人工智能正在重塑贸易合规性，大多数公司尚未准备好

多年来，贸易合规性并不是大多数组织的优先事项。虽然必要，但其功能是技术性和大多数情况下是不可见的，直到出现问题，但这种假设不再成立。关税波动、强迫劳动执法、地缘政治碎片化和海关规则的迅速变化将贸易合规性推到了运营决策的中心。美国贸易代表最近提出的对几十个贸易伙伴施加新关税的提议基于所谓的限制强迫劳动进口的失败，表明了劳动合规问题如何日益影响贸易政策以及传统的海关执法。

同时，人工智能开始改变组织对产品的分类、风险监测、法规解释和审计准备的方式。因此，许多公司正在重新思考如何看待全球贸易运营。虽然人工智能并没有取代贸易合规专业人员，但它改变了工作的样子、最重要的技能和组织管理合规性的方式。

贸易合规性已经成为一个数据问题

现代贸易合规性依赖于大量信息在系统中准确移动。公司必须跟踪：

• 协调关税时间表（HTS）分类
• 原产国确定
• 供应商数据
• 强迫劳动合规性文件
• 产品规格
• 贸易协议资格
• 关税暴露
• 海关裁决和法规更新
• 入境申报的一致性跨代理和业务单位

挑战在于，大部分信息存储在断开的系统中。供应商可能在电子表格中维护产品详细信息，工程团队在PLM平台中存储规格，采购团队关注采购成本，代理商从可能已经不完整或过时的入境数据中操作。通过审查货物时，关键产品属性可能已经在系统中丢失、简化或复制错误。这一碎片化造成了风险。

根据美国海关和边境保护局，执法工作依赖于复杂的数据分析来识别进口商行为中的异常。在同一时间，执法仍然具有挑战性。国会审查和政府分析强调了从进口过程中的欺诈到直接面向消费者的电子商务增长以及供应链追溯能力有限等持续挑战。即使在《维吾尔强迫劳动预防法案》（UFLPA）下扩大执法努力，政策制定者仍在辩论如何有效地识别和排除强迫劳动商品进入美国供应链。

这种转变很重要，因为分类错误往往是系统性的而不是孤立的。相同的不正确代码可能出现在成千上万的条目中。供应商描述可能被重复使用多年而没有验证。工程更改可能会改变分类驱动因素而不触发合规性审查。这正是人工智能系统擅长检测的模式。

为什么HTS分类正在成为人工智能的使用案例

HTS分类一直需要专业知识、解释和详细的产品知识。它也是最难以在规模上保持一致的运营过程之一。

世界海关组织更新协调系统，国家关税时间表独立演变。法院判决重塑解释。额外的关税计划，如反倾销/反补贴、第122条、第232条和第301条关税，创造了新的财务暴露层。单一分类决策可以显著影响：

• 关税率
• 准入要求
• 强迫劳动审查
• 自由贸易协议资格
• 合作伙伴政府机构要求
• 到岸成本计算

这种复杂性不可能仅通过静态电子表格和部落知识来管理，这就是人工智能开始影响该行业的地方。

机器学习模型可以分析历史分类，识别代理商或设施之间的不一致性，并表面化可能需要重新验证的产品。自然语言处理系统可以将产品描述与法规语言、海关裁决和先前的确定相比较。

重要的是，人工智能并不“解决”分类问题，而是在大多数企业环境中，它帮助合规专业人员缩小可能性，检测异常，标准化工作流程，并减少重复的手动研究。那是一个重要的区别。最成功的组织并没有从合规决策中去除人类的判断力。他们正在用能够提高一致性和可见性的系统增强人类的专业知识。

人工智能正在改变审计准备

贸易合规性审计曾经是被动的。海关询问会到来，团队会疯狂地寻找文件，代理商会搜索旧的入境记录，员工会手动从碎片化的记录中重建决策。然而，这种方法变得越来越不可持续。

现代进口活动的规模意味着组织需要对合规性表现有持续的可见性，而不是周期性的清理工作。人工智能驱动的监控系统越来越多地被用于：

• 检测HTS使用中的不一致性
• 识别缺失的文件
• 标记不寻常的关税波动
• 表面化供应商风险指标
• 将当前入境记录与历史入境模式进行比较
• 监测可能影响分类的法规变化

这种预防性方法与其他企业风险管理趋势相似。

最近一份麦肯锡关于生成性人工智能的报告指出，知识密集型的运营工作通常通过人工智能支持的分析和工作流程自动化来增强。贸易合规性适合这一类别。

影响范围超出了运营效率。具有更强合规性可见性的组织通常更好地能够快速响应海关询问，展示治理流程，并在监管机构之前识别暴露。这一能力变得具有战略重要性。

强迫劳动执法挑战

人工智能采用加速最快的领域之一是供应链尽职调查。《维吾尔强迫劳动预防法案》的实施大大提高了对供应商可追溯性和文件的期望。进口商现在被要求展示更深入的对来源关系、制造流程和材料来源的可见性。对于许多公司来说，这是非常困难的。现代供应链可能涉及：

