Introdução
A Inteligência Artificial é uma realidade no cotidiano de praticamente todas as pessoas. Ela está por trás dos buscadores, como o Google, dos assistentes virtuais, como a Alexa e a Siri, dos serviços de streaming como Netflix, Spotfy e Amazon Prime, dos aplicativos de tradução e correção de textos, dos chatbot de deliveries, dos feeds das mídias sociais. Ela alimenta veículos autônomos e máquinas que podem diagnosticar condições médicas e realizar cirurgias independente da ação humana. Essa consciência, entretanto, não alcança a todos. Uma pesquisa realizada pela Pew Research Center[1] com 11.004 norte americanos, em 2022, identificou que 44% deles acreditam não interagirem com a IA.
Nas operações envolvendo o comércio internacional de mercadorias o cenário não é diferente. No mês de novembro de 2024 a World Customs Organization reuniu, na cidade do Rio de Janeiro, mais de 1.300 participantes, de mais de 130 nacionalidades, em uma conferência voltada exclusivamente para tratar das inovações tecnológicas aplicáveis às operações de comércio transfronteiriço[2]. O objetivo era buscar por abordagens tecnologicamente inovadoras para a concreção do complexo papel das Aduanas de impor limites e controles e, ao mesmo tempo, facilitar as relações de comércio entre os países[3].
No Brasil, o Sistema Integrado de Comércio Exterior (Siscomex), o Portal Único do Comércio Exterior (Pucomex), as Declarações Únicas de Importação e Exportação (DUIMP e DU-E), o Sistema de Seleção Aduaneira por Aprendizado de Máquinas (Sisam), o Analisador Inteligente e Integrado de Transações Aduaneiras (Aniita), dentre incontáveis outros sistemas particulares de gestão e produção de informações e documentos, ilustram o quão o ambiente aduaneiro nacional já se encontra inserido na realidade dos sistemas de tecnologia.
Nesse contexto, e dentre os tópicos de maior ingerência relacionados ao comércio internacional reside a tarefa de identificar a adequada nomenclatura das mercadorias. A classificação é uma etapa crítica na conformidade do comércio global. Guiada pelos códigos do Sistema Harmonizado, ela não apenas assegura a conformidade com os regulamentos alfandegários, como contribui para evitar penalidades, atrasos e perdas financeiras.
Em 2019, a Conferência sobre a Direção Futura do Sistema Harmonizado[4]pautou seus debates na complexidade do atual sistema de classificação, em especial para as pequenas e médias empresas que ingressam na economia global, mas não necessariamente possuem acesso a ferramentas e profissionais especializados para auxiliá-las. Dentre as diversas diretrizes deliberadas naquela oportunidade, restou o consenso de que as ferramentas tecnológicas já representam uma realidade necessária.
Não obstante, a identificação da nomenclatura das mercadorias, nos moldes do Sistema Harmonizado, continua sendo um processo amplamente manual para a grande maioria das empresas. Impressionantes 95% dos entrevistados em uma pesquisa realizada pela Thomson Reuters em parceria com a KPMG Internacional, no ano de 2016, relataram ter dificuldade com a tarefa de classificar suas mercadorias[5]. Essa dificuldade se manifesta em inaceitáveis taxas de erro na classificação. O Auditor Geral do Canadá, em relatórios apresentados ao parlamento, atestou um percentual de 20% de equívocos nas classificações das mercadorias no país[6], enquanto nas Bahamas, uma auditoria governamental realizada no período de 2018 a 2021, identificou 115 milhões de dólares de impostos sonegados, 5% da arrecadação total do período, exclusivamente em razão de classificações incorretas de mercadorias[7].
Outra pesquisa, liderada por membros do LinkedIn Customs Specialist Group e realizada em 2020, revelou que 92% dos entrevistados entendem ser necessário, no mínimo, 100 horas de estudos para que uma pessoa adquira a competência para classificar mercadorias. Neste grupo, mais de um terço indicou ser necessário mais de 500 horas de treinamento sobre o Sistema Harmonizado para operá-lo.
