AI vormt de handelsconformiteit opnieuw, en de meeste bedrijven zijn er niet op voorbereid

Al jarenlang stond handelsconformiteit niet hoog op de prioriteitenlijst van de meeste organisaties. Hoewel het nodig was, waren de functies technisch en grotendeels onzichtbaar totdat er iets misging, maar die veronderstelling geldt niet langer. Tariefvolatiliteit, gedwongen arbeidsenquêtes, geopolitieke fragmentatie en snel veranderende douaneregels hebben handelsconformiteit in het centrum van operationele besluitvorming geplaatst. Recente voorstellen van de Amerikaanse handelsvertegenwoordiger om nieuwe tarieven op te leggen aan tientallen handelspartners op basis van vermeende falen om gedwongen arbeid in te voeren, laten zien hoe arbeidsconformiteitszorgen steeds meer de handelspolitiek vormen naast traditionele douane-enquêtes.

Tegelijkertijd begint kunstmatige intelligentie de manier te beïnvloeden waarop organisaties producten classificeren, risico’s monitoren, regelgeving interpreteren en zich voorbereiden op audits. Als gevolg daarvan denken veel bedrijven opnieuw na over hoe ze wereldwijde handelsoperaties benaderen. Hoewel AI handelsconformiteitsprofessionals niet vervangt, verandert het de job, de vaardigheden die het meest tellen en hoe organisaties conformiteit op grote schaal beheren.

Handelsconformiteit is een dataprobleem geworden

Moderne handelsconformiteit is afhankelijk van enorme hoeveelheden informatie die nauwkeurig tussen systemen bewegen. Bedrijven moeten bijhouden:

• Geharmoniseerde tariefclassificaties (HTS)
• Bepalingen van het land van oorsprong
• Leveranciersgegevens
• Documentatie over conformiteit met gedwongen arbeid
• Productspecificaties
• In aanmerking komende handelsovereenkomsten
• Tariefexposure
• Douanerichtlijnen en regelgevingswijzigingen
• Consistentie van aangiftes bij douane tussen makelaars en bedrijfseenheden

De uitdaging is dat de meeste van deze informatie in niet-geconnecteerde systemen leeft. Een leverancier kan productdetails in spreadsheets onderhouden, engineersteams slaan specificaties op in PLM-platforms, inkoopteams richten zich op inkoopkosten en makelaars werken vanuit aangiftedata die al incompleet of verouderd kan zijn. Als een handelsconformiteitsteam een zending beoordeelt, kunnen kritieke productkenmerken al verloren, vereenvoudigd of onjuist gekopieerd zijn tussen systemen. Deze fragmentatie creëert risico.

Volgens US Customs and Border Protection zijn handhavingsinspanningen afhankelijk van geavanceerde data-analyse om afwijkingen in importeurgedrag te identificeren. Tegelijkertijd blijft handhaving moeilijk. Congresonderzoeken en overheidsanalyses hebben voortdurende uitdagingen onderstreept, variërend van fraude in importprocessen en direct-to-consumer e-commerce-groei tot beperkte supply-chain-traceerbaarheidsmogelijkheden. Zelfs met uitgebreide handhavingsinspanningen onder de Uyghur Forced Labor Prevention Act (UFLPA) debatteren beleidsmakers nog steeds over hoe effectief gedwongen-arbeidsgoederen worden geïdentificeerd en uit de Amerikaanse toeleveringsketen worden uitgesloten.

Die verschuiving is belangrijk omdat classificatiefouten vaak systemisch zijn in plaats van geïsoleerd. Dezelfde onjuiste code kan in duizenden aangiftes voorkomen. Een leveranciersbeschrijving kan jarenlang zonder validatie worden hergebruikt. Engineeringwijzigingen kunnen classificatiedrijvers veranderen zonder een conformiteitsbeoordeling uit te lokken. Dit zijn precies het soort patronen waar AI-systemen goed in zijn om te detecteren.

