Штучний інтелект змінює торговельну відповідність, і більшість компаній не готові

Торговельна відповідність протягом років не була високою у списку пріоритетів для більшості організацій. Хоча це необхідно, її функції були технічними та в основному невидимими, доки щось не пішло не так, але це припущення більше не діє. Нестабільність тарифів, примусова праця, геополітична фрагментація та швидко змінюються митні правила змусили торговельну відповідність зайняти центральне місце у оперативному прийнятті рішень.Нещодавні пропозиції представника США з торгівлі щодо введення нових тарифів на десятки торгових партнерів на підставі передбачуваних порушень щодо обмеження імпорту примусової праці демонструють, як проблеми відповідності праці все частіше формують торгову політику поряд з традиційним митним правозастосуванням.

Одночасно штучний інтелект починає змінювати спосіб, у який організації класифікують продукти, моніторять ризики, інтерпретують нормативні акти та готуються до аудитів. Як результат, багато компаній переоцінюють свій підхід до глобальних торгових операцій. Хоча штучний інтелект не замінює фахівців з торговельної відповідності, він змінює вигляд роботи, важливість навичок та управління відповідністю у великих масштабах.

Торговельна відповідність стала проблемою даних

Сучасна торговельна відповідність залежить від величезної кількості інформації, яка рухається точно між системами. Компанії повинні відстежувати:

• Класифікації Гармонізованого тарифного розкладу (ГТР)
• Визначення країни походження
• Дані постачальників
• Документацію про відповідність примусовій праці
• Технічні характеристики продукції
• Відповідність торговим угодам
• Вразливість до тарифів
• Митні рішення та нормативні оновлення
• Послідовність подачі заяв між брокерами та бізнес-одиницями

Проблема полягає в тому, що більшість цієї інформації знаходиться в не пов’язаних між собою системах. Постачальник може зберігати дані про продукцію в електронних таблицях, інженерні команди зберігають технічні характеристики в платформах PLM, команди з закупівель фокусуються на витратах на закупівлю, а брокери оперують даними про подачу заяв, які можуть бути вже неповними або застарілими. До того часу, як команда з торговельної відповідності перегляне відправлення, критичні атрибути продукції можуть вже бути втрачені, спрощені або скопійовані неправильно між системами. Ця фрагментація створює ризик.

Згідно з Митницею та прикордонним захистом США, заходи щодо забезпечення дотримання законодавства залежать від складного аналізу даних для виявлення аномалій у поведінці імпортерів. Одночасно забезпечення дотримання законодавства залишається складним. Перегляд Конгресу та аналіз уряду підкреслили тривалі проблеми, починаючи від шахрайства у процесах імпорту та росту електронної комерції безпосередньо до споживача, і закінчуючи обмеженими можливостями відстеження ланцюгів постачання. Навіть з розширенням заходів щодо забезпечення дотримання законодавства в рамках Закону про запобігання примусовій праці уйгурів, законодавці продовжують дискутувати про те, наскільки ефективно товари, виготовлені з примусовою працею, виявляються та виключаються з ланцюгів постачання США.

Ця зміна має значення, оскільки помилки у класифікації часто є системними, а не ізольованими. Неправильний код може з’явитися в тисячах заяв. Опис постачальника може бути повторно використаний протягом років без валідації. Зміни у проектуванні можуть змінити драйвери класифікації без спрацювання перевірки відповідності. Це саме ті види закономірностей, які системи штучного інтелекту добре підходять для виявлення.

Чому класифікація ГТР стає випадком застосування штучного інтелекту

Класифікація ГТР завжди вимагала експертизи, інтерпретації та детального знання продукції. Це також один із найопераційно складних процесів для масштабування послідовно.

Світова митна організація оновлює Гармонізовану систему періодично, тоді як національні тарифні розклади еволюціонують незалежно. Судові рішення змінюють інтерпретацію. Додаткові тарифні програми, такі як AD/CVD, розділ 122, розділ 232 та розділ 301, створюють нові шари фінансової вразливості. Одне рішення щодо класифікації може суттєво вплинути на:

• Ставки мит
• Вимоги до допуску
• Перевірку примусової праці
• Відповідність угодам про вільну торгівлю
• Вимоги урядів-партнерів
• Розрахунки витрат на доставку

Цей рівень складності не піддається керуванню лише за допомогою статичних електронних таблиць та традиційних знань, і саме тут штучний інтелект починає впливати на професію.

Моделі машинного навчання можуть аналізувати історичні класифікації, виявляти несумісності між брокерами або об’єктами, та виводити продукти, які можуть потребувати переоцінки. Системи обробки природної мови можуть порівнювати описи продукції з нормативною мовою, митними рішеннями та попередніми визначеннями.

