Искусственный интеллект в таможенной сфере: возможности, риски и перспективы

Введение

Цифровая трансформация органов государственной власти задает вектор для внедрения систем искусственного интеллекта (ИИ). Данные технологии сегодня позиционируются как важнейший ресурс повышения результативности контрольных и надзорных функций, что и предопределяет актуальность исследования. В таможенном регулировании внедрение ИИ-решений направлено на автоматизацию таможенных операций и таможенного контроля, интеллектуализацию системы управления рисками (СУР), создание «умной» логистической инфраструктуры и развитие цифровых сервисов для участников внешнеэкономической деятельности (ВЭД).

Особое значение приобретает применение ИИ при обработке снимков инспекционно-досмотровых комплексов (ИДК), позволяющее автоматически выявлять скрытые полости, оружие и контрабанду, а также при классификации товаров в соответствии с Товарной номенклатурой внешнеэкономической деятельности Евразийского экономического союза (ТН ВЭД ЕАЭС). Однако наряду с расширением функциональных возможностей таможенных органов интеграция ИИ сопряжена с комплексом правовых, кадровых, инфраструктурных и финансовых рисков, требующих научного осмысления и выработки практических рекомендаций.

Теоретическим основам и общим вопросам цифрового развития посвящены исследования Аксенова, И. А. [1], Кононовой, Е. А., [1], Бакаевой, О. Ю. [4], Чуприной, Е. А. [23]. Развитию «интеллектуальной таможни» уделено внимание в трудах Афонина, П. Н. [2], Багмановой, Л. В. [3], Чаплыгина, М. В. [22]. Вопросы интеграции искусственного интеллекта в систему управления рисками при таможенном контроле рассмотрены в работах Аксенова, И. А. [1], Кононовой, Е. А. [1], Зимановой, М. А. [6], Кожуханова, Н. М. [10], Самолаева, Ю. Н. [19]. Эмпирическую базу составили данные официальной отчетности Федеральной таможенной службы России (ФТС России) о результатах деятельности, а также показатели ведомственной программы цифровой трансформации ФТС России и публичные доклады о ходе ее реализации [13,14,15,16.,17].

В рамках данного исследования авторами была поставлена цель –выявить и систематизировать возможности и риски внедрения технологий ИИ в деятельность таможенных органов Российской Федерации, а также определить перспективные направления их применения.

Наибольшее внимание авторы уделили следующим вопросам:

– обобщение основных направлений внедрения ИИ в таможенное регулирование;

- представление рисков, сопровождающие интеграцию ИИ-технологий;

- оценка ресурсного обеспечения ведомственной программы цифровой трансформации и его соответствие заявленным перспективам;

- выделение приоритетных направлений внедрения ИИ в таможенное регулирование.

Возможности технологий

Феномен ИИ целесообразно рассматривать в рамках его сущностных проявлений: как междисциплинарную область научного познания, как нормативно закрепленную совокупность технологических инструментов и как прикладной механизм реализации контрольно-надзорных полномочий государства. В общенаучном понимании ИИ представляет собой интегративную сферу исследований, аккумулирующую достижения информатики, математической статистики, анализа данных, а также естественных и социально-гуманитарных дисциплин [5].

Как следует из положений Закона о проведении эксперимента по установлению специального регулирования в сфере искусственного интеллекта в городе Москве [13], под ИИ понимается совокупность технологий, воспроизводящих познавательные функции человека. Ключевыми характеристиками такого комплекса выступают самообучение и генерация решений в условиях, не описанных жесткими алгоритмами. Данный комплекс охватывает информационно-коммуникационную инфраструктуру, специализированное программное обеспечение (в том числе построенное на методах машинного обучения), а также совокупность процессов и сервисов по обработке информационных массивов и генерации решений, сопоставимых по качеству с результатами мыслительной деятельности человека.

Применительно к таможенной сфере ИИ трансформируется в инструментарий, воспроизводящий аналитические, классификационные и прогностические функции должностного лица. Как отмечают Кожуханов Н. М. и Сомов Ю. И. [10,19] в таможенном регулировании ИИ-решения ориентированы на автоматизацию документального контроля и вероятностную оценку рисков нарушения законодательства при трансграничном перемещении товаров.

Интеграция технологий ИИ в деятельность ФТС России осуществляется по нескольким ключевым направлениям, каждое из которых охватывает процессы таможенного регулирования. Данные направления представлены в таблице.