Waarom HTS-classificatie een AI-geval wordt

HTS-classificatie heeft altijd expertise, interpretatie en gedetailleerde productkennis vereist. Het is ook een van de moeilijkste processen om consistent op te schalen.

De World Customs Organization werkt de Harmonized System regelmatig bij, terwijl nationale tariefschema’s onafhankelijk evolueren. Rechtszaken veranderen de interpretatie. Additionele tariefprogramma’s zoals AD/CVD, Section 122, Section 232 en Section 301-heffingen creëren nieuwe lagen van financieel risico. Een enkele classificatiebeslissing kan dramatisch effect hebben op:

• Douanerechten
• Toelatingsvereisten
• Gedwongen arbeidsonderzoek
• In aanmerking komende vrijhandelsovereenkomsten
• Eisen van partnerregeringen
• Landed costberekeningen

Dit niveau van complexiteit is niet beheersbaar met alleen statische spreadsheets en tribale kennis, en dat is waar AI begint de professie te beïnvloeden.

Machine learning-modellen kunnen historische classificaties analyseren, inconsistenties identificeren tussen makelaars of faciliteiten en producten naar voren brengen die mogelijk opnieuw moeten worden gevalideerd. Natural language processing-systemen kunnen productbeschrijvingen vergelijken met regelgevingsgebieden, douanerichtlijnen en eerdere bepalingen.

Belangrijk is dat AI de classificatie niet autonoom “oplost” in de meeste ondernemingsomgevingen. In plaats daarvan helpt het handelsconformiteitsprofessionals om mogelijkheden te verkleinen, afwijkingen te detecteren, workflows te standaardiseren en herhaalde handmatige onderzoeken te verminderen. Dat onderscheid is belangrijk. De meest succesvolle organisaties verwijderen geen menselijk oordeel uit conformiteitsbeslissingen. Ze versterken menselijke expertise met systemen die consistentie en zichtbaarheid verbeteren.

AI verandert auditklaarheid

Handelsconformiteitsaudits waren vroeger reactief. Een douaneonderzoek zou arriveren, teams zouden naar documenten zoeken, makelaars zouden oude aangiftes doorzoeken en werknemers zouden handmatig beslissingen reconstrueren uit gefragmenteerde records. Deze aanpak wordt echter steeds minder houdbaar.

De omvang van de moderne importactiviteit betekent dat organisaties continue zichtbaarheid nodig hebben in de conformiteitsprestaties, niet periodieke schoonmaakwerkzaamheden. AI-gestuurde monitortools worden steeds vaker gebruikt om:

• Inconsistente HTS-gebruik over aangiftes heen te detecteren
• Ontbrekende documentatie te identificeren
• Ongebruikelijke douanefluctuaties te signaleren
• Leveranciersrisico-indicatoren naar voren te brengen
• Huidige aangiftes te vergelijken met historische aangiftepatronen
• Regelgevingswijzigingen te monitoren die classificaties kunnen beïnvloeden

Deze proactieve aanpak weerspiegelt andere trends in ondernemingsrisicobeheer.

Een recent McKinsey-rapport over generatieve AI wees erop dat kennisintensief operationeel werk vaak wordt verbeterd door AI-ondersteund analyse en workflowautomatisering. Handelsconformiteit past precies in die categorie.

De implicaties gaan verder dan operationele efficiëntie. Organisaties met een sterker conformiteitszicht zijn vaak beter in staat om snel op douaneonderzoeken te reageren, governanceprocessen te demonstreren en blootstelling te identificeren voordat regulators dat doen. Die capaciteit is strategisch belangrijk geworden.

