Het huidige digitale tijdperk kent innovatie op innovatie. Ook in het classificatielandschap staat de tijd niet stil. Hoe moeilijk kan het eigenlijk ook zijn, een product voorzien van een 10-cijferige goederencode?
Met 99 hoofdstukken, 1250 GS-posten en meer dan 17.000 TARIC-codes is het classificatielandschap een uitgestrekte wereld met een groot scala aan goederencodes. Daarbij biedt AI misschien de mogelijkheid om de kans op een onjuiste goederencode voor uw bedrijf te verminderen. Werk dat normaal door mensen wordt uitgevoerd en heel arbeidsintensief is, kan door AI veel sneller worden uitgevoerd. De vraag is en blijft echter wel of AI dat even zorgvuldig doet als de mens. Onze ervaring is niettemin dat in heel veel gevallen ‘überhaupt’ niet serieus is gekeken naar de classificatie en dus ook geen menselijke tussenkomst heeft plaatsgevonden. Voorbeelden van honderden zeer verschillende goederen – waarbij slechts één goederencode wordt gebruikt – komen geregeld voor. Het gebruik van AI zal dan snel tot verbetering leiden.
Probleem in dit kader is dat we ook vaak horen dat de goederencode door de Douane niet wordt gewijzigd. Is dit dan ‘goedgekeurd’ of ‘gedoogd’ door de Douane? Nee! Veelal worden controles niet of nauwelijks uitgevoerd wegens het gebrek aan capaciteit om elke zending te controleren op de juiste goederencode. Feit is echter ook dat de Douane met gebruikmaking van AI steeds efficiënter zal kunnen vaststellen welke goederencodes fout zijn.
Op de markt in het classificatielandschap zijn steeds meer digitale tools gebaseerd op AI beschikbaar. Deze tools werken op basis van machine learning en deep learning. Machine learning is een vorm van kunstmatige intelligentie die gericht is op het bouwen van systemen die van de verwerkte data kunnen leren of data gebruiken om beter te presteren. Deep learning is een vorm van machine learning waarbij kunstmatige neurale netwerken (algoritmen) leren van grote hoeveelheden data. Wij menen dat AI op classificatiegebied zeker een toegevoegde waarde heeft.
In dit artikel lichten we de AI-tool van één aanbieder toe, namelijk als ChatGPT. ChatGPT is een online tool die op basis van een omschrijving van uw product meerdere GN-codes voorstelt. U kunt uit de suggesties de meest passende goederencode kiezen. Dit lijkt een waterdicht systeem. Immers, als alle importeurs de juiste GN-codes aan hun goederen kunnen koppelen, de juiste Taric-code kiezen en het systeem zelflerend is, dan zal het programma in staat moeten zijn om elke keer de juiste GN-code weer te geven.
Is dit echter wel het geval?
Laten we de proef op de som nemen en ChatGPT het volgende vragen:
Wat is de goederencode van een zuurstofmasker?
The Harmonized System (HS) code for an oxygen mask can vary depending on the specific type of mask, its use, and the materials from which it is made. Generally, oxygen masks for medical use may fall under HS code 9020.00.0000, which is the code for "other breathing appliances and gas masks, excluding protective masks having neither mechanical parts nor replaceable filters."
However, it's important to note that HS codes can be subject to change and may have variations based on the specific characteristics of the product. For accurate and up-to-date information, it's recommended to check with the customs authorities of the specific country you are dealing with or refer to their customs tariff database.
Dat lijkt wel te kloppen!
Maar met 99 hoofdstukken die bestaan uit meer dan 17.000 Taric-code is een fout snel gemaakt. En goederencodes kunnen natuurlijk tussentijds wijzigen, jurisprudentie heeft ook invloed en er zijn nog indelingsverordeningen. Deze omstandigheden worden in ieder geval niet meegenomen in de gratis versie. Ook is van belang dat AI leert door middel van machine learning. Ofwel ChatGPT leert op basis van goedgekeurde antwoorden van gebruikers. Wanneer een goederencode wijzigt en dit wordt niet opgemerkt, dan kan dit – ondanks of wellicht juist door het gebruik van AI – leiden tot een onjuiste aangifte.
Dat ChatGTP het niet altijd juist doet, blijkt ook wel uit het volgende voorbeeld waarbij de vraag was gesteld om de goederencode van een mondmasker te bepalen. Het resultaat was als volgt:
Face masks can be classified under different HS codes depending on their materials, design, and intended use.
Here are a few possible HS codes that may apply to face masks:
6307.90.98: Other made up articles, including dress patterns, of all types of textile materials, including face masks and respirators
9020.00.00: Other breathing appliances and gas masks, excluding protective masks having neither mechanical parts nor replaceable filters
4818.90.90: Other articles of paper and paperboard, including face masks and respirators
3926.90.90: Other articles of plastics and articles of other materials of headings 3901 to 3914, including face masks and respirators
Genoeg keuze, zo lijkt het. Maar de juiste keuze ontbreekt nog steeds, namelijk 6307 9090. Beschermende mond- en neusmaskers hebben – als zij in hoofdstuk 63 vallen – namelijk een eigen onderverdeling. Het invoertarief is weliswaar voor zowel 6307 9090 als 6307 9098, 6,3%, maar 6307 9098 is niet de juiste code. De door ChatGPT voorgestelde GN-Code 9020 0000 kan eventueel ook juist zijn, maar daar moet uiteraard wel kritisch mee worden omgegaan. De meeste mondmaskers (die we kennen vanuit de COVID-periode) vallen namelijk niet onder hoofdstuk 90.
Kritisch of enthousiast?
Wij zijn – als experts op het gebied van classificatie – best enthousiast over de mogelijkheden van ChatGPT. Maar we blijven ook heel kritisch. Want we hebben ook nog veel vragen. Hoe weet je als gebruiker dat de code juist is? Hoe wordt ChatGPT in deze specifieke gevallen ‘gevuld’? Kent ChatGPT wel alle aantekeningen, toelichtingen, jurisprudentie, indelingsverordeningen, nationale maatregelen etcetera. Het antwoord op deze laatste vraag is ‘Nee’! De gratis versie beschikt namelijk niet over actuele data. .
Wij concluderen dat AI een handig hulpmiddel kan zijn bij het vaststellen van de goederencode van een groot assortiment goederen. Desondanks lijkt het nog steeds noodzakelijk dat bij het indelen van goederen menselijke tussenkomst nodig is. Immers, AI is anno 2024 nog steeds niet in staat om foutloos te classificeren. De toekomst zal uitwijzen of het mensenwerk op den duur wordt vervangen door AI.