Таблица

Основные направления внедрения искусственного интеллекта в таможенное регулирование

Представленные результаты свидетельствуют о стремлении к минимизации человеческого фактора, ускорению товарооборота и повышению точности аналитических операций, что в совокупности формирует основу для перехода к модели «интеллектуальной таможни».

ИИ в таможенной сфере открывает новые возможности для повышения эффективности контроля, ускорения процедур и обеспечения безопасности границ. Технологии ИИ применяются в различных аспектах таможенного администрирования, включая анализ данных, досмотр грузов, управление рисками и автоматизацию рутинных задач.

Следует отметить, что данные ФТС России за 2023-2025 годы позволяют оценить эффективность внедрения технологий ИИ. Систематизация значимых показателей представлена в таблице.

Таблица

Показатели деятельности Федеральной таможенной службы России

Приведенные показатели отражают поступательное развитие ИИ-технологий в таможенном регулировании. Фиксируется рост результативности СУР, сокращение времени выпуска товаров, увеличение доли авторегистрации и автовыпуска деклараций на товары. В то же время отдельные индикаторы (автоматизация посттаможенного контроля, автовыпуск по импорту) демонстрируют нестабильную динамику, что свидетельствует о необходимости дальнейшего совершенствования технологических решений и методического обеспечения.

Риски внедрения искусственного интеллекта

Анализ нормативной базы обнаруживает ряд юридических пробелов, сдерживающих легитимную интеграцию ИИ-технологий в работу таможенных органов [11]:

1. Терминологическая неопределённость.

2. Юридический статус алгоритмических решений.

3. Распределение юридической ответственности.

4. Защита прав участников ВЭД при автоматизированных решениях.

5. Информационная безопасность и защита персональных данных.

Таможенный кодекс Евразийского экономического союза (ТК ЕАЭС) и российское таможенное законодательство не содержат дефиниций понятий «электронная таможня», «цифровая таможня», «интеллектуальная таможня». Активно применяемые в стратегических документах и оперативной деятельности ФТС России, данные концепты остаются без законодательного закрепления, что порождает правовую неопределенность и затрудняет правоприменение.

СУР все шире задействует методы машинного обучения для профилирования участников ВЭД и селекции объектов таможенного контроля. Статья 376 ТК ЕАЭС определяет таможенный риск как вероятность несоблюдения нормативных требований [21]. Фактически алгоритмы предопределяют, какие товары и субъекты подвергнутся углубленному контролю, однако правовой режим таких решений остается неурегулированным: неясно, относятся ли они к ненормативным актам, подлежат ли обжалованию, каков механизм их пересмотра.

Законодательство базируется на презумпции принятия решения должностным лицом таможенного органа. Когда же решение генерируется алгоритмом и лишь формально визируется таможенным органом (либо принимается автоматически), возникает вопрос о субъекте ответственности за ошибочный результат. Ни Федеральный закон от 03.08.2018 № 289-ФЗ «О таможенном регулировании в Российской Федерации», ни Кодекс Российской Федерации об административных правонарушениях не регламентируют ответственность за вред, обусловленный сбоями алгоритмических систем.

Автовыпуск товаров либо автоматическое назначение таможенного досмотра на основе ИИ-алгоритмов затрагивают законные интересы бизнеса. При этом декларант, как правило, лишен информации о критериях, которыми руководствовался алгоритм, и не способен результативно оспорить решение, базирующееся на непрозрачной логике машинного обучения. Подобная ситуация противоречит принципу гласности таможенного регулирования.

ИИ-технологии в таможенной сфере сопряжены с обработкой значительных информационных массивов, охватывающих персональные данные, коммерческую и таможенную тайну. Режим обработки таких сведений интеллектуальными системами нуждается в специализированном регулировании, учитывающим как требования Федерального закона от 27.07.2006 № 152-ФЗ «О персональных данных», так и отраслевую специфику.

Отдельного внимания заслуживает подготовка персонала. Интеграция ИИ сопряжена с трансформацией процессов и компетенций, что провоцирует дефицит профильных кадров, инерцию корпоративной среды и сопротивление изменениям.

Показателен опыт таможни Дубая, внедривший программу обучения на основе виртуальной реальности для отработки навыков обнаружения запрещенных предметов среди товарных партий. Геймификация учебного процесса с начислением баллов за результативность способствует повышению квалификации инспекторов [4].

