AI กำลังเปลี่ยนแปลงการปฏิบัติตามกฎระเบียบทางการค้า และบริษัทส่วนใหญ่ยังไม่พร้อม

เป็นเวลาหลายปีที่การปฏิบัติตามกฎระเบียบทางการค้าไม่ได้เป็นเรื่องสำคัญสำหรับองค์กรส่วนใหญ่ ในขณะที่จำเป็น แต่ฟังก์ชันเหล่านั้นเป็นเทคนิคและไม่มองเห็นได้จนกว่าจะมีปัญหา แต่สมมติฐานนั้นไม่คงอยู่อีกต่อไป ความผันผวนของอัตราภาษี การบังคับใช้แรงงานบังคับ การแบ่งกระจายทางภูมิรัฐศาสตร์ และกฎศุลกากรที่เปลี่ยนแปลงอย่างรวดเร็วได้ผลักดันการปฏิบัติตามกฎระเบียบทางการค้าเข้าสู่จุดศูนย์กลางของการตัดสินใจในการดำเนินงาน การเสนอใหม่ของตัวแทนการค้าของสหรัฐฯในการกำหนดอัตราภาษีใหม่สำหรับประเทศคู่ค้าหลายสิบประเทศตามการละเมิดที่ถูกกล่าวหาว่าไม่จำกัดการนำเข้าแรงงานบังคับแสดงให้เห็นว่าข้อกังวลเกี่ยวกับการปฏิบัติตามกฎระเบียบแรงงานกำลังได้รับการยอมรับมากขึ้นพร้อมกับการบังคับใช้ศุลกากรแบบดั้งเดิม

ในขณะเดียวกัน ปัญญาประดิษฐ์กำลังเริ่มเปลี่ยนแปลงวิธีการที่องค์กรจำแนกผลิตภัณฑ์ ติดตามความเสี่ยง วิเคราะห์ข้อบังคับ และเตรียมพร้อมสำหรับการตรวจสอบ ดังนั้น บริษัทหลายแห่งจึงกำลังคิดใหม่เกี่ยวกับการดำเนินงานทางการค้าระดับโลก ในขณะที่ AI ไม่ได้แทนที่ผู้เชี่ยวชาญด้านการปฏิบัติตามกฎระเบียบ แต่ก็เปลี่ยนแปลงสิ่งที่งานดูเหมือน คุณสมบัติที่สำคัญที่สุด และวิธีการจัดการการปฏิบัติตามกฎระเบียบในระดับใหญ่

การปฏิบัติตามกฎระเบียบทางการค้าได้กลายเป็นปัญหาข้อมูล

การปฏิบัติตามกฎระเบียบทางการค้าสมัยใหม่ต้องอาศัยข้อมูลจำนวนมากที่เคลื่อนผ่านระบบอย่างแม่นยำ บริษัทต่างๆ ต้องติดตาม:

• การจำแนกประเภทตามตารางอัตราภาษี (HTS)
• การกำหนดประเทศต้นกำเนิด
• ข้อมูลซัพพลายเออร์
• เอกสารที่เกี่ยวข้องกับการปฏิบัติตามกฎระเบียบแรงงานบังคับ
• ข้อมูลจำเพาะของผลิตภัณฑ์
• ความเหมาะสมของข้อตกลงทางการค้า
• การเปิดเผยอัตราภาษี
• คำตัดสินของศุลกากรและการอัปเดตข้อบังคับ
• ความสอดคล้องในการยื่นคำขอระหว่างโบรกเกอร์และหน่วยธุรกิจ

ความท้าทายคือว่าข้อมูลส่วนใหญ่นี้อาศัยอยู่ในระบบที่ไม่เชื่อมต่อ ซัพพลายเออร์อาจเก็บข้อมูลผลิตภัณฑ์ในตารางคำนวณ การจัดการวิศวกรรมเก็บข้อมูลจำเพาะในแพลตฟอร์ม PLM ทีมจัดซื้อจัดจ้างมุ่งเน้นไปที่ต้นทุนการซื้อ และโบรกเกอร์ดำเนินการจากข้อมูลการยื่นคำขอที่อาจไม่สมบูรณ์หรือล้าสมัยแล้ว เมื่อทีมการปฏิบัติตามกฎระเบียบทางการค้าตรวจสอบการส่งมอบ สิ่งสำคัญคือคุณลักษณะของผลิตภัณฑ์อาจสูญหายไปแล้ว ถูกทำให้ง่ายขึ้น หรือคัดลอกผิดไปในระบบแล้ว สิ่งนี้ทำให้เกิดความเสี่ยง

