Роль внедрения инструментов искусственного интеллекта в процессы осуществления таможенных операций и таможенного контроля при построении концептуальной модели таможенной экосистемы

Вернуться на страницу статьи
Скачать статью в PDF

Роль внедрения инструментов искусственного интеллекта в процессы осуществления таможенных операций и таможенного контроля при построении концептуальной модели таможенной экосистемы

Денисов С.Г.

Северо-Западный институт управления – филиал ФГБОУВО «Российская академия народного хозяйства и государственной службы при президенте Российской Федерации»

Аннотация:

В статье рассматривается механизм внедрения инструментов искусственного интеллекта на основе создания системы быстрых сообщений между участниками таможенного бизнес-процесса с целью дальнейшего построения концептуальной модели таможенной экосистемы, роль искусственного интеллекта в модернизации таможенного контроля и его влияние на обеспечение национальной безопасности, исследованы зоны практической реализации искусственного интеллекта в интересах совершенствования таможенных услуг, показан принцип работы интеллектуальной таможенной системы, технологические драйверы и вызовы применения искусственного интеллекта в обеспечивающих таможенных процессах.

Ключевые слова:

искусственный интеллект, таможенный контроль, процессный подход, сквозной процесс, когнитивный подход, таможенная экосистема, таможенный бизнес-процесс, машинное обучение, управление рисками.

Abstract:

The article examines the mechanism of introducing artificial intelligence tools based on creating a system of quick messages between participants in the customs business process in order to further build a conceptual model of the customs ecosystem, the role of artificial intelligence in modernizing customs control and its impact on ensuring national security, the areas of practical implementation of artificial intelligence in order to improve customs services, the principle of operation of an intelligent customs system, and the technological drivers and challenges of using artificial intelligence in supporting customs processes.

Keywords:

artificial intelligence, customs control, process approach, end-to-end process, cognitive approach, customs ecosystem, customs business process, machine learning, risk management

Таможенная служба России на сегодняшний день осуществляет динамичное и устойчивое развитие путём совершенствования таможенного администрирования с целью оказания более качественных таможенных услуг участникам внешнеэкономической деятельности (далее – участникам ВЭД).

Ключевым направлением в развитии стало широкомасштабное внедрение электронного декларирования, электронных таможенных органов, применение технологии «удалённого выпуска» [1]. Благодаря интеграции механизмов автоматической регистрации и автоматического выпуска декларации на товар значительно сократилось время совершения таможенных операций в отношении товаров и товарных партий, по которым не выявлен таможенный риск.

Однако добиться дальнейшего устойчивого развития институтов таможенной службы можно путём совершенствования имеющихся в подчинении инструментов, а также с помощью внедрения инструментов искусственного интеллекта (далее – ИИ), позволяющих интегрировать полученные ранее результаты, тем самым повышая результативность таможенного контроля [2].

С целью осуществления внедрения инструментов, построенных на основе интеллектуального анализа данных, необходимо первоначально осуществить их сбор путём применения в деятельности таможенных органов системы быстрых сообщений на основе искусственного интеллекта в рамках «Единого и открытого окна участника ВЭД» [3]. Однако, важно отметить, что при внедрении такого инструмента в деятельность таможенных органов необходимо обеспечить цифровую безопасность пользователей при работе с системой.

Рассматривая область применения технологий интеллектуальной обработки данных, можно отметить, что внедрение машинного обучения в деятельность таможенных органов позволит использовать предлагаемые инструменты для осуществления фактического и документального таможенного контроля товаров, перемещаемых через таможенную границу Евразийского экономического союза (далее – ЕАЭС) [4].

Также стоит сказать о принципах, на основе которых должна произойти реализация механизма обмена информацией между участниками таможенной экосистемы. Данный инструмент необходимо оценить как перспективный с точки зрения информационных технологий элемент сбора и хранения «BigData» данных c целью дальнейшего использования таковых в процессе построения таможенной экосистемы [5].

При внедрении элементов ИИ в качестве инструментов, позволяющих оптимизировать проведение таможенного контроля, следует учитывать особенности их функционирования [6]. Принципы работы интеллектуальной таможенной системы можно кратко описать в трех основных этапах, которые показаны на рис.1.

В соответствии со Стратегией научно-технологического развития Российской Федерации, утвержденной Указом Президента Российской Федерации от 28.02.2024 № 145 [7], Федеральная таможенная служба России особое внимание уделяет внедрению технологий ИИ в процессы фактического и документального таможенного контроля, поскольку их применение позволяет не только сокращать время обработки большого объёма данных, но и повышать точность анализа совокупности данных за счёт расширения размерности пространства анализируемых признаков нарушения таможенного законодательства [8]. В этой связи, общей целью проводимых исследований является повышение эффективности таможенного контроля в условиях цифровой трансформации с учётом технологических драйверов реализации стратегии национальной безопасности России [9], а конкретные зоны их практической реализации можно визуализировать так, как показано на рис. 2.

