Sztuczna inteligencja zmienia zgodność handlową, a większość firm nie jest na to przygotowana

Przez lata, zgodność handlowa nie była wysoko na liście priorytetów dla większości organizacji. Chociaż była niezbędna, jej funkcje były techniczne i w dużej mierze niewidoczne, dopóki coś nie poszło nie tak, ale to założenie nie obowiązuje już. Niestabilność taryf, egzekwowanie pracy przymusowej, fragmentacja geopolityczna i szybko zmieniające się przepisy celne przesunęły zgodność handlową do centrum decyzji operacyjnych.Niedawne propozycje przedstawione przez amerykańskiego przedstawiciela handlowego dotyczące nałożenia nowych taryf na dziesiątki partnerów handlowych w związku z domniemanymi niepowodzeniami w ograniczaniu importu pracy przymusowej, pokazują, jak problemy związane z zgodnością pracy są coraz bardziej wpływają na politykę handlową obok tradycyjnego egzekwowania przepisów celnych.

Jednocześnie sztuczna inteligencja zaczyna zmieniać sposób, w jaki organizacje klasyfikują produkty, monitorują ryzyko, interpretują przepisy i przygotowują się do audytów. W efekcie wiele firm przemyślało, jak myślą o globalnych operacjach handlowych. Chociaż sztuczna inteligencja nie zastępuje specjalistów ds. zgodności handlowej, zmienia to, jak wygląda ich praca, jakie umiejętności są najważniejsze i jak organizacje zarządzają zgodnością na dużą skalę.

Zgodność handlowa stała się problemem danych

Współczesna zgodność handlowa zależy od ogromnych ilości informacji, które muszą być przekazywane dokładnie między systemami. Firmy muszą śledzić:

• Klasyfikacje taryf harmonizowanych (HTS)
• Określenia kraju pochodzenia
• Dane dostawców
• Dokumentację zgodności z pracą przymusową
• Specyfikacje produktów
• Kwalifikowalność do umów handlowych
• Eksponowanie taryf
• Orzeczenia celne i aktualizacje regulacyjne
• Spójność składania wniosków przez pośredników i jednostki biznesowe

Wyzwaniem jest to, że większość tych informacji znajduje się w systemach, które nie są połączone. Dostawca może przechowywać szczegóły produktu w arkuszach kalkulacyjnych, zespoły inżynierskie przechowują specyfikacje w platformach PLM, zespoły zakupowe koncentrują się na kosztach zakupu, a pośrednicy działają na podstawie danych wejściowych, które mogą już być niekompletne lub przestarzałe. Do momentu, gdy zespół ds. zgodności handlowej przeanalizuje przesyłkę, krytyczne atrybuty produktu mogą już zostać utracone, uproszczone lub skopiowane niepoprawnie między systemami. To rozdrobnienie tworzy ryzyko.

Wedługamerykańskiej agencji celnej i ochrony granic, wysiłki egzekwowania prawa opierają się na zaawansowanej analizie danych w celu identyfikacji anomalii w zachowaniu importerów. Jednocześnie egzekwowanie prawa pozostaje trudne. Przeglądy kongresowe i analizy rządowe podkreśliły trwające wyzwania, od oszustw w procesach importowych i wzrostu handlu elektronicznego bezpośrednio do konsumenta, po ograniczone możliwości śledzenia łańcucha dostaw. Nawet pomimo rozszerzonych wysiłków egzekwowania prawa w ramach ustawy o zapobieganiu pracy przymusowej w Ujgurii (UFLPA), decydenci nadal debatują, jak skutecznie towary pracy przymusowej są identyfikowane i wykluczone z amerykańskich łańcuchów dostaw.

Ta zmiana ma znaczenie, ponieważ błędy klasyfikacji są często systemowe, a nie izolowane. Ten sam błędny kod może pojawić się w tysiącach wpisów. Opis dostawcy może być ponownie wykorzystany przez lata bez walidacji. Zmiany inżynieryjne mogą zmienić czynniki klasyfikacji bez wyzwania przeglądu zgodności. Są to właśnie tego rodzaju wzorce, które systemy sztucznej inteligencji są w stanie wykryć.