Масштаб требуемых вложений иллюстрируют данные Ведомственной программы цифровой трансформации ФТС России на 2024-2028 гг. – свыше 12,2 млрд. руб. [14]. Ключевой угрозой выступают технологические сбои, спровоцированные внешними и внутренними факторами.

В условиях текущей политической конъюнктуры фиксируются пиковые значения кибератак на инфраструктуру ФТС России, периодические отказы единой информационной системы [8]. При плановом задании перечислений в бюджет на 2026 год в размере 126,02 млрд. руб. 1 день простоя всей таможенной службы оборачивается прямыми потерями свыше 345,3 млн. руб. [14], что переводит проблему отказоустойчивости ИИ-систем в разряд рисков национального масштаба.

В настоящее время продолжается создание отказоустойчивой телекоммуникационной инфраструктуры таможенных органов на основе импортозамещения. По данным ФТС России [9], в 2024 году построено 546 отказоустойчивых телекоммуникационных узлов (ОТКУ), из которых 279 (51%) функционируют на отечественном оборудовании, а 267 (49%) – на импортном. Два узла размещены на новых территориях Российской Федерации. Обеспечен бесперебойный информационный обмен между таможенными органами.

Перспективные направления

При классификации товаров в таможенных целях инструментарий ИИ задействуется в нескольких ключевых направлениях.

Во-первых, это интеллектуальный анализ значительных массивов данных о характеристиках товаров, их кодовых обозначениях, изображениях и прецедентах ранее принятых классификационных решений. Алгоритмическая обработка такой информации позволяет выявить устойчивые закономерности и сформулировать более точные критерии отнесения товара к определенной подсубпозиции, нивелируя вероятность ошибки, обусловленной субъективным усмотрением специалиста.

Во-вторых, применяется обучение на основе ранее классифицированных объектов: система самостоятельно определяет, какие именно свойства и параметры товаров являются наиболее релевантными для корректного присвоения кода ТН ВЭД ЕАЭС.

В-третьих, автоматизация классификационного процесса предполагает формирование единого информационного пространства, реализованного в виде удаленного виртуального облака в сфере ВЭД. Подобная архитектура обеспечивает взаимосвязанную работу участников ВЭД и существенно ускоряет процедуры таможенного контроля.

Помимо этого, ИИ выступает инструментом поддержки принятия решений, опирающимся на нормативно-правовую базу ТК ЕАЭС. Система предлагает оптимальные варианты классификации, основанные на анализе регуляторных требований и правил, что способствует принятию инспекторами более обоснованных и мотивированных решений [23].

Стоит отметить, что такие системы способны действовать как в качестве рекомендательного сервиса для инспектора, так и в режиме полностью автономного агента, принимающего решения на основе структурированной и неструктурированной информации [7].

В настоящее время в рамках функционирования СУР на территории Российской Федерации задействован комплекс технологий ИИ, каждая из которых ориентирована на решение специфических задач на различных этапах таможенного контроля.

К числу таких технологий относится машинное обучение, обеспечивающее прогнозирование рисков на основе ретроспективного анализа данных. Машинное обучение задействуется при пересечении таможенной границы для автоматической идентификации товаров с повышенным риском.

Big Data (большие данные) позволяет осуществлять обработку значительных информационных потоков в режиме реального времени. Данная технология обеспечивает многопарметрический анализ (свыше 150 критериев) для комплексной оценки угроз. Остальные инструменты направлены на ускорение регистрационных процедур, анализ содержимого контейнеров и повышение точности детекции нарушений маркировки и целостности пломб.

Нейронные сети применяются для автоматизированной интерпретации рентгенографических снимков; Deep Learning (глубинное обучение) специализируется на выявлении сложных визуальных паттернов; NLP (обработка естественного языка) используется для анализа текстовой документации на предмет несоответствий; OCR (оптическое распознавание символов) обеспечивает автоматическую оцифровку и верификацию документов [18].

Дополнительным инструментом выступает технология извлечения сущностей (entity extraction), предназначенная для автоматической идентификации и категоризации ключевых реквизитов: наименований организаций, дат, денежных сумм и регистрационных номеров документов.