• 多个合同制造商
• 二级和三级供应商
• 频繁的采购转移
• 不一致的供应商文件
• 复杂的部件级采购

挑战的规模仍然很大。根据国际劳工组织估计，全球大约有2760万人受到强迫劳动，产生了估计2360亿美元的非法利润。其中大部分活动发生在复杂的商业供应链中，供应商的可见性有限。人工智能系统被用于组织供应商记录，识别缺失的信息，标记高风险的采购地区，并随着时间的推移监测供应商的行为模式。

再次，这些工具并没有取代法律或合规判断力，但它们帮助组织以人类难以管理的规模处理供应链信息。这可能会变得更加重要，因为全球供应链法规继续扩大。

欧洲和其他地区的监管举措表明，全球范围内对供应链问责制和尽职调查期望的增加。贸易合规性处于与ESG报告、采购透明度和企业风险管理的交叉点。人工智能处于这一汇聚点，因为挑战本质上是数据组织和模式检测的问题。

贸易合规专业人员需要的技能

围绕人工智能采用的最大误解之一是，自动化降低了人类专业知识的重要性。在贸易合规性中，相反的情况正在发生。随着人工智能工具处理重复分析和大规模数据处理，经验丰富的专业人员的价值增加。组织仍然需要能够：

• 解释模糊的法规
• 评估海关裁决
• 评估风险承受能力
• 做出有理的分类决策
• 在采购、工程、物流和法律团队之间协调
• 了解地缘政治影响
• 向高管传达合规暴露

发生变化的是工作的性质。贸易合规专业人员正在成为战略顾问，而不是纯粹的交易审查员，这需要新的能力。

数据素养变得更加重要。团队需要了解信息如何在系统中流动，不一致性从哪里出现，以及自动化工具如何提出建议。沟通技巧变得更加重要，因为合规性成为董事级别的问题。跨职能合作也变得至关重要，因为分类、采购、工程、财务和法律决策现在深深相互关联。

“黑盒”合规的风险

尽管人工智能创造了机会，但也存在过度依赖自动化的合理担忧。贸易合规决策仍然是法律决策。如果人工智能系统推荐了不正确的分类，监管机构仍将追究进口商的责任。这就产生了一个重大的治理挑战。

采用人工智能的组织在合规环境中需要：

• 人工审查流程
• 清晰的审批工作流程
• 决策的文件化理由
• 版本控制和审计跟踪
• 透明的数据来源
• 对模型输出的持续验证

盲目地信任自动化会产生自己的风险，这个问题超出了贸易合规性范围。

国家标准与技术研究所人工智能风险管理框架强调了企业人工智能部署中治理、可解释性和问责制的重要性。对于合规功能来说，可解释性尤为重要。如果一家公司无法解释分类决策的依据，那么在审计期间为该决策辩护将变得更加困难。未来并不是完全自治的合规性，而是由人工智能支持的合规性，但它是由人类领导的合规性。

为什么这超出了合规团队的重要性

贸易合规团队曾经在高管的视野之外运作，但这种情况正在迅速改变。关税现在影响收益预测，海关延迟破坏生产时间表，强迫劳动执法影响采购策略，地缘政治事件改变供应商的可行性。贸易决策最终影响更广泛的业务战略。这就是为什么人工智能在合规环境中的采用正在加速的原因。高管们希望：

• 更快地了解关税暴露
• 更好地预测到岸成本
• 更早地预警采购风险
• 更强的审计准备
• 更有弹性的供应链

追溯挑战通常由使用多个中间商和多层次供应商网络而加剧。制造商可能通过多个独立供应商采购材料，使得验证供应链深处的劳动条件变得困难。这就是为什么人工智能驱动的映射、供应商监控和风险检测工具正在获得来自合规团队的更多关注的原因。

全球贸易运营的下一阶段

贸易合规性正在进入一个根本不同的时代，具有不同的体验。监管变化、执法压力、供应链审查和劳动相关贸易行动的数量不太可能减少。政府越来越多地使用海关执法工具和更广泛的贸易政策机制来解决强迫劳动问题，为进口商和他们的供应链合作伙伴创造了新的合规期望。

成功适应的组织可能会具备以下几个特征：

• 强大的数据治理
• 跨职能合作
• 持续的分类验证
• 透明的AI监督
• 对合规人才的投资
• 更快地获取运营智能

问题不再是人工智能是否会影响贸易合规性，因为它已经在影响。更重要的问题是，组织是否准备好负责地管理这一转变。