Imersos nessa realidade, impõe-se questionar: a tecnologia pode auxiliar na eficiência da atividade de identificação da nomenclatura aduaneira das mercadorias, reduzindo os erros? Conforme se pretende demonstrar, sim. No entanto, tal eficácia dependerá do desafio de se identificar o tipo de tecnologia utilizada e, principalmente, a extensão do resultado que seu operador espera alcançar. O objetivo deste artigo é apontar os benefícios potenciais bem como os riscos que a automação da tarefa de classificar mercadorias pode conduzir.
2. Classificação de mercadorias e conformidade
Quaisquer mercadorias podem (e são) classificadas em diversos sistemas e, por consequência, possuem tantas quantas nomenclaturas diferentes para representá-las. A multiplicidade de sistemas de nomenclaturas de mercadorias é um testemunho da utilidade e ubiquidade das classificações. Alguns desses sistemas se prestam para finalidades regulatórias[8], outros são orientados para facilitarem controles comerciais específicos como inventários e estoques, faturamentos e outros aspectos próprios das atividades empresariais[9]. Outros, ainda, são estatísticos: todo o seu propósito é coletar, organizar, analisar e emitir conclusões[10]. Dentre a variedade sistemas vigentes, o que torna, então, o Sistema Harmonizado especial para as administrações aduaneiras? A resposta é simples: o SH existe para atender as necessidades das Alfândegas[11].
Conforme antecipado, a atividade orientada para classificar uma mercadoria representa uma etapa crítica nas ações de conformidade do comércio global. Uma classificação precisa, dirigida pelos códigos do Sistema Harmonizado, não apenas assegura a conformação das operações com os regulamentos alfandegários, como auxilia as empresas a evitarem ou reduzirem penalidades, atrasos e perdas financeiras.
A consciência de que toda transação de comércio internacional envolve ao menos dois países distintos, impõe o reconhecimento da dificuldade de manejo do idioma[12] e aponta para a relevância do tema das classificações. Ademais, para além de uma perspectiva restrita apenas aos atores diretamente relacionados (importador, exportador e aduanas), o objetivo do SH é muito mais profundo: trata-se de uma ferramenta prática para a implementação de políticas governamentais. As informações colhidas a partir de um controle preciso das entradas e saídas de mercadorias de um território são essenciais para implementar uma gama ampla de políticas públicas.
Buscando afastar os desvios na coleta e tratamento destas informações é que a linguagem do Sistema Harmonizado representa uma legislação viva e em constante evolução[13]. É justamente nesse cenário que se insere os sistemas de inteligência de máquinas e a evolução dos controles informativos pelas aduanas de todo o mundo. A integração da Inteligência Artificial ao Sistema Harmonizado oferece numerosos benefícios para o comércio global na medida em que contribui para melhorar a precisão das informações e garantir atualizações em tempo real. Esta modernização aumenta a eficiência, reduz erros e se adapta rapidamente às mudanças, tornando mais transparente e capacitado todo o processo.
Uma pesquisa realizada pela empresa de auditoria e consultoria Deloitte, em 2020, constatou que 67% das empresas já estão utilizando a tecnologia de aprendizado de máquinas e 97% planeja utilizá-la nos próximos anos[14].
Do outro lado, a Organização Mundial das Aduanas estima que 45% das autoridades alfandegárias utilizam a inteligência artificial para a gestão de riscos[15], em especial nas ações direcionadas ao combate às fraudes. Os serviços cognitivos especificamente utilizados pelas agências governamentais ajudam a melhorar a conformidade e facilitam as relações entre os países. Tecnologia de pesquisa visual e reconhecimento facial, análises comportamentais e preditivas, modelos de auditorias baseada em riscos, análise de imagens de contêineres por scanners de raio X são exemplos efetivos e eficientes do emprego desses sistemas digitais.