De uitdaging van gedwongen arbeidsenquêtes

Een gebied waar AI-adoptie bijzonder snel versnelt, is due diligence in de toeleveringsketen. De implementatie van de Uyghur Forced Labor Prevention Act heeft de verwachtingen rondom leverancierstraceerbaarheid en documentatie aanzienlijk verhoogd. Importeurs moeten nu diepere zichtbaarheid in bronrelaties, productieprocessen en materiaalherkomst demonstreren. Voor veel bedrijven is dat buitengewoon moeilijk. Moderne toeleveringsketens kunnen omvatten:

• Meerdere contractfabrikanten
• Leveranciers van niveau twee en drie
• Frequente bronwijzigingen
• Inconsistente leveranciersdocumentatie
• Complex componentniveau-bron

De omvang van de uitdaging blijft aanzienlijk. Volgens schattingen van de Internationale Arbeidsorganisatie zijn ongeveer 27,6 miljoen mensen wereldwijd onderworpen aan gedwongen arbeid, wat naar schatting 236 miljard dollar aan illegale winst per jaar oplevert. Een groot deel van deze activiteit vindt plaats in complexe commerciële toeleveringsketens waarin zichtbaarheid in upstream-leveranciers beperkt is. Handmatige controle alleen kan vaak niet bijhouden. AI-systemen worden gebruikt om leveranciersrecords te organiseren, ontbrekende informatie te identificeren, hoge-risicobronregio’s te signaleren en leveranciersgedragspatronen over tijd te monitoren.

Opnieuw zijn deze tools geen vervanging voor juridisch of conformiteitsoordeel, maar ze helpen organisaties om toeleveringsketeninformatie te verwerken op een schaal die mensen alleen moeilijk kunnen beheren. Dit zal waarschijnlijk nog belangrijker worden naarmate wereldwijde toeleveringsketenregelgeving blijft uitbreiden.

Regelgevingsinitiatieven in Europa en elders geven aan dat er een bredere mondiale beweging is naar verhoogde toeleveringsketenverantwoordelijkheid en due-diligenceverwachtingen. Handelsconformiteit staat op het snijvlak van ESG-rapportage, brontransparantie en ondernemingsrisicobeheer. AI staat centraal in die convergentie omdat de uitdaging fundamenteel een kwestie is van dataplanning en patroondetectie.

De vaardigheden die handelsconformiteitsprofessionals de komende tijd nodig hebben

Een van de grootste misverstanden over AI-adoptie is het idee dat automatisering de belangrijkheid van menselijke expertise vermindert. In handelsconformiteit gebeurt het tegenovergestelde. Naarmate AI-hulpmiddelen herhaalde analyse en grootschalige dataprocessing afhandelen, neemt de waarde van ervaren professionals toe. Organisaties hebben nog steeds mensen nodig die:

• Vaagere regelgeving kunnen interpreteren
• Douanerichtlijnen kunnen beoordelen
• Risicotolerantie kunnen beoordelen
• Verdedigbare classificatiebeslissingen kunnen nemen
• Samenwerking kunnen coördineren tussen inkoop-, engineerings-, logistieke en juridische teams
• Geopolitieke implicaties kunnen begrijpen
• Conformiteitsblootstelling kunnen communiceren naar executives

Wat verandert, is de aard van het werk. Handelsconformiteitsprofessionals worden strategische adviseurs in plaats van puur transactiegerichte beoordelaars, en dat vereist nieuwe capaciteiten.

Datageletterdheid wordt belangrijker. Teams moeten begrijpen hoe informatie door systemen stroomt, waar inconsistenties ontstaan en hoe automatiseringshulpmiddelen aanbevelingen doen. Communicatieve vaardigheden zijn belangrijker omdat conformiteit een aangelegenheid op bestuursniveau wordt. Cross-functionele samenwerking wordt ook essentieel omdat classificatie-, inkoop-, engineerings-, financierings- en juridische beslissingen nu diep met elkaar verweven zijn.

