De importeur van record wordt steeds meer een datavraagstuk

Naleving van douaneregels werd traditioneel gezien als een kwestie op transactieniveau. Classificeer het product, bereken de invoerrechten, dien de aangifte in en bewaar de administratie. Dat model wordt steeds moeilijker vol te houden nu douaneautoriteiten meer inzicht eisen in de bedrijven, producten en toeleveringsketens achter elke import.

De verschuiving is vooral zichtbaar in de Verenigde Staten. Presidentieel decreet 14411, ‘Versterking van de douanehandhaving’,dat op 3 juni 2026 is ondertekend, draagt het Department of Homeland Security en US Customs and Border Protection (CBP) op de vereisten voor importeurs van record aan te scherpen, de controles te intensiveren en aanvullende openbaarmakings- en certificeringsvereisten in te voeren. Het decreet draagt de overheid ook op informatie of documentatie te eisen die buitenlandse exporteurs vóór de uitvoer van goederen naar de Verenigde Staten aan buitenlandse douaneautoriteiten moesten verstrekken.

Voor importeurs leidt dit tot een uitdaging die in wezen om data draait. De relevante informatie bestaat mogelijk al, maar staat vaak in verschillende systemen, onder uiteenlopende omschrijvingen en bij verschillende eigenaren. AI kan helpen die gegevens met elkaar te verbinden, maar alleen als bedrijven AI beschouwen als onderdeel van een gecontroleerd nalevingsproces en niet als vervanging van douane-expertise.

Waarom de IOR belangrijker is dan vroeger

CBP heeft al een concrete stap gezet om de gegevens over de identiteit van importeurs strenger te controleren. In een bericht in het Federal Register van augustus 2026 liet de instantie weten dat zij de handhaving van de informatie die via CBP Form 5106 wordt ingediend, zou aanscherpen. Vanaf 18 september 2026 kon CBP naar eigen zeggen een nummer van een importeur van record ongeldig maken als de geregistreerde informatie onjuist of onvolledig was. Met dat nummer konden dan geen goederen meer worden aangegeven.

Dat is van belang omdat een IOR-registratie meer is dan een administratief profiel. Ze koppelt een entiteit aan douaneaangiften, invoerrechten, douane-expediteurs en wettelijke verplichtingen. Als de onderliggende identiteitsgegevens onjuist zijn, kunnen andere registraties moeilijker met elkaar in overeenstemming worden gebracht.

Op dit gebied kunnen AI en automatisering praktische waarde bieden zonder zelf nalevingsbeslissingen te nemen. Systemen kunnen tegenstrijdige adressen, entiteitsnamen, contactgegevens of eigendomsgegevens in interne registraties opsporen. Ze kunnen registraties signaleren die al langere tijd niet zijn gecontroleerd, of wijzigingen herkennen die menselijke aandacht vereisen. Het doel is niet om een algoritme te laten bepalen of een importeur de regels naleeft, maar om nalevingsteams makkelijker te laten zien waar hun gegevens die conclusie mogelijk niet langer ondersteunen.

Buitenlandse exportdocumenten kunnen de gegevenslast vergroten

De volgende uitdaging kan aanzienlijk groter zijn. In zijn voorafgaande kennisgeving van voorgenomen regelgeving van september 2026 vroeg CBP het publiek om input over vereisten die de instantie meer inzicht zouden geven in toeleveringsketens en buitenlandse exportdocumentatie.

Het voorstel wordt nog bestudeerd. CBP vraagt of importeurs documenten moeten indienen of bewaren die buitenlandse exporteurs vóór de uitvoer aan buitenlandse douaneautoriteiten moesten verstrekken. De instantie noemt onder meer uitvoeraangiften, handelsfacturen, paklijsten, certificaten van oorsprong, uitvoervergunningen, cognossementen en luchtvrachtbrieven. CBP vraagt ook of de importeur van record verantwoordelijk moet zijn voor het bewaren en verstrekken van die documenten, en of de zorgvuldigheidsplicht moet gelden wanneer importeurs de juistheid ervan beoordelen.