Na esteira das ações de desenvolvimento e implementação de tecnologias pioneiras nas operações de comércio internacional, a Aduana brasileira sempre desempenhou protagonismo. Na vanguarda mundial, o Sistema Integrado de Comércio Exterior (Siscomex), inovou ao criar um fluxo único de informações ainda na década de 1990, tendo seu modelo servido de inspiração para muitos países. Atualmente, e inserido na iniciativa do governo brasileiro para simplificar e modernizar as operações de comércio exterior[16], vivencia-se a transição do Siscomex para o Portal Único do Comércio Exterior (Pucomex), um projeto que vem sendo desenvolvido desde 2014 pelos Ministérios da Fazenda e o Ministério do Desenvolvimento, Indústria, Comércio e Serviços e que abrange uma robusta iniciativa de racionalização e simplificação dos controles dos processos de exportação e importação.
Inserido neste projeto se encontra o igualmente pioneiro Sistema Classif, um módulo do Portal Único responsável por centralizar as informações sobre a Nomenclatura Comum do Mercosul (NCM), além de identificar os tratamentos tributário e administrativo das mercadorias. Através desse modelo de Inteligência Artificial é possível consultar, para além da nomenclatura, todos os textos legais a ela relacionados, incluindo soluções de consulta, pareceres de classificação além de obter sugestões de classificações para os produtos.
Essa realidade de inserção dos sistemas de tecnologia nas operações envolvendo o comércio internacional se orienta para um objetivo específico: a busca pela conformidade. Estar em conformidade inclui conhecer e aderir às leis, regulamentações e procedimentos estabelecidos pelos governos nacionais e pelas autoridades multinacionais que disciplinam esse comércio transfronteiriço.
A conformidade é parte essencial do ecossistema envolvendo as operações de comércio exterior na medida em que contribui para garantir que as mercadorias sejam devidamente documentadas e os impostos e taxas sejam recolhidos. Como ferramenta indissociável para a sua execução está o sistema de nomenclatura aduaneira das mercadorias. O gerenciamento tecnológico das classificações, assim, impõe-se indispensável para que os sistemas digitais direcionados às aduanas também possam evoluir.
As diversas tecnologias já implementadas por grande parcela dos países em suas operações de comércio internacional afiguram-se, nesse contexto, como uma realidade irretratável: é impossível operar sem se utilizar destes instrumentos. O ponto que se quer aprofundar, entretanto, é a inserção destes sistemas na tarefa de identificar e definir a classificação das mercadorias, em especial a nomenclatura do Sistema Harmonizado e, principalmente, a estipulação dos riscos e dos limites destas tecnologias a fim de evitar erros e prejuízos.
3. Tecnologias digitais para classificar mercadorias
Os softwares orientados para classificarem mercadorias já são extensivamente utilizados pelas empresas, em especial por aquelas com grande volume de mercadorias. Alguns desses softwares são desenvolvidos internamente, enquanto outros são adquiridos de fornecedores ou confeccionados de maneira customizada. Entretanto, a forma mais habitual de as grandes e médias empresas nacionais identificarem a nomenclatura aduaneira de seus produtos perfaz a contratação de serviços terceirizados, normalmente oferecidos por empresas de consultoria que se valem fundamentalmente desses softwares para apontarem a classificação dos produtos.
Na mesma esteira, os setores públicos também utilizam fartamente de tecnologia própria ou de terceiros, em especial para comparar as descrições de mercadorias com os códigos declarados e identificar áreas de preocupação e, eventualmente, intervenções. No âmbito das administrações públicas, a utilização destes softwares assegura o compromisso com a publicidade, nos moldes quanto imposto pelo Acordo de Facilitação do Comércio[17]da Organização Mundial do Comércio.
