Искусственный интеллект меняет лицо торговой соответствия, и большинство компаний к этому не готовы

На протяжении многих лет торговая соответствия не была в приоритете для большинства организаций. Хотя это необходимо, ее функции были техническими и в основном невидимыми, пока что-то не пошло не так, но это предположение больше не действует. Колебания тарифов, принудительный труд, геополитическая фрагментация и быстро меняющиеся таможенные правила вынудили торговую соответствия стать центральной частью оперативного принятия решений.Недавние предложения представителя США по торговле о введении новых тарифов на десятки торговых партнеров на основе предполагаемых неисполнений ограничений на принудительный труд демонстрируют, как проблемы соответствия труда все чаще формируют торговую политику наряду с традиционным таможенным контролем.

Одновременно искусственный интеллект начинает менять то, как организации классифицируют продукты, отслеживают риски, интерпретируют правила и готовятся к аудитам. В результате многие компании пересматривают свой подход к глобальным торговым операциям. Хотя ИИ не заменяет специалистов по торговой соответствия, он меняет вид работы, какие навыки наиболее важны и как организации управляют соответствием в масштабе.

Торговая соответствия стала проблемой данных

Современная торговая соответствия зависит от огромного количества информации, которая должна передаваться точно между системами. Компании должны отслеживать:

• Классификации Harmonized Tariff Schedule (HTS)
• Определения страны происхождения
• Данные поставщиков
• Документацию о соответствии принудительному труду
• Спецификации продукции
• Право на участие в торговых соглашениях
• Экспозицию тарифов
• Таможенные решения и обновления правил
• Последовательность подачи заявок через брокеров и бизнес-единицы

Проблема заключается в том, что большая часть этой информации хранится в несвязанных системах. Поставщик может хранить данные о продуктах в электронных таблицах, инженерные команды хранят спецификации в платформах PLM, команды по закупкам фокусируются на затратах на закупку, а брокеры работают с данными о подаче заявок, которые могут быть уже неполными или устаревшими. К моменту, когда команда по торговой соответствия проверяет отправку, важные атрибуты продукта могут быть уже потеряны, упрощены или скопированы неправильно между системами. Эта фрагментация создает риск.

По данным Таможни и пограничной защиты США, усилия по обеспечению соблюдения правил основаны на сложном анализе данных для выявления аномалий в поведении импортеров. В то же время обеспечение соблюдения правил остается сложной задачей. Конгрессные обзоры и правительственные анализы подчеркнули продолжающиеся проблемы, начиная от мошенничества в процессах импорта и роста прямых продаж потребителям и заканчивая ограниченными возможностями отслеживания цепочки поставок. Даже с расширенными усилиями по обеспечению соблюдения в рамках Закона о предотвращении принудительного труда Уйгуров политики продолжают обсуждать, насколько эффективно товары, произведенные с использованием принудительного труда, выявляются и исключаются из цепочки поставок США.

Этот сдвиг имеет значение, поскольку ошибки классификации часто системны, а не изолированы. Та же неправильная кодировка может появляться в тысячах заявок. Описание поставщика может использоваться годами без проверки. Изменения в конструкции могут изменить факторы классификации без запуска проверки соответствия. Это именно те закономерности, которые системы ИИ хорошо подходят для обнаружения.

Почему классификация HTS становится делом ИИ

Классификация HTS всегда требовала экспертизы, интерпретации и детального знания продукта. Это также один из самых операционно сложных процессов для масштабирования последовательно.

Всемирная таможенная организация обновляет Гармонизированную систему периодически, в то время как национальные таможенные расписания эволюционируют независимо. Судебные решения меняют интерпретацию. Дополнительные программы тарифов, такие как AD/CVD, раздел 122, раздел 232 и раздел 301, создают новые слои финансового воздействия. Одно решение о классификации может существенно повлиять на:

• Ставки пошлин
• Требования к допуску
• Контроль принудительного труда
• Право на участие в свободных торговых соглашениях
• Требования правительств-партнеров
• Расчеты стоимости доставки

Этот уровень сложности не управляем через статические электронные таблицы и знания alone, и это то место, где ИИ начинает влиять на профессию.