ตาม สำนักงานศุลกากรและป้องกันชายแดนของสหรัฐฯ การบังคับใช้กฎหมายขึ้นอยู่กับการวิเคราะห์ข้อมูลที่ซับซ้อนเพื่อระบุความผิดปกติในพฤติกรรมของผู้นำเข้า ในขณะเดียวกัน การบังคับใช้กฎหมายยังคงเป็นเรื่องที่ท้าทาย การทบทวนของสภาคองเกรสและวิเคราะห์ของรัฐบาลได้เน้นย้ำถึงความท้าทายที่ดำเนินอยู่ตั้งแต่การฉ้อโกงในการนำเข้าและการเติบโตของการค้าปลีกแบบตรงถึงลูกค้าไปจนถึงความสามารถในการติดตามห่วงโซ่อุปทานที่จำกัด แม้ว่าจะมีการบังคับใช้กฎหมายที่เพิ่มขึ้นภายใต้พระราชบัญญัติป้องกันแรงงานบังคับอุยกูร์ (UFLPA) นักการเมืองยังคงถกเถียงกันว่าจะระบุและแยกสินค้าแรงงานบังคับออกจากห่วงโซ่อุปทานของสหรัฐฯ ได้อย่างมีประสิทธิภาพเพียงใด

การเปลี่ยนแปลงนี้มีความสำคัญเพราะข้อผิดพลาดในการจำแนกประเภทมักเป็นระบบมากกว่าการแยกออกมา การใช้รหัสที่ไม่ถูกต้องอาจปรากฏข้ามหลายรายการ การอธิบายซัพพลายเออร์อาจถูกใช้ซ้ำเป็นปีโดยไม่มีการตรวจสอบ การเปลี่ยนแปลงทางวิศวกรรมอาจเปลี่ยนแปลงตัวขับเคลื่อนการจำแนกประเภทโดยไม่ต้องตรวจสอบการปฏิบัติตามกฎระเบียบ สิ่งเหล่านี้เป็นรูปแบบที่ระบบ AI สามารถตรวจจับได้ดี

ทำไมการจำแนกประเภท HTS จึงกลายเป็นกรณีการใช้งาน AI

การจำแนกประเภท HTS ต้องใช้ความเชี่ยวชาญ การตีความ และความรู้เกี่ยวกับผลิตภัณฑ์อย่างละเอียด เป็นหนึ่งในกระบวนการที่ยากที่สุดในการปรับขนาดอย่างต่อเนื่อง

องค์การศุลกากรโลก อัปเดตระบบอัตราภาษีแบบฮาร์มอนाइซ์เป็นประจำ ในขณะที่ตารางอัตราภาษีระดับชาติเปลี่ยนแปลงไปอย่างอิสระ การตัดสินของศาลเปลี่ยนแปลงการตีความ การเพิ่มโปรแกรมอัตราภาษี เช่น AD/CVD, Section 122, Section 232 และ Section 301 ส่งผลให้เกิดชั้นใหม่ของการเปิดเผยทางการเงิน การตัดสินใจในการจำแนกประเภทเพียงครั้งเดียวสามารถส่งผลกระทบอย่างมีนัยสำคัญต่อ:

• อัตราภาษี
• ข้อกำหนดในการรับเข้า
• การตรวจสอบแรงงานบังคับ
• ความเหมาะสมของข้อตกลงการค้าเสรี
• ข้อกำหนดของหน่วยงานรัฐบาลร่วม
• การคำนวณต้นทุนลงสู่ท่า

ระดับความซับซ้อนนี้ไม่สามารถจัดการได้ด้วยตารางคำนวณแบบคงที่และความรู้แบบปากต่อปากเท่านั้น และนี่คือจุดที่ AI เริ่มมีอิทธิพลต่อวิชาชีพ