Basicamente são três os modelos de tecnologia utilizados nos sistemas de classificação de mercadorias: o modelo de pesquisa por textos e palavras chaves, os sistemas especialistas e o aprendizado de máquinas.
Nos modelos de busca por texto e palavra-chave, o sistema é projetado para vasculhar a imensidão da internet e encontrar páginas que contém as informações buscadas. Funcionam como grandes bibliotecas digitais que organizam e fornecem acesso aos documentos executando sequencialmente as etapas de rastreamento, indexação (organização das informações rastreadas), renderização (interpretação dessas informações) e ranqueamento (ordem de apresentação das informações selecionadas).
Já os sistemas especialistas, também conhecidos como "sistemas baseados em conhecimento", baseiam-se no conhecimento humano para resolver problemas que normalmente seriam resolvidos apenas por especialistas humanos, imitando o processo de tomada de decisão e aplicando a regra "se, então". Sua estrutura básica é constituída por três elementos fundamentais: base de conhecimento, motor de inferência (combinação de procedimentos de raciocínio) e interface com o usuário, o que pressupõe a interação do usuário por meio de perguntas e respostas[18].
O terceiro modelo de tecnologia utilizado com muita frequência pelos sistemas de classificação de mercadorias é o machine learning ou aprendizado de máquinas. Trata-se de um subcampo da inteligência artificial, definido por Arthur Samuel, pioneiro nessas pesquisas, como "o campo de estudo que dá aos computadores a capacidade de aprender sem serem explicitamente programados"[19]. Na prática, o machine learning é referido como um método automatizado para pesquisar padrões em dados, desempenhando esta tarefa através de métodos de aprendizagem supervisionada, não supervisionada e por reforços.
A grande diferença entre a tecnologia de aprendizado de máquinas e as tecnologias digitais que a precederam é a capacidade de tomar decisões cada vez mais complexas e de forma independente, adaptando-se continuamente em resposta aos novos dados. Operacionalizam-se por meio de algoritmos e probabilidades para entregarem previsões, as quais, de acordo com a própria gênese do nome ("antes ver"), antecipam ou estimam algo que vai acontecer. Justamente por essa razão, nem sempre funcionam de forma razoável ou fazem escolhas éticas ou precisas.
No contexto da classificação de mercadorias, um exemplo proeminente deste modelo de Inteligência Artificial é o "AI HS Code Recommendation Platform", lançado em setembro de 2019, no âmbito do Projeto BACUNA[20], da Organização Mundial das Aduanas. Trata-se de uma plataforma de pesquisa colaborativa, criada para recomendar o código do Sistema Harmonizado, objetivando simplificar o processo de classificação. O modelo elaborado utiliza tecnologia avançada de processamento de linguagem natural, baseada em redes neurais artificiais. Essa tecnologia permite compreender o significado das palavras nas descrições de mercadorias e sua conexão com a nomenclatura do SH. Para além de recomendar a classificação adequada, esta ferramenta oferece estatísticas de importação e exportação[21]. No "Customs Single Window Service", implementado pela Nigéria, onde esta tecnologia já está em funcionamento, observou-se 99,65% de chance, por exemplo, de um drone estar adequadamente classificado no código SH 8802.11[22].
Em semelhante percurso, o Brasil implementou no Portal Único do Comércio Exterior um módulo especificamente voltado para a finalidade de classificar mercadorias, denominado Sistema Classif. Desenvolvido e gerido pelo Centro de Classificação Fiscal de Mercadorias (Ceclam) da Coordenação-Geral de Tributação (Cosit), órgão vinculado ao Ministério da Fazenda, o Classif foi criado em agosto de 2018, com o objetivo de disponibilizar os códigos NCM e todos os seus textos legais desde 1996, resgatando o seu histórico e permitindo a evolução da NCM para uma base de dados moderna. O sistema foi evoluindo em etapas, disponibilizando sequencialmente a consulta às Notas Explicativas do SH (Nesh), a pesquisa integrada na tabela NCM, Notas legais e Notas Explicativas, a consulta aos tratamentos administrativos e tributários e a pesquisa de soluções de consulta nacionais e internacionais, a exemplo dos Pareceres de Classificação emitidos pela OMA[23].