Het risico van “Black Box”-conformiteit

Ondanks de kansen die AI creëert, zijn er legitieme bezorgdheden over te veel vertrouwen op automatisering. Handelsconformiteitsbeslissingen blijven juridische bepalingen. Als een AI-systeem een onjuiste classificatie aanbeveelt, zullen regulators de importeur nog steeds verantwoordelijk houden. Dat creëert een groot governanceprobleem.

Organisaties die AI in conformiteitsomgevingen adopteren, hebben nodig:

• Menselijke beoordelingsprocessen
• Duidelijke goedkeuringswerkstromen
• Gedocumenteerde rationaal voor beslissingen
• Versiebeheer en audittrails
• Transparante gegevensbronnen
• Voortdurende validatie van modeluitvoer

Blind vertrouwen op automatisering creëert zijn eigen vorm van risico, een kwestie die verder gaat dan handelsconformiteit.

Het National Institute of Standards and Technology AI Risk Management Framework benadrukt het belang van governance, uitlegbaarheid en verantwoordelijkheid bij de inzet van AI in ondernemingen. Voor conformiteitsfuncties is uitlegbaarheid bijzonder belangrijk. Als een bedrijf niet kan uitleggen hoe een classificatiebeslissing tot stand is gekomen, wordt het verdedigen van dat besluit tijdens een audit aanzienlijk moeilijker. De toekomst is niet volledig autonome conformiteit, maar het is menselijke conformiteit die wordt ondersteund door intelligente systemen.

Waarom dit verder gaat dan conformiteitsteams

Handelsconformiteitsteams werkten vroeger grotendeels buiten het zicht van het bestuur, maar dat verandert snel. Tarieven beïnvloeden nu winstramingen, douanevertragingen verstoren productieschema’s, gedwongen arbeidsenquêtes beïnvloeden inkoopstrategieën en geopolitieke gebeurtenissen veranderen de levensvatbaarheid van leveranciers. Handelsbeslissingen beïnvloeden uiteindelijk bredere bedrijfsstrategieën. Dit is een van de redenen waarom AI-adoptie in conformiteitsomgevingen versnelt. Bestuurders willen:

• Snellere zichtbaarheid in tariefexposure
• Betere prognoses van gelande kosten
• Eerdere waarschuwingssignalen voor inkooprisico’s
• Sterkere auditklaarheid
• Robuustere toeleveringsketens

Traceerbaarheidsuitdagingen worden vaak verergerd door het gebruik van meerdere tussenpersonen en multi-tier toeleveringsnetwerken. Fabrikanten kunnen materialen inkoop doen via meerdere onafhankelijke leveranciers, waardoor het moeilijk wordt om arbeidsomstandigheden diep in de toeleveringsketen te verifiëren. Dit is een van de redenen waarom AI-geactiveerde mapping, leveranciersbewaking en risicodetectiehulpmiddelen steeds meer aandacht krijgen van conformiteitsteams.

De volgende fase van mondiale handelsoperaties

Handelsconformiteit treedt een fundamenteel andere tijdperk binnen met andere ervaringen. Het volume van regelgevingswijzigingen, handhavingsdruk, toeleveringsketenonderzoek en arbeidsgerelateerde handelsacties zal waarschijnlijk niet afnemen. Overheden gebruiken steeds vaker zowel douane-enquêtehulpmiddelen als bredere handelsbeleidsmechanismen om gedwongen arbeidszorgen aan te pakken, waardoor nieuwe conformiteitsverwachtingen ontstaan voor importeurs en hun toeleveringsketenpartners.

De organisaties die met succes aanpassen, zullen waarschijnlijk enkele kenmerken delen:

• Sterke datagovernance
• Cross-functionele samenwerking
• Continue classificatievalidatie
• Transparante AI-toezicht
• Investering in conformiteitstalent
• Snellere toegang tot operationele inzichten

De vraag is niet langer of kunstmatige intelligentie handelsconformiteit zal beïnvloeden, want dat doet het al. De belangrijkere vraag is of organisaties klaar zijn om die overgang verantwoordelijk te beheren.