В статье рассматривается концептуальная модель совершенствования технологий автоматической регистрации таможенных деклараций и автоматического выпуска товаров в Российской Федерации. Автором предложены методы машинного обучения и семантического анализа, которые возможны к применению в процессе документального таможенного контроля.

Ключевые слова: концептуальная модель совершенствования технологий автоматической регистрации таможенных деклараций и автоматического выпуска товаров, документальный таможенный контроль, экосистемный подход.

Благодаря внедрению инновационных автоматизированных технологий, ориентированных на потребности бизнес-сообщества, процесс таможенного оформления в разы стал быстрее и эффективнее. С помощью технологий, реализуемых в рамках электронных таможен (далее — ЭТ) и центров электронного декларирования (далее — ЦЭД) — технологии автоматической регистрации таможенных деклараций (далее — ТАР) и автоматического выпуска товаров (далее — ТАВ) — электронные декларации на товары (далее — ЭДТ) с безрисковыми партиями товаров в считанные минуты регистрируются и выпускаются. В результате как бизнес-сообщество, так и таможенные органы нацелены на сокращение своих временных и финансовых затрат.

С точки зрения Стратегии 2030, дальнейшее совершенствование ЭТ и ЦЭД направленно на активное внедрение технологий ИИ. В более широком контексте, в рамках общей концепции модернизации, таможенные органы переходят к сервисной модели предоставления государственных услуг, основанной на экосистемном подходе и учитывающей интересы всех участников интегрированного процесса таможенного оформления и контроля.

Интеллектуализация процессов и ориентация на сервис становятся ключевыми направлениями не только в развитии таможенных органов, но и в формировании единой таможенной экосистемы, объединяющей всех производителей и потребителей таможенных услуг.

Анализ деятельности таможенных органов России показал, что существует необходимость в совершенствовании имеющихся в подчинении инструментов, в том числе, с помощью внедрения ИИ, позволяющих интегрировать полученные результаты в целях повышения эффективности таможенного контроля.

Цель исследования — разработка концептуальной модели совершенствования ТАР и ТАВ в Российской Федерации.

Задачи исследования:

— сформулировать принципы построения концептуальной модели совершенствования указанных технологий;

— разработать структурную схему усовершенствованных ТАР и ТАВ.

Теоретическая значимость исследования заключается в развитии научных представлений об интеллектуализации автоматизированных таможенных процессов, а также в формировании концептуальных подходов к совершенствованию ТАР и ТАВ.

Практическая значимость исследования заключается в возможности применения разработанной концептуальной модели при модернизации автоматизированных технологий в таможенных органах Российской Федерации.

Следовательно, возникает необходимость в создании механизма взаимодействия участников таможенного бизнес-процесса с внедрением технологий ИИ, позволяющего создать сквозной процесс документального контроля, в результате которого все участники будут нести минимальные временные и финансовые затраты.

Прежде всего требуется произвести сбор всей необходимой информации и сведений, на основе которых будет проводится интеллектуальный анализ. Сбор будет осуществляться с помощью применения в деятельности таможенных органов системы быстрых сообщений на основе ИИ в рамках «Единого и открытого окна участника ВЭД», при должном обеспечении цифровой безопасности пользователей при работе с системой.

Пользователями системы быстрых сообщений на основе ИИ в рамках «Единого и открытого окна участника ВЭД» являются:

а) участник ВЭД;

б) таможенный пост фактического контроля;

в) пункт пропуска через государственную границу государства-члена ЕАЭС;

г) центр электронного декларирования или электронная таможня;

д) таможенный контроль после выпуска товаров [3].

Следует отметит принципы, на которых должна основываться реализация механизма обмена информацией между участниками таможенной экосистемы. Этот инструмент необходимо рассматривать как перспективный элемент в области информационных технологий, предназначенный для сбора и хранения данных «Big Data» (массив структурированной, полуструктурированной и неструктурированной информации), что в дальнейшем позволит эффективно использовать их при формировании таможенной экосистемы.

При интеграции элементов ИИ в качестве инструментов повышения эффективности таможенного контроля важно учитывать особенности их работы. Функционирование интеллектуальной таможенной системы можно условно разделить на три ключевых этапа, представленных на рисунке 1.