O cenário acima apresentado confirma que os sistemas de tecnologia - em especial a Inteligência Artificial, com sua capacidade de processar e analisar grandes quantidades de dados em velocidades sem precedentes - sem margem a questionamentos, representa uma ferramenta poderosa para automatizar e refinar o processo de classificação das mercadorias. A integração destes sistemas às operações aduaneiras, entretanto, representa uma tarefa desafiadora. Para além da exigência de um investimento substancial em tecnologia, treinamento e gerenciamento, a cooperação e padronização das experiências em nível internacional é essencial para concretizar todo o potencial da IA neste domínio[24].
Nesse sentido, é inconteste que a automação orientada por IA pode conduzir a classificações mais precisas, custos operacionais reduzidos e tempos de liberação mais rápido, assegurando um comércio internacional mais tranquilo e eficiente. Tecnologias de IA como algoritmos de aprendizado de máquina e processamento de linguagem natural podem analisar vastos conjuntos de dados, entender descrições de produtos em vários idiomas e aprender continuamente com experiências anteriores a fim de melhorar a precisão ao longo do tempo. Entretanto, nem só de boas novas é pavimentado esse caminhado.
4. O que torna o aprendizado de máquina arriscado
Embora os atuais sistemas de IA de última geração tenham alcançado desempenho comparável ou até superior ao dos humanos em certos domínios, eles ainda enfrentam limitações significativas, enraizadas na inconsciência e na incapacidade de entender significados[25]. Essa barreira de compreensão representa um desafio para a IA e exige a exploração de abordagens que aprimorem o senso comum desses sistemas por meio da utilização de conhecimento, abstração e analogias[26].
Basicamente, os sistemas de inteligência artificial funcionam identificando padrões e relações em grande quantidade de dados. Para tanto, são orientados por algoritmos, conjuntos de regras ou instruções que direcionam a tomada de decisões. Por esse motivo, a probabilidade de erros nas previsões apresentadas por esses sistemas de tecnologia depende de muitos fatores, incluindo a quantidade e a qualidade dos dados usados para treinar esses algoritmos, o tipo específico do método de aprendizado escolhido e programado, além da preocupação se o sistema utiliza apenas algoritmos explicáveis (o que significa que os humanos podem descrever como chegaram às suas decisões), o que pode não permitir que ele maximize a precisão.
Erros do tipo "deriva de conceito" - instabilidade entre a entrada e a saída de dados e, por consequência, instabilidade dos algoritmos, que pode culminar no tratamento de dados semelhantes de forma discrepante - além da "mudança de covariância" - quando os dados alimentados por um algoritmo diferem dos dados que o treinaram - são os mais comuns nestes modelos de sistema tecnológicos. Ademais, um motivo frequentemente apontado pelo qual o aprendizado de máquina pode tomar decisões imprecisas guarda relação com a complexidade dos sistemas gerais em que está inserido.
Decisões imprecisas, entretanto, não são os únicos riscos que se sujeitam aqueles que se valem da IA. Existe, ainda, o risco do agente e o risco moral.
Um agente de inteligência artificial se refere a um sistema ou um programa capaz de executar tarefas de forma autônoma em nome de um usuário ou outro sistema, projetando seu fluxo de trabalho e utilizando as ferramentas disponíveis[27]. A capacidade do agente de armazenar interações passadas na memória e planejar ações futuras, estimula a experiência personalizada e respostas abrangentes. Todavia, a mudança ambiental e a natureza probabilística do aprendizado de máquina tornam ainda mais difícil atribuir responsabilidade a um agente específico. Na verdade, acidentes ou decisões ilegais podem ocorrer mesmo sem negligência de qualquer pessoa na medida em que sempre existe a possibilidade de uma decisão imprecisa.