Проведенное исследование позволяет констатировать факт, что ИИ на сегодняшний день становится ключевым инструментом для трансформации таможенного контроля, помогая автоматизировать процессы, повысить точность анализа данных и выявить потенциальные нарушения на ранних стадиях. К технологическим драйверам ИИ в таможенном контроле следует отнести ключевые технологии, представленные на рис. 3.

Целесообразность внедрения в деятельность таможенных органов технологий машинного обучения обусловлена тем, что в дальнейшем осуществление сервисно-ориентированной функции таможенных органов будет производиться с учетом внедрения «экосистемного» подхода к управлению таможенным делом [11]. Однако необходимо учитывать тот факт, что механизм «анализа», «обучения» и «принятия решения» должен быть разделен на несколько этапов (процессов).

Основываясь на принципах законности, целевого применения и доступности по отношению к данным, обращаемых в системе быстрых сообщений Федеральная таможенная служба России имеет потенциал к развитию институтов искусственного интеллекта в целях создания таможенной экосистемы, направленной на повышение качества таможенных услуг [12].

При анализе процессного подхода к внедрению элементов искусственного интеллекта был рассмотрен процесс документального таможенного контроля в ПЗ «РМ СТО». Проведение документального контроля в рамках данного программного средства разделено на несколько технологических этапов, а именно [13]:

  1. Регистрация декларации на товары.
  2. Соблюдение условий таможенной процедуры.
  3. Валютный контроль.
  4. Проверка достоверности заявленного кода ТН ВЭД ЕАЭС и страны происхождения.
  5. Соблюдение запретов и ограничений.
  6. Контроль таможенной стоимости.
  7. Контроль уплаты таможенных платежей.
  8. Соблюдение условий выпуска (выпуск товаров).

Благодаря такому разделению документального контроля на ряд подпроцессов можно определить тип данных, с которыми происходит работа должностного лица таможенного органа или роботизированной системы (в случае применения к декларации на товар механизмов автоматической регистрации или автоматического выпуска).

Многие подпроцессы документального контроля могут функционировать в рамках установленной ранее алгоритмизации, однако ряд подпроцессов можно оптимизировать под «машинную интеллектуализацию» с учетом когнитивного подхода к управлению технологией.

Выбор данных этапов, в части применения к ним системы обработки информации, обусловлен несколькими причинами:

  1. Реализация интеллектуальных функций на основе комбинированного типа данных (структурированный тип, объединяющий разнотипные компоненты (поля) данных (числовых, символьных, данных типа дата/время)) [14].
  2. Обучение ИИ на основе существующих баз данных (сервисов). К ним относятся (КПС «Мониторинг – Анализ», АС «Контроль таможенной стоимости», данные, получаемые с ЕПГУ в рамках предоставления госуслуги по принятию предварительных решений о классификации товара в соответствии с ТН ВЭД ЕАЭС при внедрении в управление таможенным делом экосистемы) [15].
  3. Снижение нагрузки на должностных лиц таможенных органов в рамках проведения документального таможенного контроля на технологических этапах проверки достоверности заявленного кода ТН ВЭД ЕАЭС, страны происхождения и контроля таможенной стоимости.
  4. Повышение правомерности проводимого документального таможенного контроля в соответствии с таможенным кодексом ЕАЭС.

Помимо вышеперечисленных преимуществ, при внедрении ИИ в деятельность таможенных органов в виде сокращения времени проведения таможенного контроля и повышения правомерности принимаемых решений, стоит учитывать также негативные аспекты внедрения технологий интеллектуального анализа данных [16]. Таким образом, можно констатировать, что несмотря на значительный потенциал ИИ в таможенном контроле его внедрение сопряжено с определёнными вызовами, представленными на рис. 4.

Основной проблемой в области внедрения ИИ является большой массив неструктурированных и слабо связанных между собой данных [17]. С технической точки зрения такой инструмент требует больших вычислительных мощностей и чёткой регламентации работы вычислителя с предоставляемыми на сервер данными, полученными в ходе «майнинга» при помощи системы «Единого и открытого окна участника ВЭД» [18].

Также при внедрении такой технологии существует риск бесконтрольной оптимизации машинным обучением деятельности в области таможенного дела, из-за чего возникает острая необходимость в точной регламентации деятельности ИИ в сфере государственного управления.