Рис. 1. Три этапа функционирования интеллектуальной таможенной системы [3]

Внедрение ИИ-технологий в деятельность таможенных органов оправдано, поскольку в будущем реализация их сервисно-ориентированной функции будет осуществляться с учетом экосистемного подхода к управлению таможенными процессами. Важно учитывать, что этапы анализа, обучения и принятия решений должны быть разделены на несколько последовательных процессов.

ФТС России, опираясь на принципы законности, целевого использования и доступности данных в системе быстрых сообщений, обладает потенциалом для развития институтов ИИ. Это, в свою очередь, будет способствовать созданию таможенной экосистемы, направленной на улучшение качества предоставляемых таможенных услуг.

Анализируя сферу использования технологий интеллектуальной обработки данных, можно отметить, что применение методов машинного обучения и семантического анализа в работе таможенных органов позволит эффективно задействовать предлагаемые инструменты для проведения документального контроля товаров, пересекающих таможенную границу Евразийского экономического союза.

Таблица 1

Характеристика методов ИИ, предлагаемых для внедрения в деятельность ТО

На диаграмме прецедентов представлена концептуальная модель совершенствования ТАР и ТАВ в Российской Федерации (см. рис. 2).

Процесс сквозного документального таможенного контроля с учетом внедрения ИИ-технологий в деятельность таможенных органов объединяет четырех участников в рамках таможенной экосистемы:

— декларанта;

— ЕАИС ТО;

— должностное лицо ЦЭД;

— ИИ-технологию, а именно методы машинного обучения и семантического анализа.

Рис. 2. Концептуальная модель совершенствования ТАР и ТАВ в Российской Федерации

Процесс документального таможенного контроля можно разделить на несколько ключевых технологических этапов, определяющих принятие решения о выпуске товаров или отказе в выпуске товаров:

1. Регистрация ЭДТ.
2. Проверка соблюдения условий таможенной процедуры.
3. Валютный контроль.
4. Подтверждение достоверности заявленного кода ТН ВЭД ЕАЭС и страны происхождения товара.
5. Контроль соблюдения запретов и ограничений.
6. Контроль таможенной стоимости.
7. Контроль уплаты таможенных платежей.
8. Соблюдение условий для выпуска товаров (выпуск товаров) [2].

Каждый из указанных технологических этапов (подпроцессов) обладает своими особенностями при проверке достоверности сведений, заявленных в ЭДТ. Выбор подпроцессов для внедрения интеллектуальных инструментов определяется объемом, форматом и логикой анализируемых данных. Однако в некоторых случаях возможно применение семантического анализа, поскольку инструменты, основанные на сопоставлении данных, не нуждаются в дальнейшем самообучении, в отличие от ИИ-технологий.

Рис. 3. Схема процесса документального таможенного контроля с учетом внедрения методов ИИ в автоматизированные технологии

Разделение документального контроля на несколько подпроцессов позволяет определить тип данных, с которыми взаимодействует таможенный инспектор или роботизированная система, в случае применения ТАР и ТАВ, в отношении ЭДТ.

Многие подпроцессы документального контроля могут функционировать в рамках ранее установленной алгоритмизации, однако некоторые из них можно оптимизировать для «машинной интеллектуализации» с применением когнитивного подхода к управлению технологией.

Выбор данных этапов для внедрения системы обработки информации обусловлен несколькими факторами:

— реализация интеллектуальных функций на основе комбинированного типа данных, включающего структурированные элементы различных категорий (числа, символы, данные формата дата или время);

— обучение ИИ на основе существующих баз данных и сервисов, таких как КПС «Мониторинг-Анализ», АС «Контроль таможенной стоимости», а также информации получаемой через Единый портал государственных услуг в рамках госуслуги по принятию предварительных решений о классификации товаров в соответствии с ТН ВЭД ЕАЭС;

— снижение нагрузки на таможенных инспекторов при проведении документального контроля, особенно на технологических этапах проверки достоверности заявленного кода ТН ВЭД ЕАЭС и страны происхождения, а также контроль таможенной стоимости;

— повышение правомерности проведения документального контроля в соответствии с ТК ЕАЭС.