Важливо, що штучний інтелект не „розв’язує“ класифікацію автономно у більшості підприємств. Замість цього він допомагає фахівцям з відповідності звужувати можливості, виявляти аномалії, стандартизувати робочі процеси та зменшувати повторювані ручні дослідження. Ця відмінність має значення. Найуспішніші організації не видаляють людську експертизу з процесів прийняття рішень щодо відповідності. Вони доповнюють людську експертизу системами, які покращують послідовність та видимість.

Штучний інтелект змінює готовність до аудиту

Аудити з торговельної відповідності раніше були реактивними. Заява митниці прибувала, команди поспішали шукати документи, брокери шукали старі заяви, а працівники реконструювали рішення з фрагментованих записів вручну. Однак такий підхід ставає дедалі менш прийнятним.

Масштаб сучасної імпортної діяльності означає, що організації потребують постійної видимості у виконанні вимог щодо відповідності, а не періодичних заходів з очищення. Системи моніторингу, що використовують штучний інтелект, все частіше використовуються для:

• Виявлення несумісного використання ГТР у заявах
• Виявлення відсутніх документів
• Прапорування незвичайних коливань мит
• Виведення індикаторів ризику постачальників
• Порівняння поточних заяв з історичними моделями подачі заяв
• Моніторинг змін законодавства, які можуть вплинути на класифікацію

Цей попередній підхід віддзеркалює інші тенденції у сфері управління ризиками підприємств.

Нещодавній звіт McKinsey про генеративний штучний інтелект відзначив, що інтенсивна робота, пов’язана з знаннями, часто підсилюється за допомогою аналізу та автоматизації робочих процесів, що підтримуються штучним інтелектом. Торговельна відповідність належить до цієї категорії.

Вплив розширюється за межі оперативної ефективності. Організації з сильнішою видимістю щодо відповідності часто краще підготовлені до швидкої реакції на запитання митниці, демонстрування процесів управління та виявлення вразливості до того, як це зроблять регулюючі органи. Ця здатність стала стратегічно важливою.

Виклик примусової праці

Одна з областей, де прийняття штучного інтелекту прискорюється особливо швидко, – це ділова діяльність щодо ланцюгів постачання. Реалізація Закону про запобігання примусовій праці уйгурів суттєво підвищила очікування щодо прозорості постачальників та документації. Імпортери тепер повинні демонструвати глибшу видимість у відносинах з постачальниками, процесах виробництва та походженні матеріалів. Для багатьох компаній це надзвичайно складно. Сучасні ланцюги постачання можуть включати:

• Багатьох контрактних виробників
• Постачальників другого та третього рівнів
• Часті зміни джерел постачання
• Несумісну документацію постачальників
• Складну джерельну закупівлю на рівні компонентів

Масштаб виклику залишається суттєвим. За оцінками Міжнародної організації праці, приблизно 27,6 мільйона людей у світі піддаються примусовій праці, генеруючи оцінені 236 мільярдів доларів незаконних прибутків щороку. Більша частина цієї діяльності відбувається у складних комерційних ланцюгах постачання, де видимість у постачальників вище за рівень обмежена. Ручний огляд часто не може впоратися з цим. Системи штучного інтелекту використовуються для організації записів постачальників, виявлення відсутньої інформації, прапорування регіональних індикаторів високого ризику та моніторингу моделей поведінки постачальників з часом.

Знову ж таки, ці інструменти не замінюють юридичні або висновки щодо відповідності, але вони допомагають організаціям обробляти інформацію про ланцюги постачання у масштабах, з якими люди самі по собі борються.

Регуляторні ініціативи в Європі та інших місцях свідчать про глобальний рух до підвищення відповідальності ланцюгів постачання та очікувань щодо ділової діяльності. Торговельна відповідність знаходиться на перетині з звітністю ESG, прозорістю джерел та управлінням ризиками підприємств. Штучний інтелект займає центральне місце у цьому збігу, оскільки виклик полягає в основному у організації даних та виявленні закономірностей.