Dlaczego klasyfikacja HTS staje się przypadkiem użycia sztucznej inteligencji

Klasyfikacja HTS zawsze wymagała ekspertyzy, interpretacji i szczegółowej wiedzy o produkcie. Jest to również jeden z najtrudniejszych procesów do skalowania w sposób ciągły.

OrganizacjaŚwiatowa Organizacja Celnaaktualizuje System Zharmonizowanego na bieżąco, podczas gdy krajowe taryfy celne ewoluują niezależnie. Decyzje sądu kształtują interpretację. Dodatkowe programy taryfowe, takie jak AD/CVD, Sekcja 122, Sekcja 232 i Sekcja 301, tworzą nowe warstwy ekspozycji finansowej. Jedna decyzja dotycząca klasyfikacji może dramatycznie wpłynąć na:

• Stawki celne
• Wymagania dotyczące dopuszczenia
• Kontrole pracy przymusowej
• Kwalifikowalność do umów handlowych
• Wymagania rządów partnerskich
• Obliczenia kosztów lądowania

Ten poziom złożoności nie jest możliwy do zarządzania za pomocą statycznych arkuszy kalkulacyjnych i wiedzy plemiennej samych tylko. I to jest miejsce, w którym sztuczna inteligencja zaczyna wpływać na ten zawód.

Modelraport McKinseya na temat sztucznej inteligencji generatywnejzaznaczył, że prace operacyjne wymagające wiedzy są często wspomagane przez analizy i automatyzację przepływów pracy wspomaganych przez sztuczną inteligencję. Zgodność handlowa mieści się w tej kategorii.

Wnioski sięgają poza efektywność operacyjną. Organizacje z silniejszą widocznością zgodności są często lepiej przygotowane do szybkiej odpowiedzi na zapytania celne, demonstrują procesy zarządzania i identyfikują ekspozycję przed regulatorem. Ta zdolność stała się strategicznie ważna.

Sztuczna inteligencja zmienia gotowość do audytu

Audyt zgodności handlowej był kiedyś reaktywny. Zapytanie celne przychodziło, zespoły szukały dokumentów, pośrednicy szukali starych wpisów, a pracownicy odtwarzali ręcznie decyzje z fragmentarycznych rekordów. Jednak ten podejście staje się coraz mniej uzasadnione.

Wskali nowoczesnej aktywności importowej organizacje potrzebują ciągłej widoczności w zakresie wykonywania zgodności, a nie okresowych ćwiczeń czystości. Systemy monitorowania oparte na sztucznej inteligencji są coraz częściej wykorzystywane do:

• Wykrywania nieciągłości w użyciu HTS w wpisach
• Identyfikowania brakującej dokumentacji
• Flagowania niezwykłych fluktuacji ceł
• Ujawniania wskaźników ryzyka dostawców
• Porównywania bieżących wpisów z historycznymi wzorcami składania wniosków
• Monitorowania zmian regulacyjnych, które mogą wpłynąć na klasyfikacje

To podejście prewencyjne odzwierciedla inne trendy w zarządzaniu ryzykiem przedsiębiorstw.

Ostatniraport McKinseya na temat sztucznej inteligencji generatywnejzaznaczył, że prace operacyjne wymagające wiedzy są często wspomagane przez analizy i automatyzację przepływów pracy wspomaganych przez sztuczną inteligencję. Zgodność handlowa mieści się w tej kategorii.

Wnioski sięgają poza efektywność operacyjną. Organizacje z silniejszą widocznością zgodności są często lepiej przygotowane do szybkiej odpowiedzi na zapytania celne, demonstrują procesy zarządzania i identyfikują ekspozycję przed regulatorem. Ta zdolność stała się strategicznie ważna.