Os riscos morais, em igual medida, não podem ser ignorados. Os sistemas de Inteligência Artificial são treinados com base em grandes conjuntos de dados, que podem refletir e ampliar os preconceitos existentes na sociedade. Se esses dados contêm viés racial, de gênero ou outras formas de discriminação, por exemplo, os sistemas de IA podem dar continuidade e ampliar essas desigualdades. Com muitos usos comerciais generalizados, os sistemas de aprendizado de máquinas podem ser considerados injustos para um determinado grupo em algumas dimensões. O problema é agravado pelas múltiplas e possivelmente mutuamente incompatíveis maneiras de definir justiça e codificá-la em algoritmos[28].
Independente do modelo de tecnologia utilizada, para que as ferramentas sejam eficazes, é importante que os dados utilizados para o treinamento dessa inteligência sejam adequadamente confiáveis[29]. No âmbito dos sistemas de classificação de mercadorias, para além de entender o significado dos bens descritos (por exemplo, abóbora ou jerimum, macaxeira ou mandioca, biscoito ou bolacha, farol, semáforo, sinal ou sinaleira, pão de sal ou pão francês), é essencial descobrir onde na tarifa esse bem pode ser melhor classificado.
As ferramentas digitais especialmente voltadas para classificar mercadorias exigem um treinamento especificamente direcionado para atender as complexidades do sistema de classificação enunciado pelo SH. Para a identificação de uma classificação, por exemplo, é necessário que o programa tenha sido originalmente orientado para seguir o mesmo procedimento que a norma jurídica de classificação exige: primeiro identificar a posição (quatro dígitos numéricos), seguida da subposição de primeiro (quinto dígito) e de segundo nível (sexto dígito)[30]. Em igual medida, é essencial a produção de relatórios e justificativas que expliquem ou ao menos emita um relatório registrando como a classificação foi determinada com base nas regras, notas, decisões e eventuais outros fundamentos.
Adicionalmente, e em especial para o uso pretendido de classificar mercadorias, é fundamental que estes sistemas estejam alimentados por uma base de dados ampla o suficiente para alcançar as informações e as características que vão muito além daquelas veiculadas pela nomenclatura. De fato, não raro são os casos em que, para se classificar uma mercadoria, são necessárias informações que não constam das Notas Legais, Notas Explicativas ou outros instrumentos legais de classificação.
Como exemplo é possível mencionar as "preparações alimentícias". Diversas são as posições possíveis para se classificar as preparações, dentre elas: as preparações alimentícias de gorduras ou óleos animais (15.17), as preparações alimentícias à base de carne e miudezas (16.01), as preparações alimentícias que contenham cacau (18.06), as preparações alimentícias de farinhas (19.01), as preparações alimentícias compostas homogeneizadas (21.04) e as preparações alimentícias residuais, não especificadas nem compreendidas em outras posições (21.06). Entretanto, se as preparações estiverem especificamente destinadas para a alimentação de animais - finalidade que não necessariamente deve constar da descrição da mercadoria - então devem ser classificadas em uma posição diferente (23.09).
Muitas vezes, para ser possível reconhecer a exigência de um parâmetro adicional da mercadoria, o conhecimento preciso de suas características e de seu uso são tão necessários quanto o conhecimento da própria nomenclatura, em conjunto com as notas explicativas, os pareceres de classificação, as soluções de consulta, jurisprudências, e todos os instrumentos legais (principais ou subsidiários) para classificar.
Quer-se com isso demonstrar a impossibilidade de derivar esses "parâmetros de delimitação" adicionais sem a experiência mais profunda de todo o contexto em que a mercadoria a ser classificada se encontra inserida, combinado com o profundo conhecimento da nomenclatura e suas regras. Frequentemente, esses parâmetros não estão ancorados em um título claramente identificável, mas encontram sua base em títulos que podem ser relevantes sob certas condições, que são difíceis de discernir. Pela experiência, esta é de longe a etapa mais difícil no aprendizado da lógica sistêmica voltada para a classificação tarifária.