Модели машинного обучения могут анализировать исторические классификации, выявлять несоответствия между брокерами или объектами, и выделять продукты, которые могут потребовать переоценки. Системы обработки естественного языка могут сравнивать описания продукции с нормативным языком, таможенными решениями и предыдущими определениями.

Важно отметить, что ИИ не “решает” классификацию самостоятельно в большинстве корпоративных сред. Вместо этого он помогает специалистам по соответствию сузить возможности, обнаружить аномалии, стандартизировать рабочие процессы и уменьшить повторяющиеся ручные исследования. Это различие имеет значение. Наиболее успешные организации не удаляют человеческое суждение из решений по соответствию. Они дополняют человеческую экспертизу системами, которые улучшают последовательность и видимость.

ИИ меняет готовность к аудиту

Аудиты по торговой соответствия раньше были реактивными. Запрос таможни приходил, команды спешно искали документы, брокеры искали старые заявки, и сотрудники вручную реконструировали решения из фрагментированных записей. Однако этот подход становится все более неустойчивым.

Масштаб современной импорта означает, что организации нуждаются в непрерывной видимости соответствия, а не в периодических очистках. Системы мониторинга на основе ИИ все чаще используются для:

• Обнаружения несоответствий в использовании HTS
• Выявления отсутствующих документов
• Помечания необычных колебаний пошлин
• Выделения показателей риска поставщиков
• Сравнения текущих заявок с историческими моделями подачи
• Мониторинга изменений правил, которые могут повлиять на классификации

Этот подход предварительно аналогичен другим тенденциям в управлении рисками.

Недавний отчет McKinsey о генеративном ИИ отметил, что знания, интенсивная операционная работа часто усиливаются с помощью анализа и автоматизации рабочих процессов на основе ИИ. Торговая соответствия вписывается в эту категорию.

Последствия распространяются за пределы оперативной эффективности. Организации с более сильной видимостью соответствия часто лучше подготовлены к быстрому реагированию на запросы таможни, демонстрируют процессы управления и выявляют воздействие до того, как это сделают регулирующие органы. Эта способность стала стратегически важной.

Проблема обеспечения соблюдения принудительного труда

Одна из областей, где принятие ИИ ускоряется особенно быстро, – это анализ цепочки поставок. Реализация Закона о предотвращении принудительного труда Уйгуров существенно повысила ожидания относительно прослеживаемости поставщиков и документации. Импортеры теперь должны демонстрировать более глубокую видимость в отношениях с поставщиками, процессах производства и происхождении материалов. Для многих компаний это чрезвычайно сложно. Современные цепочки поставок могут включать:

• Несколько контрактных производителей
• Поставщиков второго и третьего уровня
• Частые сдвиги в закупках
• Несоответствующую документацию поставщиков
• Сложную поставку компонентов

Масштаб проблемы остается значительным. Согласно оценкам Международной организации труда, примерно 27,6 миллиона человек во всем мире подвергаются принудительному труду, что генерирует оценочные 236 миллиардов долларов нелегальных прибылей ежегодно. Большая часть этой деятельности происходит в сложных коммерческих цепочках поставок, где видимость поставщиков остается ограниченной. Ручной обзор часто не может идти в ногу. Системы ИИ используются для организации записей поставщиков, выявления отсутствующей информации, помечания высокорисковых регионов поставок и мониторинга поведения поставщиков во времени.

Опять же, эти инструменты не заменяют юридические или соответствующие суждения, но они помогают организациям обрабатывать информацию цепочки поставок в масштабе, который люди не могут управлять в одиночку. Это, вероятно, станет еще более важным, поскольку глобальные правила цепочки поставок продолжают расширяться.

Регуляторные инициативы в Европе и других местах сигнализируют о более широком глобальном движении к повышению подотчетности цепочки поставок и ожиданий по проверке. Торговая соответствия находится на пересечении с отчетностью ESG, прозрачностью поставок и управлением рисками. ИИ находится в центре этого слияния, поскольку проблема фундаментально заключается в организации данных и обнаружении закономерностей.