Навички, яких потребують фахівці з торговельної відповідності далі

Одне з найбільших неправильних уявлень щодо прийняття штучного інтелекту полягає в тому, що автоматизація зменшує важливість людської експертизи. У сфері торговельної відповідності відбувається протилежне. Коли інструменти штучного інтелекту обробляють повторювані аналіз та великомасштабну обробку даних, значення досвідчених фахівців збільшується. Організаціям все ще потрібні люди, які можуть:

• Інтерпретувати двозначне законодавство
• Оцінювати митні рішення
• Оцінювати толерантність до ризику
• Приймати обґрунтовані рішення щодо класифікації
• Координувати діяльність між командами з закупівель, інженерії, логістики та юридичних питань
• Розуміти геополітичні наслідки
• Пояснювати видимість щодо відповідності керівництву

Що змінюється, це характер роботи. Фахівці з торговельної відповідності стають стратегічними радниками, а не просто транзакційними переглядачами, і це вимагає нових можливостей.

Грамотність у сфері даних стає все більш важливою. Командам потрібно розуміти, як інформація рухається через системи, де виникають несумісності та як інструменти автоматизації роблять рекомендації. Навички спілкування стають більш важливими, оскільки відповідність стає питаннями рівня керівництва. Співробітництво між різними функціями також стає важливим, оскільки рішення щодо класифікації, джерел, закупівель, інженерії та фінансів тепер глибоко взаємозалежні.

Ризик “Чорної скриньки” у відповідності

Незважаючи на можливості, створені штучним інтелектом, існують обґрунтовані побоювання щодо надмірної залежності від автоматизації. Рішення щодо торговельної відповідності залишаються юридичними висновками. Якщо система штучного інтелекту рекомендує неправильну класифікацію, регулюючі органи все одно будуть вважати імпортера відповідальним. Це створює суттєву проблему управління.

Організаціям, які приймають штучний інтелект у середовищі відповідності, потрібно:

• Процеси перегляду людьми
• Чіткі робочі процеси затвердження
• Документовану раціоналізацію рішень
• Контроль версій та аудиторські сліди
• Прозорі джерела даних
• Постійна валідация виходів моделей

Бездумне довіряння автоматизації створює свій власний вид ризику, питання, яке виходить за межі торговельної відповідності.

Рамка управління ризиками штучного інтелекту Національного інституту стандартів і технологій підкреслює важливість управління, пояснюваності та підзвітності при розгортанні штучного інтелекту в підприємствах. Для функцій відповідності пояснюваність особливо важлива. Якщо компанія не може пояснити, як було прийнято рішення щодо класифікації, захист цього рішення під час аудиту стає значно складніше. Майбутнє не складається з повністю автономної відповідності, а з відповідності, керованої людьми та підтримуваної інтелектуальними системами.

Чому це має значення поза командами відповідності

Команди з торговельної відповідності раніше працювали в основному поза межами видимості керівництва. Однак це змінюється швидко. Тарифи тепер впливають на прогнози прибутку, митні затримки порушують графіки виробництва, примусова праця впливає на стратегії джерел, а геополітичні події змінюють життєздатність постачальників. Торговельні рішення в кінцевому підсумку впливають на ширшу бізнес-стратегію. Це одна з причин, чому прийняття штучного інтелекту в середовищі відповідності прискорюється. Керівництво хоче:

• Швидшу видимість щодо тарифної вразливості
• Краще прогнозування витрат на доставку
• Раннє попередження про ризики джерел
• Сильнішу готовність до аудиту
• Більш стійкі ланцюги постачання

Проблеми з відстеженням часто посилюються використанням кількох посередників та багатоступеневих мереж постачальників. Виробники можуть джерелити матеріали через численних незалежних постачальників, що робить складним підтвердження умов праці глибоко у ланцюзі постачання. Це одна з причин, чому інструменти моніторингу постачальників, що підтримуються штучним інтелектом, а також інструменти виявлення ризиків та відстеження, отримують підвищену увагу команд відповідності.

Наступна фаза глобальних торгових операцій

Торговельна відповідність вступає в фундаментально іншу епоху з різними досвідами. Обсяг змін законодавства, тиску щодо забезпечення дотримання законодавства, перевірок ланцюгів постачання та заходів щодо праці у торгівлі малоймовірно зменшиться. Уряди все частіше використовують як інструменти митного права, так і ширші механізми торгової політики для вирішення проблем примусової праці, створюючи нові очікування щодо відповідності для імпортерів та їхніх партнерів у ланцюзі постачання.

Організації, які успішно адаптуються, ймовірно, матимуть кілька спільних ознак:

• Сильне управління даними
• Співробітництво між різними функціями
• Постійна валідация класифікації
• Прозора наглядова діяльність штучного інтелекту
• Інвестиції у таланти відповідності
• Швидший доступ до оперативної розвідки

Питання вже не полягає в тому, чи буде штучний інтелект впливати на торговельну відповідність, оскільки це вже відбувається. Більш важливе питання полягає в тому, чи готові організації керувати цим переходом відповідально.