Помимо перечисленных преимуществ, таких как сокращение времени проведения таможенного контроля и повышение обоснованности принимаемых решений, при внедрении технологий интеллектуального анализа данных необходимо учитывать и возможные негативные аспекты их применения.

Одной из ключевых сложностей при интеграции ИИ в таможенные процессы является обработка огромного объема разрозненных и неструктурированных данных. С технологической точки зрения такая система требует значительных вычислительных ресурсов и четкой регламентации алгоритмов работы с информацией, поступающей на сервер. Эти данные извлекаются посредством аналитических инструментов, и интегрированных в платформу «Единое и открытое окно участника ВЭД».

Кроме того, использование подобных технологий сопряжено с риском неконтролируемого автоматизированного улучшения рабочих процессов в таможенной сфере. Это создает необходимость в детальной регламентации принципов работы технологий ИИ в государственном секторе для предотвращения возможных сбоев или некорректных решений.

Внедрение в работу ТО инструментов семантического анализа, методов машинного обучения, создает необходимость формирования единой таможенной экосистемы. Такая система объединит существующие в различных процессах инструменты и сервисы, необходимые для эффективного управления.

При грамотном внедрении эти технологии способны положительно повлиять не только на процесс документального таможенного контроля, но и на другие этапы сквозного бизнес-процесса, благодаря возможностям машинного обучения и семантического анализа.

Таким образом, постепенное внедрение элементов ИИ в таможенную сферу является неизбежным. Однако для успешной интеграции этих технологий в процесс документального контроля необходимо четко определить их область применения и разработать детализированную стратегию внедрения, учитывая возможные риски в каждом подпроцессе. При этом важно учитывать интересы всех участников таможенного бизнес-процесса — как внутренних, так и внешних, обеспечивая поэтапное и сбалансированное внедрение новых механизмов в работу таможенных служб.

Литература:

1. Афонин П. Н., Лебедева А. Ю. Применение искусственного интеллекта для анализа массива данных, формируемых с использованием интегрированной информационной системы пункта пропуска // Вестник Российской таможенной академии. 2024. № 1. С. 97–112. URL: https://academy.customs.gov.ru.
2. Кулешов А. В., Кузьмина А. Э. К вопросу о взаимодействии центров электронного декларирования и постов фактического контроля // Сборник материалов Международной научно-практической конференции «Таможенные чтения — 2023: новые реалии внешнеэкономической деятельности: взгляд таможни, бизнеса и науки». СПб.: Российская таможенная академия, 2023. С. 99–104. URL: https://elibrary.ru.
3. Муратов Р. А., Александров Д. Л. Взаимодействие центров электронного декларирования и таможенных постов фактического контроля в условиях разделения документального и фактического таможенного контроля // Вестник Российской таможенной академии. 2022. № 2. С. 81–90. URL: https://academy.customs.gov.ru.
4. Прокопенко А. А., Макрусев В. В. Концептуальная модель экосистемы документального таможенного контроля с элементами искусственного интеллекта // Вопросы экономики и права. 2023. № 12. С. 89–96. URL: https://api.law-journal.ru.
5. Прокопенко А. А. Механизм реализации инструментов искусственного интеллекта в рамках совершенствования процесса сквозного документального и фактического таможенного контроля // Ученые записки Санкт-петербургского имени В. Б. Бобкова филиала Российской таможенной академии. 2024. № 1. С 73–77. URL: https://cyberleninka.ru.
6. Сомов Ю. И., Аникин С. Н., Нажимов Р. А., Позднякова К. Е. Актуальные вопросы применения искусственного интеллекта в деятельности таможенных органов // Вестник российской таможенной академии. 2021. № 2. С. 25–31. URL: https://academy.customs.gov.ru.
7. Сомов Ю. И., Бормотова Е. Г. Методические подходы к применению технологий искусственного интеллекта в деятельности таможенных органов // Вестник Российской таможенной академии. 2022. № 4. С. 22–30. URL: https://academy.customs.gov.ru.
8. Кудрявцев О.Е., Сеничев В.А. Перспективы применения элементов искусственного интеллекта при автоматизации таможенных операций // Вестник российской таможенной академии. 2024. № 1. С. 9-19. URL: https://academy.customs.gov.ru.