Die laatste vraag is bijzonder belangrijk. Een importeur stelt mogelijk geen buitenlandse uitvoeraangifte op. Dat kan gebeuren door een leverancier, distributeur of logistieke dienstverlener. Toch kan de importeur nog steeds moeten uitleggen hoe de informatie verband houdt met de Amerikaanse douaneaangifte.

De taak draait daardoor minder om het opslaan van pdf-bestanden dan om het vergelijken van informatie. Komt de productomschrijving overeen? Is de hoeveelheid aannemelijk? Is het dezelfde fabrikant? Klopt het land van oorsprong? Moet de opgegeven waarde worden toegelicht? Kan de importeur uitleggen waarom twee documenten van elkaar verschillen?

AI is vooral nuttig wanneer het bewijs met elkaar verbindt

Hier kan AI verder gaan dan de bekendste toepassing binnen de douane: classificatie. Grote taalmodellen en andere AI-systemen zijn bijzonder nuttig wanneer informatie ongestructureerd is of verspreid staat over veel documenten. Een productspecificatie kan een artikel op de ene manier omschrijven, een leveranciersfactuur kan een andere naam gebruiken en in een douaneaangifte kan een verkorte omschrijving staan. Een certificaat van oorsprong kan weer andere identificatiegegevens bevatten. Iemand die het bedrijf kent, begrijpt misschien dat alle vier naar hetzelfde product verwijzen, maar zulke verbanden handmatig opsporen in duizenden registraties is lastig.

AI kan helpen zulke verbanden zichtbaar te maken. Het kan relevante informatie uit documenten halen, productomschrijvingen standaardiseren, mogelijke inconsistenties opsporen en registraties prioriteren voor controle. Ook kan het onderbouwing vinden in douaneuitspraken, regelgevingsrichtlijnen en eerdere besluiten wanneer een complianceprofessional onderzoek doet naar een classificatie- of tariefkwestie.

De Wereld Douaneorganisatie heeft dit bredere potentieel erkend. Haar rapport uit 2025 over de invoering van AI en machinaal leren in de douane noemt gegevensbeheer, governance, risicobeheer, interoperabiliteit, cyberbeveiliging en vaardigheden van medewerkers als belangrijke aandachtspunten voor een succesvolle invoering. Dat herinnert ons eraan dat AI in de douane niet in de eerste plaats een chatbotprobleem is, maar een vraagstuk van gegevens en governance.

De meest effectieve toepassingen zullen daarom aansluiten op specifieke werkprocessen. Een AI-systeem kan bijvoorbeeld een afwijking signaleren tussen een leveranciersdocument en een aangifte. Een complianceprofessional kan vervolgens de onderliggende gegevens controleren, bepalen of de afwijking terecht is en de redenering documenteren.

Menselijke beoordeling blijft belangrijk

Besluiten over douanezaken hebben financiële en juridische gevolgen, waardoor uitlegbaarheid extra belangrijk is. Een systeem dat een antwoord geeft zonder het bewijs erachter te tonen, creëert een nieuw compliancerisico. Daarom moet AI die voor handelscompliance wordt gebruikt, de informatie bewaren waarop de uitvoer berust. Als een systeem een classificatie aanbeveelt, moeten gebruikers de productkenmerken, het relevante bronmateriaal en de redenering achter die aanbeveling kunnen inzien. Als het systeem een afwijking vaststelt, moet de gebruiker de tegenstrijdige gegevens kunnen traceren.

Deze aanpak sluit aan bij de bredere principes in het AI Risk Management Framework van het National Institute of Standards and Technology, waarin de betrouwbaarheid van AI centraal staat, met aandacht voor verantwoording, transparantie, uitlegbaarheid en interpreteerbaarheid. NIST noemt menselijk toezicht ook als een belangrijk onderdeel van het beheer van AI-systemen.

