola transazione. Classificare il prodotto, calcolare il dazio, presentare la dichiarazione doganale e conservare la documentazione. Questo modello è sempre più difficile da sostenere, perché le autorità doganali chiedono maggiore visibilità sulle aziende, sui prodotti e sulle catene di approvvigionamento alla base di ogni importazione.

Il cambiamento è particolarmente evidente negli Stati Uniti. Ordine esecutivo 14411, «Rafforzare l’applicazione delle norme doganali», firmato il 3 giugno 2026, incarica il Department of Homeland Security e US Customs and Border Protection (CBP) di rafforzare i requisiti per gli importatori registrati, intensificare i controlli e introdurre ulteriori obblighi di comunicazione e certificazione. L’ordine incarica inoltre il governo di richiedere le informazioni o la documentazione che gli esportatori stranieri erano tenuti a presentare alle autorità doganali estere prima di esportare merci negli Stati Uniti.

Per gli importatori, questo crea una sfida essenzialmente legata ai dati. Le informazioni pertinenti potrebbero già esistere, ma spesso si trovano in sistemi diversi, sono descritte in modi diversi e fanno capo a soggetti diversi. L’IA può aiutare a collegare questi elementi, ma solo se le aziende la considerano parte di un processo di conformità controllato, anziché un sostituto delle competenze doganali.

Perché l’IOR conta più di un tempo

CBP ha già compiuto un passo concreto per sottoporre a controlli più rigorosi i dati identificativi degli importatori. In un avviso dell’agosto 2026 pubblicato nel Federal Register, l’agenzia ha dichiarato che avrebbe iniziato a far applicare in modo più rigoroso i requisiti relativi alle informazioni presentate tramite il modulo CBP Form 5106. A partire dal 18 settembre 2026, CBP ha dichiarato di poter annullare il numero di un importatore registrato quando le informazioni agli atti sono inesatte o incomplete, rendendo il numero non valido per l’introduzione di merci.

Questo è importante perché una scheda IOR non è un semplice profilo amministrativo. Collega un’entità alle dichiarazioni doganali, ai dazi, agli intermediari e agli obblighi normativi. Se i dati identificativi di base sono errati, può diventare più difficile riconciliare gli altri documenti.

È un ambito in cui l’IA e l’automazione possono offrire un valore concreto senza prendere decisioni di conformità in autonomia. I sistemi possono individuare indirizzi, nomi di entità, recapiti o dati sulla proprietà in conflitto tra i diversi archivi interni. Possono segnalare i record che non sono stati riesaminati di recente o individuare cambiamenti che dovrebbero richiedere l’attenzione di una persona. L’obiettivo non è affidare a un algoritmo la decisione sulla conformità di un importatore, ma aiutare i team che si occupano di conformità a capire dove i dati potrebbero non essere più sufficienti a giustificare tale conclusione.

I documenti di esportazione esteri potrebbero ampliare gli oneri di gestione dei dati

La prossima sfida potrebbe essere molto più ampia. Nel suo avviso preliminare di proposta di regolamentazione del settembre 2026, CBP ha chiesto al pubblico di esprimersi su requisiti che garantirebbero all’agenzia maggiore visibilità sulle catene di approvvigionamento e sulla documentazione relativa alle esportazioni estere.

La proposta è ancora in esame. CBP chiede se gli importatori debbano presentare o conservare i documenti che gli esportatori stranieri erano tenuti a fornire alle autorità doganali estere prima dell’esportazione. L’agenzia cita espressamente, tra gli esempi, le dichiarazioni di esportazione, le fatture commerciali, le liste di imballaggio, i certificati di origine, le licenze di esportazione, le polizze di carico e le lettere di vettura aerea. CBP chiede inoltre se l’importatore registrato debba essere responsabile della conservazione e della presentazione di tali documenti e se, nel valutarne l’accuratezza, agli importatori debba essere richiesto di agire con ragionevole diligenza.

Quest’ultima domanda è particolarmente importante. Un importatore potrebbe non essere l’autore di una dichiarazione di esportazione estera: potrebbe averla redatta un fornitore, un distributore o un operatore logistico. Eppure, l’importatore potrebbe comunque dover spiegare in che modo le informazioni si riferiscono alla dichiarazione doganale statunitense.

Il compito che ne deriva non consiste tanto nel conservare PDF, quanto nel confrontare le informazioni. La descrizione del prodotto corrisponde? La quantità è plausibile? Il produttore è lo stesso? Il paese di origine coincide? Il valore dichiarato richiede una spiegazione? Se due documenti non corrispondono, l’importatore può spiegarne il motivo?

L’IA è più utile quando collega le prove documentali

È qui che l’IA può andare oltre il caso d’uso doganale più noto: la classificazione. I modelli linguistici di grandi dimensioni e gli altri sistemi di IA sono particolarmente utili quando le informazioni non sono strutturate o sono distribuite in numerosi documenti. Una scheda tecnica potrebbe descrivere un articolo in un modo, una fattura del fornitore chiamarlo in un altro e una dichiarazione doganale riportarne una descrizione abbreviata. Un certificato di origine può introdurre un ulteriore insieme di identificativi. Chi conosce l’azienda potrebbe capire che tutti e quattro si riferiscono allo stesso prodotto, ma individuare manualmente queste corrispondenze in migliaia di record è difficile.

L’IA può aiutare a far emergere queste corrispondenze. Può estrarre dai documenti le informazioni pertinenti, uniformare le descrizioni dei prodotti, individuare potenziali incongruenze e dare priorità ai record da sottoporre a verifica. Può anche recuperare le decisioni doganali a supporto, le linee guida normative e le decisioni precedenti quando un professionista della conformità esamina una questione di classificazione o tariffaria.