Wyzwanie egzekwowania pracy przymusowej

Jednym z obszarów, w którym przyjęcie sztucznej inteligencji przyspiesza szczególnie szybko, jest due diligence łańcucha dostaw. Wdrożenieustawy o zapobieganiu pracy przymusowej w Ujguriiznacznie zwiększyło oczekiwania dotyczące śledzenia dostawców i dokumentacji. Importerzy są teraz oczekiwani, aby wykazać głębszą widoczność w relacjach źródłowych, procesach produkcyjnych i pochodzeniu materiałów. Dla wielu firm jest to nadzwyczaj trudne. Nowoczesne łańcuchy dostaw mogą obejmować:

• Wielu producentów kontraktowych
• Dostawców drugiego i trzeciego poziomu
• Częste zmiany w źródłach
• Niespójne dokumenty dostawców
• Złożone źródła komponentów

Skala wyzwania pozostaje znacząca. Wedługszacunków Międzynarodowej Organizacji Pracy, około 27,6 miliona ludzi na świecie podlega pracy przymusowej, generując szacowane 236 miliardów dolarów nielegalnych zysków rocznie. Większość tej działalności ma miejsce w złożonych łańcuchach dostaw, gdzie widoczność w dostawcach jest ograniczona. Samo przeglądanie ręczne często nie jest w stanie nadążyć. Systemy sztucznej inteligencji są wykorzystywane do organizowania rekordów dostawców, identyfikowania brakujących informacji, flagowania regionów dostaw o wysokim ryzyku i monitorowania wzorców zachowania dostawców w czasie.

Ponownie, te narzędzia nie zastępują prawniczej lub complianceowej oceny, ale pomagają organizacjom przetwarzać informacje o łańcuchu dostaw w skali, z którą ludzie sami mają trudności.

Inicjatywy regulacyjne w Europie i na innych obszarach sygnalizują szerszy globalny ruch w kierunku zwiększonej odpowiedzialności i oczekiwań due diligence w łańcuchach dostaw. Zgodność handlowa jest na skrzyżowaniu sprawozdawczości ESG, przejrzystości źródłowej i zarządzania ryzykiem przedsiębiorstwa. Sztuczna inteligencja znajduje się w centrum tego zbiegu, ponieważ wyzwanie jest fundamentalnie kwestią organizacji danych i wykrywania wzorców.

Umiejętności, których potrzebują specjaliści ds. zgodności handlowej

Jednym z największych mitów otaczających przyjęcie sztucznej inteligencji jest idea, że automatyzacja redukuje znaczenie ludzkiej ekspertyzy. W zgodności handlowej dzieje się odwrotnie. Podczas gdy narzędzia sztucznej inteligencji zajmują się powtarzalną analizą i przetwarzaniem dużych ilości danych, wartość doświadczonych specjalistów rośnie. Organizacje nadal potrzebują ludzi, którzy mogą:

• Interpretować niejasne przepisy
• Ocenić orzeczenia celne
• Ocenić tolerancję ryzyka
• Podjąć uzasadnione decyzje dotyczące klasyfikacji
• Współpracować z zespołami źródłowymi, inżynierskimi, logistycznymi i prawnymi
• Zrozumieć implikacje geopolityczne
• Komunikować ekspozycję zgodności z kierownictwem

To, co się zmienia, to natura pracy. Specjaliści ds. zgodności handlowej stają się strategicznymi doradcami, a nie tylko transakcyjnymi przeglądającymi, i wymaga to nowych umiejętności.

Literatura danych staje się coraz bardziej istotna. Zespoły muszą zrozumieć, jak informacje przepływają przez systemy, gdzie pojawiają się nieciągłości i jak narzędzia automatyzacji proponują rekomendacje. Umiejętności komunikacyjne mają większe znaczenie, ponieważ zgodność staje się sprawą na poziomie zarządu. Współpraca międzyfunkcyjna staje się również niezwykle ważna, ponieważ decyzje dotyczące klasyfikacji, źródłowania, zakupów, inżynierii i finansów są teraz głęboko powiązane.

Ryzyko “czarnej skrzynki” zgodności

Pomimo możliwości, jakie stwarza sztuczna inteligencja, istnieją uzasadnione obawy dotyczące nadmiernej zależności od automatyzacji. Decyzje dotyczące zgodności handlowej pozostają decyzjami prawnymi. Jeśli system sztucznej inteligencji zaleci niepoprawną klasyfikację, regulatorzy nadal będą odpowiedzialni za importera. To tworzy znaczące wyzwanie zarządcze.