Voor douaneteams betekent dit dat AI doorgaans moet functioneren als analist, niet als autonome autoriteit. Het kan bewijs vinden, gegevens vergelijken, veranderingen signaleren en werk prioriteren. De menselijke expert blijft verantwoordelijk voor het beoordelen van het bewijs en het nemen van de complianc beslissing.

Leg eerst het gegevensfundament, daarna de AI-laag

Bij AI is de verleiding groot om met het model te beginnen. Voor douanecompliance is het beter om bij de gegevens te beginnen. Importeurs moeten nagaan of ze de informatie over een product kunnen koppelen tussen de systemen die de transactie ondersteunen. Dat kan onder meer gaan om: 

• Productspecificaties
• HTS-classificaties
• Douanebeschikkingen
• Informatie over leveranciers en fabrikanten
• Vaststellingen van het land van oorsprong
• Facturen
• Vervoersdocumenten
• Regelgevingsvereisten
• Gegevens van eerdere aangiften

Ze moeten ook nagaan of veranderingen zichtbaar zijn. Als een leverancier een productspecificatie wijzigt, als een tariefmaatregel verandert of als de bedrijfsgegevens van een importeur veranderen, kan het complianceteam dan vaststellen welke gegevens hierdoor worden geraakt?

De kwaliteit van gegevens wordt nog belangrijker wanneer AI wordt ingezet. Een AI-systeem kan gegevens die onvolledig, verouderd of inconsistent zijn niet betrouwbaar met elkaar in overeenstemming brengen. Het kan patronen in slechte gegevens herkennen, maar ontbrekend bewijs niet omzetten in betrouwbaar bewijs.

Dit sluit aan bij recent werk van de WCO, die gegevensbeheer heeft benadrukt als fundament voor AI en data-analyse in de douane. In de bespreking uit 2026 van AI in de douane wees de organisatie op het belang van betrouwbare, goed beheerde gegevens voor het verkrijgen van betrouwbare resultaten.

De volgende voorsprong in douanezaken kan uitlegbaarheid zijn

In het veranderende douanelandschap zullen bedrijven waarschijnlijk voordeel hebben als ze meer kunnen dan alleen een antwoord geven. Ze zullen moeten laten zien hoe ze tot dat antwoord zijn gekomen.

Executive Order 14411 en de door CBP voorgestelde aanpak voor buitenlandse exportdocumentatie wijzen op meer inzicht in de partijen, producten en gegevens achter een importtransactie. Daardoor kan een compliancelandschap ontstaan waarin het lastig wordt om met niet-gekoppelde spreadsheets en documentopslagplaatsen te werken. AI kan helpen, maar de waardevolste systemen zijn niet de systemen die alleen classificaties genereren of regelgeving samenvatten. Het zijn systemen die bewijs met elkaar verbinden, afwijkingen aan het licht brengen, bronnen bewaren en mensen bij het proces betrekken.

Importeurs kunnen zich nu al voorbereiden: 

• Gegevens van de IOR valideren
• In kaart brengen waar leveranciersdocumenten en buitenlandse exportdocumenten worden opgesteld en opgeslagen
• Verschillen vaststellen tussen leveranciersgegevens en Amerikaanse aangiftegegevens
• Beoordelen welke compliancebesluiten nog afhankelijk zijn van handmatig zoeken
• Bepalen waar AI de inspanning kan verminderen die nodig is om bewijs te vinden en te beoordelen

De toekomst van AI bij de douane draait mogelijk minder om het vervangen van de douane-expert en meer om die expert een veel beter inzicht in de transactie te geven. Nu de douanehandhaving steeds meer op data is gebaseerd, ligt het concurrentievoordeel mogelijk bij de importeurs die vol vertrouwen een eenvoudige vraag kunnen beantwoorden: niet alleen ‘Wat hebben we aangegeven?’, maar ook ‘Kunnen we laten zien waarom dat correct was?’