L’Organizzazione mondiale delle dogane ha riconosciuto questo potenziale più ampio. Il suo rapporto del 2025 sull’adozione dell’IA e dell’apprendimento automatico in ambito doganale ha individuato nella gestione dei dati, nella governance, nella gestione dei rischi, nell’interoperabilità, nella cybersicurezza e nelle competenze della forza lavoro aspetti importanti per un’adozione efficace. È un utile promemoria del fatto che, in ambito doganale, l’IA non è principalmente una questione di chatbot, bensì di dati e governance.

Le applicazioni più efficaci saranno quindi legate a flussi di lavoro specifici. Un sistema di IA potrebbe segnalare una discrepanza tra un documento del fornitore e una dichiarazione. Un professionista della compliance potrà quindi esaminare i documenti sottostanti, determinare se la discrepanza è legittima e documentare le motivazioni.

La revisione umana resta importante

Le decisioni doganali comportano conseguenze finanziarie e legali, perciò la spiegabilità è particolarmente importante. Un sistema che fornisce una risposta senza mostrare le prove su cui si basa crea un nuovo rischio di compliance. Per questo motivo, l’IA impiegata nella compliance commerciale dovrebbe conservare le informazioni a supporto dei risultati. Se un sistema suggerisce una classificazione, gli utenti dovrebbero poter consultare le caratteristiche del prodotto, le fonti pertinenti e il ragionamento alla base della raccomandazione. Se individua una discrepanza, l’utente dovrebbe poter risalire ai documenti in conflitto.

Questo approccio è in linea con i principi più ampi delineati nel Quadro per la gestione dei rischi dell’IA del National Institute of Standards and Technology, che sottolinea l’affidabilità dell’IA, compresi responsabilità, trasparenza, spiegabilità e interpretabilità. NIST individua inoltre nella supervisione umana un elemento importante per la gestione dei sistemi di IA.

Per i team doganali, questo significa che l’IA dovrebbe in genere svolgere la funzione di analista, non di autorità autonoma. Può reperire prove, confrontare documenti, individuare cambiamenti e assegnare priorità alle attività. La responsabilità di valutare le prove e prendere la decisione di compliance resta all’esperto umano.

Costruire le fondamenta dei dati prima di aggiungere l’IA

Con l’IA, la tentazione è partire dal modello. Per la compliance doganale, è meglio partire dai dati. Gli importatori dovrebbero chiedersi se riescono a collegare, nei diversi sistemi a supporto della transazione, le informazioni associate a un prodotto. Tra queste possono esserci: 

• Specifiche dei prodotti
• Classificazioni HTS
• Decisioni doganali
• Informazioni su fornitori e produttori
• Determinazioni del paese d’origine
• Fatture
• Documenti di trasporto
• Requisiti normativi
• Dati delle dichiarazioni doganali precedenti

Dovrebbero anche chiedersi se le modifiche sono visibili. Se un fornitore cambia le specifiche di un prodotto, se cambia una misura tariffaria o se cambiano le informazioni aziendali di un importatore, il team addetto alla compliance è in grado di individuare i documenti interessati?

La qualità dei dati diventa ancora più importante quando si introduce l’IA. Un sistema di IA non può riconciliare in modo affidabile documenti incompleti, non aggiornati o incoerenti. Può individuare schemi ricorrenti nei dati di scarsa qualità, ma non può trasformare prove mancanti in prove affidabili.

Ciò è in linea con i recenti lavori dell’OMD, che ha sottolineato come la governance dei dati sia una base essenziale per l’IA e l’analisi dei dati in ambito doganale. Nel suo dibattito del 2026 sull’IA in ambito doganale, l’organizzazione ha evidenziato l’importanza di disporre di dati affidabili e gestiti secondo criteri di governance rigorosi per ottenere risultati attendibili.

Il prossimo vantaggio competitivo in ambito doganale potrebbe essere la spiegabilità

È probabile che il contesto doganale in evoluzione premi le aziende capaci di fare più che fornire una risposta: dovranno anche dimostrare come ci sono arrivate.

L’Executive Order 14411 e l’approccio proposto da CBP alla documentazione relativa alle esportazioni estere indicano una maggiore visibilità sulle parti, sui prodotti e sui documenti alla base di una transazione di importazione. Ne potrebbe derivare un contesto di compliance in cui diventa difficile gestire fogli di calcolo e archivi documentali non collegati tra loro. L’IA può essere d’aiuto, ma i sistemi più preziosi non saranno quelli che si limitano a generare classificazioni o a riassumere le normative. Saranno invece quelli che collegano le prove, fanno emergere le discrepanze, conservano le fonti e mantengono le persone coinvolte nel processo.

Gli importatori possono iniziare a prepararsi fin da ora: 

• Convalidare le informazioni IOR
• Mappare dove vengono creati e archiviati i documenti dei fornitori e quelli relativi alle esportazioni estere
• Individuare le differenze tra i documenti dei fornitori e i dati delle dichiarazioni doganali statunitensi
• Esaminare quali decisioni di compliance dipendono ancora da ricerche manuali
• Determinare in quali ambiti l’IA può ridurre il lavoro necessario per reperire e valutare le prove

Il futuro dell’IA nel settore doganale potrebbe dipendere meno dalla sostituzione degli esperti doganali e più dal fornire loro un quadro molto più chiaro della transazione. Man mano che i controlli doganali diventano sempre più basati sui dati, il vantaggio competitivo potrebbe andare agli importatori capaci di rispondere con sicurezza a una semplice domanda: non solo «Che cosa abbiamo dichiarato?», ma «Possiamo dimostrare perché era corretto?»