แบบจำลองการเรียนรู้ของเครื่องสามารถวิเคราะห์การจำแนกประเภทในอดีต ระบุความไม่สอดคล้องระหว่างโบรกเกอร์หรือสถานที่ และพบนัยสำคัญของผลิตภัณฑ์ที่อาจต้องมีการตรวจสอบใหม่ ระบบประมวลผลภาษาธรรมชาติสามารถเปรียบเทียบคำอธิบายผลิตภัณฑ์กับภาษาข้อบังคับ คำตัดสินของศุลกากร และการตัดสินใจก่อนหน้า

สิ่งสำคัญคือ AI ไม่ได้ “แก้ไข” การจำแนกประเภทโดยอัตโนมัติในสภาพแวดล้อมองค์กรส่วนใหญ่ แต่ช่วยให้ chuyên家ด้านการปฏิบัติตามกฎระเบียบสามารถจำกัดความเป็นไปได้ ตรวจจับความผิดปกติ มาตรฐานการทำงาน และลดการวิจัยด้วยมือที่ซ้ำซ้อน นั่นคือความแตกต่างที่สำคัญ

AI กำลังเปลี่ยนแปลงการเตรียมพร้อมสำหรับการตรวจสอบ

การตรวจสอบการปฏิบัติตามกฎระเบียบทางการค้าเคยเป็นเรื่องรับมือ แต่แนวทางนี้กำลังกลายเป็นเรื่องที่ไม่ยั่งยืนมากขึ้น

ระดับของกิจกรรมนำเข้าสมัยใหม่ต้องการให้องค์กรต้องมีความสามารถในการมองเห็นผลการปฏิบัติตามกฎระเบียบอย่างต่อเนื่อง ไม่ใช่การทำความสะอาดเป็นระยะๆ ระบบการตรวจสอบที่ขับเคลื่อนด้วย AI กำลังถูกนำมาใช้เพิ่มมากขึ้นเพื่อ:

• ตรวจจับการใช้ HTS ที่ไม่สอดคล้องกันระหว่างรายการ
• ระบุเอกสารที่หายไป
• แจ้งเตือนการเปลี่ยนแปลงอัตราภาษีที่ไม่寻常
• พบนัยสำคัญของความเสี่ยงซัพพลายเออร์
• เปรียบเทียบรายการปัจจุบันกับรูปแบบการยื่นคำขอในอดีต
• ติดตามการเปลี่ยนแปลงข้อบังคับที่อาจส่งผลต่อการจำแนกประเภท

แนวทางนี้สะท้อนถึงแนวโน้มอื่นๆ ในการบริหารความเสี่ยงขององค์กร

รายงานล่าสุดของ McKinsey เกี่ยวกับ AI ที่สร้างสรรค์ หมายเหตุว่างานเชิงปฏิบัติการที่อาศัยความรู้เป็นอย่างมากมักได้รับการปรับปรุงผ่านการวิเคราะห์และการทำงานอัตโนมัติที่ได้รับการสนับสนุนจาก AI การปฏิบัติตามกฎระเบียบทางการค้าเข้าใกล้สิ่งนี้

ผลกระทบไปไกลกว่าความมีประสิทธิภาพในการดำเนินงาน องค์กรที่มีความสามารถในการมองเห็นผลการปฏิบัติตามกฎระเบียบที่ดีกว่านั้นมักจะตอบสนองต่อการสอบสวนของศุลกากรได้อย่างรวดเร็ว แสดงให้เห็นถึงกระบวนการกำกับดูแล และระบุความเสี่ยงก่อนที่หน่วยงานกำกับดูแลจะทำได้ ความสามารถนี้ได้กลายเป็นสิ่งสำคัญเชิงกลยุทธ์