На сегодняшний день на территории страны функционируют 315 пунктов пропуска, 87 из которых включены в перечень приоритетных, обеспечивая более половины грузооборота страны. За период с 2021 по 2024 год, проведена комплексная модернизация 14 пунктов пропуска из 87 приоритетных. Важнейшей задачей, которую необходимо выполнить до 2030 года, является исполнение поручения Президента по сокращению времени осмотра грузового транспорта до 10 минут в 55 автомобильных пунктах пропуска и в 5 пунктах пропуска на Дальнем Востоке к концу 2026 года. Этому поспособствует активное внедрение инновационных решений, нацеленных на сокращение времени прохождения государственной границы. Одним из них стала реализация концепции интеллектуального пункта пропуска, который предусматривает генерацию и использование данных для проведения контрольных операций. Первый образец уже разработан и внедрен в эксплуатацию на базе пункта пропуска Тагиркент-Казмаляр на азербайджанской границе [19] .

Упорядочиванию очередей грузовых транспортных средств перед автомобильными пунктами пропуска также поспособствовало внедрение системы электронной очереди — бесплатного цифрового сервиса, позволяющего грузоперевозчикам экономить время при пересечении государственной границы. В настоящее время система внедрена в трех автомобильных пунктах пропуска: Чернышевское на границе с Литвой, Бугристое на границе с Казахстаном и Забайкальск на границе с Китаем.

Таким образом стоит подчеркнуть необходимость реализации комплексных технических решений на основе цифровых технологий с использованием интернета вещей, анализа больших данных и искусственного интеллекта и отметить значимость унификации и синхронизации усилий стран — членов ЕАЭС по обустройству и модернизации таможенной инфраструктуры на внешнем контуре Евразийского экономического союза.

Это означает, что в обозримом будущем можно будет размышлять о дальнейшей адаптации технологии к иным подсистемам таможенных органов, в том числе постепенно применять ее в деятельности ЦЭД, таможенного поста фактического контроля, а также для осуществления проверки деятельности лиц после выпуска товаров.

Оценка эффективности, предполагаемой концептуальной модели автоматизированного документального таможенного контроля, во многом зависит от реализации подобных кросс-платформ с элементами машинного обучения на уровне параллельных таможенных процессов (процесс пересечения границы, процесс завершения таможенного транзита, процесс фактического таможенного контроля и процесс таможенного контроля после выпуска товара). Однако внедрение подобных кросс-платформ, позволяющих объединить механизмы управления таможенным делом, ограниченно в виду различного технологического и управленческого потенциала элементов таможенного бизнес-процесса.

При внедрении в деятельность таможенных органов инструментов семантического анализа, а впоследствии технологий на основе ИИ, возникает потребность в создании таможенной экосистемы, которая позволит объединить имеющиеся на каждом из процессов инструменты и сервисы, необходимые для реализации функций процессного управления.

Однако предполагаемая гипотетическая оценка достигаемого эффекта от внедрения инструментов интеллектуального анализа и дальнейшего применения экосистемного подхода к функционированию деятельности таможенных органов дана без учета дальнейших синергических изменений в функционировании по результатам внедрения ИИ в деятельность таможенных органов. Важно понимать, что такое нововведение при грамотной реализации способно оказать положительное влияние не только на процесс документального таможенного контроля, но и на другие этапы сквозного таможенного бизнес-процесса за счёт машинного самообучения.

Иными словами, концептуальная модель таможенной экосистемы, описывающая структуру, функции и технологии, необходимые для эффективного управления таможенными процессами с учётом экосистемного подхода может быть направлена на:  оптимизацию таможенного контроля с помощью внедрения элементов ИИ; создание единой таможенной экосистемы, объединяющей инструменты и сервисы, необходимые для управления различными процессами и гармонизацию решений таможенных структур с потребностями и возможностями потребителей таможенных услуг.

Таким образом, можно констатировать, что постепенное внедрение элементов ИИ в деятельность таможенных органов является необратимым процессом, при этом для наиболее оптимального внедрения исследуемой технологии в процесс сквозного документального и фактического контроля необходимо чётко регламентировать сферу применения ИИ, инструментария интеллектуального анализа, и смоделировать дорожную карту с учётом всех имеющихся в той или иной подсистеме рисков такого внедрения. При этом осуществляя поэтапное внедрение механизмов ИИ в деятельность таможенных органов необходимо учитывать интересы всех участников сквозного таможенного бизнес-процесса, как внешних, так и внутренних.