Organizacje przyjmujące sztuczną inteligencję w środowiskach zgodności potrzebują:

• Procesów przeglądu ludzkiego
• Jasnych przepływów zatwierdzania
• Udokumentowanego uzasadnienia decyzji
• Kontroli wersji i śladów audytowych
• Przejrzystych źródeł danych
• Ciągłej walidacji danych wyjściowych modelu

Bezwarunkowe zaufanie do automatyzacji tworzy własne ryzyko, problem, który sięga poza zgodność handlową.

Ramowyframework zarządzania ryzykiem sztucznej inteligencji Narodowego Instytutu Standardów i Technologiipodkreśla znaczenie zarządzania, wyjaśnialności i odpowiedzialności w wdrożeniu przedsiębiorstw sztucznej inteligencji. Dla funkcji zgodności wyjaśnialność jest szczególnie ważna. Jeśli firma nie może wyjaśnić, w jaki sposób podjęto decyzję dotyczącą klasyfikacji, obrona tej decyzji podczas audytu staje się znacznie trudniejsza. Przyszłość nie jest w pełni autonomiczną zgodnością, ale zgodnością kierowaną przez ludzi, wspomaganą przez inteligentne systemy.

Dlaczego to ma znaczenie poza zespołami ds. zgodności

Zespoły ds. zgodności handlowej działały kiedyś w dużej mierze poza widocznością kierownictwa, ale to się szybko zmienia. Taryfy teraz wpływają na prognozy zysków, opóźnienia celne zakłócają harmonogramy produkcyjne, egzekwowanie pracy przymusowej wpływa na strategie źródłowe, a wydarzenia geopolityczne zmieniają wykonalność dostawców. Decyzje handlowe ostatecznie wpływają na szerszą strategię biznesową. To jeden z powodów, dla których przyjęcie sztucznej inteligencji w środowiskach zgodności przyspiesza. Kierownictwo wykonawcze chce:

• Szybszej widoczności ekspozycji taryfowej
• Lepszego prognozowania kosztów lądowania
• Wczesnych sygnałów ostrzegawczych dla ryzyka źródłowego
• Silniejszej gotowości do audytu
• Bardziej odpornych łańcuchów dostaw

Wyzwania związane z śledzeniem są często zwiększane przez użycie wielu pośredników i sieci dostawców wielopoziomowych. Producenci mogą źródłować materiały przez wielu niezależnych dostawców, co utrudnia weryfikację warunków pracy głęboko w łańcuchu dostaw. To jeden z powodów, dla których narzędzia mapowania, monitorowania dostawców i wykrywania ryzyka wspomagane przez sztuczną inteligencję zyskują coraz większą uwagę ze strony zespołów ds. zgodności.

Następna faza globalnych operacji handlowych

Zgodność handlowa wkracza w zasadniczo inny czas z innymi doświadczeniami. Objętość zmian regulacyjnych, presji egzekwowania, kontroli łańcucha dostaw i działań handlowych związanych z pracą przymusową nie jest prawdopodobna, aby zmniejszyć się. Rządy coraz częściej używają zarówno narzędzi egzekwowania celnego, jak i szerszych mechanizmów polityki handlowej, aby rozwiązać problemy związane z pracą przymusową, tworząc nowe oczekiwania zgodności dla importerów i ich partnerów łańcucha dostaw.

Organizacje, które przystosują się z powodzeniem, prawdopodobnie będą posiadać kilka cech:

• Silne zarządzanie danymi
• Współpracę międzyfunkcyjną
• Ciągłą walidację klasyfikacji
• Przejrzysty nadzór sztucznej inteligencji
• Inwestycje w talent zgodności
• Szybszy dostęp do operacyjnej inteligencji

Pytanie nie brzmi już, czy sztuczna inteligencja wpłynie na zgodność handlową, ponieważ już to robi. Bardziej istotne pytanie brzmi, czy organizacje są przygotowane do zarządzania tym przejściem w sposób odpowiedzialny.