ความท้าทายในการบังคับใช้แรงงานบังคับ

พื้นที่หนึ่งที่การนำ AI มาใช้กำลังเร่งตัวคือการตรวจสอบห่วงโซ่อุปทาน

การนำ พระราชบัญญัติป้องกันแรงงานบังคับอุยกูร์ มาใช้ทำให้คาดหวังเกี่ยวกับการติดตามซัพพลายเออร์และเอกสารเพิ่มขึ้นอย่างมีนัยสำคัญ นำเข้าจะต้องแสดงให้เห็นถึงความสามารถในการมองเห็นลึกซึ้งในความสัมพันธ์ในการจัดหาสินค้า กระบวนการผลิต และต้นกำเนิดวัสดุ สำหรับหลายๆ บริษัท สิ่งนี้เป็นเรื่องที่ท้าทายอย่างมาก ห่วงโซ่อุปทานสมัยใหม่อาจเกี่ยวข้องกับ:

• ผู้ผลิตตามสัญญาหลายราย
• ซัพพลายเออร์ระดับที่สองและสาม
• การเปลี่ยนแปลงการจัดหาสินค้าบ่อยครั้ง
• เอกสารซัพพลายเออร์ที่ไม่สอดคล้องกัน
• การจัดหาส่วนประกอบที่ซับซ้อน

ขนาดของความท้าทายนี้ยังคงสำคัญ ตาม การประมาณการขององค์การแรงงานระหว่างประเทศ มีคนประมาณ 27.6 ล้านคนในโลกที่ถูกบังคับให้ทำงาน โดยสร้างผลกำไรที่ผิดกฎหมายประมาณ 236,000 ล้านดอลลาร์สหรัฐฯ ต่อปี ส่วนใหญ่ของกิจกรรมนี้เกิดขึ้นในห่วงโซ่อุปทานที่ซับซ้อนซึ่งมีการมองเห็นซัพพลายเออร์ขั้นปลายที่จำกัด การตรวจสอบด้วยมือเพียงอย่างเดียวมักไม่สามารถติดตามได้ ระบบ AI ถูกนำมาใช้เพื่อจัดระเบียบบันทึกซัพพลายเออร์ ระบุข้อมูลที่หายไป ระบุภูมิภาคที่มีความเสี่ยงสูง และติดตามรูปแบบพฤติกรรมของซัพพลายเออร์เมื่อเวลาผ่านไป

อีกครั้ง เครื่องมือเหล่านี้ไม่ได้แทนที่การตัดสินใจทางกฎหมายหรือการปฏิบัติตามกฎระเบียบ แต่ช่วยให้องค์กรประมวลผลข้อมูลห่วงโซ่อุปทานในระดับที่มนุษย์เดี่ยวๆ มักจะดูแลไม่ค่อยจะทัน

การเริ่มต้นข้อบังคับในยุโรปและที่อื่นๆ ส่งสัญญาณถึงการเคลื่อนไหวระดับโลกที่เพิ่มขึ้นในการรับผิดชอบต่อห่วงโซ่อุปทานและการตรวจสอบความถูกต้อง การปฏิบัติตามกฎระเบียบทางการค้าอยู่ที่จุดตัดกับรายงาน ESG ความโปร่งใสในการจัดหาสินค้า และการบริหารความเสี่ยงขององค์กร AI เป็นศูนย์กลางของการมาบรรจบกันนี้เพราะความท้าทายนั้นเป็นข้อกังวลด้านการจัดระเบียบข้อมูลและตรวจจับรูปแบบ

ทักษะที่ผู้เชี่ยวชาญด้านการปฏิบัติตามกฎระเบียบทางการค้าต้องการต่อไป

ความเข้าใจผิดที่ใหญ่ที่สุดเกี่ยวกับการนำ AI มาใช้คือความคิดที่ว่าระบบอัตโนมัติลดความสำคัญของความเชี่ยวชาญของมนุษย์ ในการปฏิบัติตามกฎระเบียบทางการค้า สิ่งที่ตรงกันข้ามกำลังเกิดขึ้น เมื่อเครื่องมือ AI จัดการการวิเคราะห์ที่ซ้ำซ้อนและการประมวลผลข้อมูลขนาดใหญ่ คุณค่าของผู้เชี่ยวชาญที่มีประสบการณ์จะเพิ่มขึ้น องค์กรยังคงต้องการคนที่สามารถ:

• ตีความข้อบังคับที่คลุมเครือ
• ประเมินคำตัดสินของศุลกากร
• ประเมินความอดทนต่อความเสี่ยง
• ตัดสินใจในการจำแนกประเภทที่สามารถป้องกันได้
• ประสานงานระหว่างทีมจัดหาสินค้า วิศวกรรม物流 และทีมกฎหมาย
• เข้าใจผลกระทบทางภูมิรัฐศาสตร์
• สื่อสารการเปิดเผยการปฏิบัติตามกฎระเบียบต่อผู้บริหาร

สิ่งที่เปลี่ยนแปลงคือลักษณะของงาน ผู้เชี่ยวชาญด้านการปฏิบัติตามกฎระเบียบทางการค้ากำลังกลายเป็นที่ปรึกษาทางกลยุทธ์มากกว่าการตรวจสอบแบบธุรการ

ความสามารถในการอ่านข้อมูลกำลังเป็นที่ต้องการมากขึ้น ทีมต้องเข้าใจว่าข้อมูลไหลผ่านระบบอย่างไร ที่ไหนที่ความไม่สอดคล้องเกิดขึ้น และเครื่องมืออัตโนมัติแนะนำอย่างไร ทักษะการสื่อสารมีความสำคัญมากขึ้นเมื่อการปฏิบัติตามกฎระเบียบกลายเป็นข้อกังวลระดับคณะกรรมการ การทำงานร่วมกันข้ามฟังก์ชันกำลังเป็นสิ่งจำเป็นเพราะการตัดสินใจในการจำแนกประเภท การจัดหาสินค้า การจัดซื้อจัดจ้าง วิศวกรรม และการเงินเชื่อมโยงถึงกัน

ความเสี่ยงของการปฏิบัติตามกฎระเบียบ “กล่องดำ”

尽管มีโอกาสที่ AI สร้างขึ้น มีความกังวลที่ถูกต้องเกี่ยวกับการพึ่งพาอัตโนมัติมากเกินไป การตัดสินใจในการปฏิบัติตามกฎระเบียบทางการค้ายังคงเป็นตัวเลือกทางกฎหมาย หากระบบ AI แนะนำการจำแนกประเภทที่ไม่ถูกต้อง ผู้นำเข้าจะยังคงรับผิดชอบต่อหน่วยงานกำกับดูแล

องค์กรที่นำ AI มาใช้ในสภาพแวดล้อมการปฏิบัติตามกฎระเบียบต้องการ:

• กระบวนการตรวจสอบของมนุษย์
• การทำงานแบบอนุมัติที่ชัดเจน
• เหตุผลที่ชัดเจนสำหรับการตัดสินใจ
• การควบคุมเวอร์ชันและร่องรอยการตรวจสอบ
• แหล่งข้อมูลที่โปร่งใส
• การตรวจสอบผลลัพธ์ของแบบจำลองอย่างต่อเนื่อง

การเชื่อใจอัตโนมัติแบบ盲ๆ สร้างความเสี่ยงขึ้นมาเอง ซึ่งเป็นปัญหาที่ขยายไปไกลกว่าการปฏิบัติตามกฎระเบียบทางการค้า

เฟรมเวิร์กการจัดการความเสี่ยง AI ของสถาบันมาตรฐานและเทคโนโลยีแห่งชาติ เน้นย้ำถึงความสำคัญของการกำกับดูแล ความเข้าใจได้ และความรับผิดชอบในการใช้ AI ขององค์กร สำหรับฟังก์ชันการปฏิบัติตามกฎระเบียบ ความเข้าใจได้ถือเป็นสิ่งสำคัญ หากบริษัทไม่สามารถอธิบายได้ว่าการตัดสินใจในการจำแนกประเภทถูกตัดสินอย่างไร การป้องกันการตัดสินใจนั้นระหว่างการตรวจสอบจะยากขึ้นมาก อนาคตไม่ใช่การปฏิบัติตามกฎระเบียบแบบอัตโนมัติแบบเต็มรูปแบบ แต่เป็นการปฏิบัติตามกฎระเบียบโดยมีคนนำที่ได้รับการสนับสนุนจากระบบอัจฉริยะ