Применительно к таможенной сфере данная технология ориентирована на обработку сертификатов происхождения, инвойсов, транспортных накладных и иной сопроводительной документации, необходимой для таможенного декларирования. Алгоритмическое извлечение данных сопряжено с автоматической верификацией их соответствия установленным требованиям (по 15 контрольным параметрам), выявление расхождений и ошибок, а также автозаполнением соответствующих полей в электронных формах документов [15].

Подобный подход обеспечивает существенное сокращение временных затрат на документарный контроль, минимизацию ошибок ручного ввода и повышение производительности контролирующих органов.

Комплекс программных средств (КПС) «Постконтроль» реализует сквозную автоматизацию жизненного цикла данных таможенных проверок, интегрируя потоки накопления, обработки и интеллектуального анализа на базе Единой автоматизированной информационной системы таможенных органов (ЕАИС ТО).

В инструментарий заложен механизм удаленного взаимодействия с участниками ВЭД: платформа личного кабинета позволяет дистанционно инспектировать результаты таможенного контроля, инициировать подачу мотивированных возражений и исполнять требования о представлении документации в ответ на запросы таможенного органа. Апробирована технология прямого онлайн-доступа к информационным базам уполномоченных экономических операторов (УЭО), обеспечивающая автоматическое сличение инвойсовых и декларационных данных без участия инспектора.

Информационная база таможенного контроля после выпуска товаров (ТКПВТ) формируется за счет интеграции внутриведомственных и внешних государственных ресурсов. Межведомственный информационный обмен позволяет консолидировать значительные объемы транзакционных и фискальных сведений, что открывает возможности для комплексного анализа индикаторов нарушений и автоматизированного отбора объектов пост-контроля. Приоритетным направлением развития признается интеграция с Федеральной налоговой службой России (ФНС России), требующее по мнению ряда исследователей, трансформации на основе «облачных» вычислительных мощностей.

При отборе объектов контроля задействуется совокупность сведений, накопленных в информационно-программных средствах ЕАИС ТО. Следует подчеркнуть, что в КПС «Постконтроль» уже внедрен ряд технологий автоматизированного отбора объектов ТКПВТ, базирующихся на результатах категорирования участников ВЭД [12].

Федеральным законом № 401-ФЗ от 20 октября 2022 года ратифицировано Соглашение, вступившее в силу 3 апреля 2023 года и заложившее регуляторную базу для внедрения в практику ЕАЭС электронных навигационных пломб (ЭНП). Документом регламентирован сквозной механизм контроля за перемещением объектов мониторинга по территориям двух и более государств-членов. В основе нововведения лежит стремление к технологической модернизации трансграничной логистики и снижения контрольной нагрузки: предполагается последовательное замещение традиционных форм государственного надзора автоматизированной системой пломбирования и дистанционного слежения за товарами, следующими по таможенной территории Союза

Технической основой системы выступает технология ГЛОНАСС, обеспечивающая защиту транзитных грузов от несанкционированного вскрытия. Сама ЭНП представляет собой устройство, интегрирующее механический элемент запирания и электронный блок, которое функционирует с использованием спутниковых навигационных систем и передает данные об объекте отслеживания. В электронной памяти устройства содержится полный объем информации об отправителе, получателе, маршруте следования и характеристиках перевозимого груза.

Функциональные возможности ЭНП позволяют:

- в режиме реального времени контролировать местоположение и сохранность транзитных грузов;

- нивелировать влияние человеческого фактора и исключить нарушения таможенного законодательства при проверочных процедурах;

- кратно сокращать время доставки товаров и продолжительность таможенного контроля;

- повышать транспортную безопасность;

- обеспечивать внедрение электронного документооборота в сфере международных грузоперевозок [19].

Функциональная основа интеллектуального пункта пропуска базируется на четырех основных принципах: система интеграции видов контроля, исключение субъективного влияния, прозрачность процедур и высокая скорость обработки данных.

Принцип системой интеграции реализуется с помощью объединения таможенного, транспортного, ветеринарного и фитосанитарного контроля в едином информационном контуре, что позволяет синхронизировать контрольные операции, сократить время проверки и предотвратить образование скоплений транспортных средств на выезде. Снижение роли человеческого фактора обеспечивается роботизацией рутинных операций, благодаря чему нивелируются риски случайных ошибок и проявлений коррупционного характера. Прозрачность процесса гарантируется формированием нередактируемого цифрового следа всех контрольных мероприятий. В свою очередь, оперативность управленческих решений обеспечивается способностью системы в режиме реального времени транслировать верифицированные результаты сканирования и документарных проверок уполномоченным должностным лицам для незамедлительного санкционирования пропуска транспортных средств [6].