Навыки, которые специалистам по торговой соответствия необходимы дальше

Одно из самых больших заблуждений, связанных с принятием ИИ, заключается в том, что автоматизация снижает важность человеческой экспертизы. В торговой соответствия противоположное происходит. Когда инструменты ИИ обрабатывают повторяющийся анализ и обработку больших данных, ценность опытных специалистов увеличивается. Организациям все еще нужны люди, которые могут:

• Интерпретировать неоднозначные правила
• Оценивать таможенные решения
• Оценивать толерантность к риску
• Принимать обоснованные решения о классификации
• Координировать работу с командами по закупкам, инженерии, логистике и юридическим вопросам
• Понимать геополитические последствия
• Объяснять воздействие соответствия руководству

Что меняется, так это характер работы. Специалисты по торговой соответствия становятся стратегическими советниками, а не просто транзакционными проверяющими, и для этого требуются новые возможности.

Грамотность в данных становится более важной. Командам необходимо понимать, как информация течет через системы, где возникают несоответствия и как инструменты автоматизации делают рекомендации. Навыки общения становятся более важными, поскольку соответствие становится вопросом, видимым для руководства. Сотрудничество между функциями также становится необходимым, поскольку классификация, поставки, закупки, инженерия и финансовые решения теперь глубоко взаимосвязаны.

Риск “черного ящика” соответствия

Несмотря на возможности, созданные ИИ, существуют обоснованные опасения по поводу чрезмерной зависимости от автоматизации. Решения по торговой соответствия остаются юридическими определениями. Если система ИИ рекомендует неправильную классификацию, регулирующие органы все равно будут держать импортера ответственным. Это создает значительную проблему управления.

Организациям, принимающим ИИ в средах соответствия, необходимы:

• Процессы ручной проверки
• Ясные рабочие процессы утверждения
• Документированная обоснование решений
• Контроль версий и аудиторские следы
• Прозрачные источники данных
• Постоянная проверка выводов моделей

Слепое доверие автоматизации создает свой собственный вид риска, проблема, которая выходит за рамки торговой соответствия.

Фреймворк управления рисками ИИ Национального института стандартов и технологий подчеркивает важность управления, объяснимости и подотчетности при корпоративном развертывании ИИ. Для функций соответствия объяснимость особенно важна. Если компания не может объяснить, как было принято решение о классификации, то защитить это решение во время аудита становится намного сложнее. Будущее не является полностью автономным соответствием, а соответствием, возглавляемым человеком и поддерживаемым интеллектуальными системами.

Почему это важно за пределами команд соответствия

Команды по торговой соответствия раньше работали в основном вне видимости руководства, но это меняется быстро. Тарифы теперь влияют на прогнозы прибыли, таможенные задержки нарушают производственные графики, обеспечение соблюдения принудительного труда влияет на стратегии поставок, а геополитические события меняют жизнеспособность поставщиков. Торговые решения в конечном итоге влияют на более широкую бизнес-стратегию. Это одна из причин, почему принятие ИИ в средах соответствия ускоряется. Руководители хотят:

• Быстрее видеть экспозицию тарифов
• Лучше прогнозировать стоимость доставки
• Ранее предупреждать о рисках поставок
• Более сильную готовность к аудиту
• Более устойчивые цепочки поставок

Проблемы прослеживаемости часто усугубляются использованием нескольких посредников и многоуровневых сетей поставщиков. Производители могут закупать материалы через многочисленных независимых поставщиков, что делает трудным проверку условий труда глубоко в цепочке поставок. Это одна из причин, почему инструменты ИИ для отображения, мониторинга поставщиков и обнаружения рисков получают все больше внимания от команд соответствия.

Следующая фаза глобальных торговых операций

Торговая соответствия входит в фундаментально другую эпоху с разными опытом. Объем изменений правил, давления обеспечения соблюдения, проверки цепочки поставок и торговых действий, связанных с трудом, вряд ли уменьшится. Правительства все чаще используют как инструменты таможенного контроля, так и более широкие механизмы торговой политики для решения проблем принудительного труда, создавая новые ожидания соответствия для импортеров и их партнеров по цепочке поставок.

Организации, которые адаптируются успешно, вероятно, будут иметь несколько общих характеристик:

• Сильное управление данными
• Сотрудничество между функциями
• Постоянная проверка классификации
• Прозрачный надзор за ИИ
• Инвестиции в таланты соответствия
• Быстрый доступ к оперативной информации

Вопрос больше не заключается в том, повлияет ли ИИ на торговую соответствия, поскольку это уже происходит. Более важный вопрос заключается в том, готовы ли организации управлять этим переходом ответственно.