ทำไมสิ่งนี้จึงมีความสำคัญมากกว่าทีมการปฏิบัติตามกฎระเบียบ

ทีมการปฏิบัติตามกฎระเบียบทางการค้าเคยทำงานนอกการมองเห็นของผู้บริหาร แต่สิ่งนี้กำลังเปลี่ยนแปลงอย่างรวดเร็ว อัตราภาษี影响การคาดการณ์ผลกำไร การล่าช้าของศุลกากรรบกวนการวางแผนการผลิต การบังคับใช้แรงงานบังคับ影响กลยุทธ์การจัดหาสินค้า และเหตุการณ์ทางภูมิรัฐศาสตร์เปลี่ยนแปลงความเป็นไปได้ของซัพพลายเออร์ การตัดสินใจทางการค้าในตัวมีผลกระทบต่อกลยุทธ์ทางธุรกิจโดยรวม สิ่งนี้เป็นเหตุผลหนึ่งที่การนำ AI มาใช้ในสภาพแวดล้อมการปฏิบัติตามกฎระเบียบกำลังเร่งตัวขึ้น ผู้บริหารต้องการ:

• การมองเห็นอัตราภาษีที่รวดเร็วยิ่งขึ้น
• การคาดการณ์ต้นทุนลงสู่ท่าที่ดีขึ้น
• สัญญาณเตือนก่อนหน้าที่ดีขึ้นสำหรับความเสี่ยงในการจัดหาสินค้า
• การเตรียมพร้อมสำหรับการตรวจสอบที่แข็งแกร่งยิ่งขึ้น
• ห่วงโซ่อุปทานที่ยืดหยุ่นมากขึ้น

ความท้าทายในการติดตามยังคงเพิ่มขึ้นจากการใช้ตัวกลางหลายรายและเครือข่ายซัพพลายเออร์หลายระดับ ผู้ผลิตอาจจัดหาวัสดุผ่านซัพพลายเออร์อิสระหลายราย ทำให้ยากต่อการตรวจสอบสภาพแรงงานลึกเข้าไปในห่วงโซ่อุปทาน นี่คือเหตุผลที่เครื่องมือการทำแผนที่ที่ขับเคลื่อนด้วย AI การติดตามซัพพลายเออร์ และเครื่องมือตรวจจับความเสี่ยงได้รับความสนใจเพิ่มขึ้นจากทีมการปฏิบัติตามกฎระเบียบ

ระยะถัดไปของการดำเนินงานทางการค้าระดับโลก

การปฏิบัติตามกฎระเบียบทางการค้ากำลังเข้าสู่ช่วงเวลาที่แตกต่างโดยสิ้นเชิง ด้วยประสบการณ์ที่แตกต่าง ความผันผวนของการเปลี่ยนแปลงข้อบังคับ การบังคับใช้ และการตรวจสอบห่วงโซ่อุปทาน รวมถึงการดำเนินการทางการค้าที่เกี่ยวข้องกับแรงงานไม่น่าจะลดลง รัฐบาลกำลังใช้ทั้งเครื่องมือบังคับใช้ศุลกากรและกลไกนโยบายการค้าที่กว้างขึ้นเพื่อจัดการกับข้อกังวลเกี่ยวกับแรงงานบังคับ ซึ่งสร้างความคาดหวังใหม่ๆ สำหรับผู้นำเข้าและหุ้นส่วนในห่วงโซ่อุปทาน

องค์กรที่ปรับตัวได้สำเร็จมีแนวโน้มที่จะแบ่งปันคุณลักษณะดังต่อไปนี้:

• การกำกับดูแลข้อมูลที่แข็งแกร่ง
• การทำงานร่วมกันข้ามฟังก์ชัน
• การตรวจสอบการจำแนกประเภทอย่างต่อเนื่อง
• การกำกับดูแล AI ที่โปร่งใส
• การลงทุนในความสามารถด้านการปฏิบัติตามกฎระเบียบ
• การเข้าถึงข้อมูลการดำเนินงานที่รวดเร็วยิ่งขึ้น

คำถามไม่ใช่ว่า AI จะมีอิทธิพลต่อการปฏิบัติตามกฎระเบียบทางการค้าหรือไม่ เพราะมันกำลังทำอยู่แล้ว คำถามที่สำคัญกว่าคือองค์กรเตรียมพร้อมที่จะจัดการการเปลี่ยนแปลงนี้อย่างมีความรับผิดชอบหรือไม่