«Дорожная карта» Стратегии-2030 предусматривает полномасштабное развертывание сети интеллектуальных пунктов пропуска к концу десятилетия, однако отдельные элементы цифровой экосистемы введены в промышленную эксплуатацию. В частности, функционирует сервис на базе ИИ, специализирующийся на анализе рентгенографических изображений ИДК. В текущей конфигурации алгоритм способен классифицировать товарные партии по пяти укрупненным группам, включая обувь, одежду, ткани и древесные плиты.

Точность детекции варьируется от 80,5%, в среднем до 95% по отдельным товарным позициям, а продолжительность анализа одного снимка не занимает минуты, завершаясь автоматическим формированием заключения о профиле рисков. Идет дообучение нейросетевой модели, направленное на выявление оружия, боеприпасов и наркотических средств. По завершении этого этапа полный цикл сканирования и распознавания будет укладываться в 5-7 минут, причем при полном исключении контакта водителя с контролирующими органами. Модели интеллектуальных пунктов пропуска уже специфицированы применительно ко всем видам транспорта [3].

Роботизация систем таможенного досмотра повышает скорость и результативность таможенного контроля при одновременном снижении профессиональных рисков для должностных лиц таможенных органов. Алгоритмы компьютерного зрения и распознавания образов позволяют выявить контрабанду, включая идентификацию наркокурьеров с применением сканеров персонального досмотра. Технологии блокчейна и интернета вещей (IoT) повышают прозрачность и защищенность таможенных операций, оптимизируя взаимодействие с участниками ВЭД.

Блокчейн гарантирует неизменность сведений о происхождении и цепочках движения товаров, а IoT обеспечивает непрерывный мониторинг параметров товара (температура, влажность, геолокация, состояние) в реальном времени, способствуя выявлению отклонений от нормативных требований. Перспективно также применение дронов и беспилотных аппаратов для дистанционного наблюдения за таможенной инфраструктурой и фиксации правонарушений [2].

Финансовое обеспечение перечисленных направлений отражено в таблице.

Таблица

Бюджетное финансирование Федеральной таможенной службы России, млрд. руб.

Приведенные данные свидетельствуют о существенном увеличении бюджетных ассигнований на ведомственный проект цифровой трансформации ФТС России: с 0,61 млрд. руб. в 2024 году до 4,78 млрд. руб. в 2028 году (рост почти в 8 раз). При этом общий объём финансирования ФТС России, достигнув пика в 2026 году (126,02 млрд руб.), сокращается в 2027-2028 гг. до 113,52 и 117,95 млрд. руб. соответственно. Таким образом, на фоне незначительного снижения совокупного бюджета службы происходит кратный рост целевых инвестиций в цифровую трансформацию. Это создаёт финансовую основу для внедрения рассмотренных выше технологий ИИ, однако одновременно повышает риски, связанные с отказоустойчивостью и безопасностью создаваемых систем, особенно в условиях сокращения общего объёма финансирования.

Заключение

Таким образом, с учетом современных тенденций внедрение искусственного интеллекта в таможенное регулирование носит системный, но неравномерный характер. Выявленные риски имеют разноуровневый характер. Правовые риски обусловлены отсутствием законодательно закрепленных дефиниций и формального статуса алгоритмических решений, что порождает «серую зону, юридической ответственности. Кадровые риски связаны с дефицитом компетенций на стыке таможенного дела и Data science. Инфраструктурные риски усугубляются зависимостью от импортного оборудования и ростом киберугроз.

Кратный рост бюджетных ассигнований на ведомственный проект происходит на фоне сокращения общего бюджета ФТС России, что свидетельствует о форсированном перераспределении ресурсов в пользу ИИ-проектов, что повышает уязвимость операционной деятельности службы в случае технологических сбоев.

Стратегическим направлением преодоления сложившихся проблем выступает развитие нормативной базы, человеческого капитала и технологического суверенитета. Без устранения этих пробелов риски могут нивелировать ожидаемый эффект от цифровой трансформации.

Искусственный интеллект в таможенном регулировании представляет собой сложный организационно-технологический вызов, требующий комплексного управления рисками и взвешенной государственной политики, сочетающей поставленные целей с реалистичностью ресурсных ограничений.