Список литературы

  1. Макрусев В.В. Актуальные аспекты реализации концепции сервисно-ориентированного таможенного администрирования // Таможенное дело. – 2017. – № 2. – С. 13–17.
  2. Афонин П.Н., Лебедева А.Ю. Интеллектуальные пункты пропуска как инструмент развития сферы услуг экономики регионов: монография. Санкт-Петербург: Общество с ограниченной ответственностью «Издательский центр «Интермедия», 2024. – 175 с.
  3. Стратегия развития таможенной службы Российской Федерации до 2030 года: распоряжение Правительства РФ от 23 мая 2020 г. № 1388-р // Собрание законодательства РФ. – 2023.
  4. Филиппова Л.А., Васина Е.Н., Никитченко И.И., Сомов Ю.И. Технологии искусственного интеллекта для таможенного контроля // Вестник Российской таможенной академии. – 2022. – № 2. – С. 91–97.
  5. Афонин Д.Н. Перспективы применения концепций Data Mesh и Data Fabric в ФТС России // Ученые записки Санкт-Петербургского имени В.Б. Бобкова филиала Российской таможенной академии. – 2024. – № 4(92). – С. 18-20.
  6. Прокопенко А.А. Механизм реализации инструментов искусственного интеллекта в рамках совершенствования процесса сквозного документального и фактического таможенного контроля // Учёные записки Санкт-Петербургского имени В.Б. Бобкова филиала Российской таможенной академии. – 2024. – № 1 (89). – С. 73–77.
  7. Указ Президента РФ от 28.02.2024 № 145 «Об утверждении Стратегии научно-технологического развития Российской Федерации» // Собрание законодательства РФ. 2024.
  8. Афонин П.Н. Искусственный интеллект в таможенном контроле: технологические драйверы реализации стратегии национальной безопасности // Учёные записки Санкт-Петербургского имени В.Б. Бобкова филиала Российской таможенной академии. – 2024. – № 4(92). – С. 21–26.
  9. Указ Президента Российской Федерации от 02.07.2021 № 400 «О Стратегии национальной безопасности Российской Федерации» // Собрание законодательства РФ. 2023.
  10. Афонин П.Н. Искусственный интеллект и информационные таможенные технологии: этические нормы оценки // Таможенные чтения – 2023: Новые реалии внешнеэкономической деятельности: взгляд таможни, бизнеса и науки: Сборник материалов Международной научно-практической конференции, Санкт-Петербург, 21–23 ноября 2023 г. – СПб: Российская таможенная академия, 2023. – С. 15–18.
  11. Афонин П.Н., Краснова А.И., Теньков П.Н., Яргина Н.Ю. Моделирование таможенных информационных систем: учебное пособие. СПб: Российская таможенная академия, 2020. – 128 с.
  12. Афонин П.Н., Лебедева А.Ю. Зависимость таможенных услуг в интеллектуальном пункте пропуска от колебательных процессов развития технологий и искусственного интеллекта // Цифровые технологии и право: сборник научных трудов II Международной научно-практической конференции В 6 т., Казань, 22 сентября 2023 года. Казань: Издательство «Познание», 2023. – С. 10–15.
  13. Афонин Д.Н. Цифровые технологии в системе прослеживаемости товаров при таможенном контроле // Цифровые технологии и право: Сборник научных трудов I Международной научно-практической конференции. В 6-ти томах, Казань, 23 сентября 2022 года. Том 1. – Казань: Издательство "Познание", 2022. – С. 30-34.
  14. Любкина Е.О., Макрусев В.В. Искусственный интеллект в системе таможенного администрирования: теоретико-методологические положения и модели // Экономика. Информатика. – 2023. – Т. 50. № 2. – С.257– 275.
  15. Мантусов В.Б., Афонин Д.Н., Афонин П.Н., Данько Д.Ю. Цифровой фактический контроль: тренд современности: монография. Российская таможенная академия, Санкт-Петербургский имени В.Б. Бобкова филиал. СПб: Российская таможенная академия, 2019. – 200 с.
  16. Афонин Д.Н. Инновационные технологии таможенного контроля морских контейнеров // Бюллетень инновационных технологий. – 2025. – Т. 9. – № 3(35). – С.-14.
  17. 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(66). – С. 97–112.
  18. Афонин П.Н. Информационное обеспечение в таможенных органах: учебник. СПб: Российская таможенная академия, РИО Санкт-Петербургского имени В.Б. Бобкова филиала, 2018. – 267 с.
  19. Первый интеллектуальный пункт пропуска разработан на российско-азербайджанской границе [Электронный ресурс] // URL: объясняем.рф/articles/news/pervyy-intellektualnyy-punkt-propuska-razrabotan-na-rossiysko-azerbaydzhanskoy-granitse-/.

Вернуться на страницу статьи
Скачать статью в PDF



Ссылка для цитирования: Денисов С.Г. Роль внедрения инструментов искусственного интеллекта в процессы осуществления таможенных операций и таможенного контроля при построении концептуальной модели таможенной экосистемы // Бюллетень инновационных технологий. – 2025. – Т. 9. – № 4 (36). – С. 22-27. – EDN TEBVDK.