O propósito ou finalidade de um determinado produto, necessário para a classificação de uma boa parcela das mercadorias, é muito mais difícil de registrar em termos de tecnologia de dados, tanto no sentido de registrar os próprios dados (um simples sim/não ou verdadeiro/falso são geralmente informações insuficientes para essa finalidade), quanto para o tipo de registro de dados, uma vez que o uso nem sempre pode ser derivado das informações oferecidas por manuais ou data sheets emitidos pelo fornecedor do bem. Além disso, no caso de mercadorias feitas sob encomenda, pode ser difícil determinar o uso pretendido ou torná-lo plausível para a autoridade alfandegária.
Não fosse isso suficiente, não se pode perder de vista a genuína dificuldade em se interpretar e aplicar as Regras Gerais sobre Interpretação (RGI) números 2 e 3[31], as quais demanda, para além de algoritmos e previsões, um processo de interpretação que perpassa a ponderação do significado de expressões como "característica essencial" e "posição mais específica".
O caso dos drones, no período que antecedeu a atualização do Sistema Harmonizado de 2022[32], ilustra perfeitamente o que se pretende demonstrar. Inúmeros artigos foram publicados criticando o Centro de Classificação de Mercadorias (Ceclam) por supostamente emitir soluções de consulta com classificações distintas para o mesmo produto. De fato, no período compreendido entre 2018 até 2021, foram proferidas aproximadamente 41 respostas identificando ao menos cinco nomenclaturas diferentes essa mercadoria: pulverizadores agrícola (8524.49.00); câmeras digitais (8525.80.19), helicópteros integrados a câmeras digitais (8525.80.29); helicópteros com processadores de imagens (8802.11.00) e brinquedos (9503.00.97). Justamente por não existir, há época, posição específica para classificar os drones, levou-se em conta o quanto prescreve a RGI 3b - necessidade de observância da "característica essencial" - para se determinar a classificação adequada para cada produto consultado. Assim, e inexistindo posição específica, por certo que um equipamento especificamente confeccionado para pulverizar lavouras não poderia ser comparado, e por consequência, classificado como um brinquedo. Referida análise, entretanto, somente foi possível a partir da identificação da "característica essencial" do produto.
Neste mesmo sentido, as mercadorias reunidas em conjuntos (kit) e aquelas que representam partes de um produto, seja na forma de spare parts, insumos, misturas ou blends esbarram em semelhante dificuldade quando se pretende identificar sua nomenclatura aduaneira.
Outras fraquezas de uma classificação parcialmente automatizada podem ainda ser exemplificativamente apontadas, tais como a sobreposição de capítulos que podem acomodar o mesmo produto, descrições incompletas e que não especificam todos os detalhes necessários, descrições de produtos diferentes para produtos pertencentes ao mesmo código tarifário, descrições idênticas de produtos para artigos pertencentes a códigos tarifários diferentes e as barreiras linguísticas, posto que a comunicação entre sistemas e a necessária tradução de idiomas abre espaço para erros de tradução.
Outro grande desafio para a implementação dos sistemas de tecnologia orientados para classificar mercadorias reside na identificação do alcance e da extensão da nomenclatura que se pretende indicar. Isso porque, inobstante a mesma raiz comum (SH), de seis dígitos numéricos, em conformidade a expressa autorização veiculada pela Convenção Internacional do Sistema Harmonizado[33], aos países signatários é autorizado a inserção de outros dígitos, após a nomenclatura padrão, com o objetivo de especificar o conjunto das mercadorias ali classificadas[34]. Ou seja, uma coisa é um sistema que pretende identificar a nomenclatura padrão do sistema harmonizado, outra, completamente distinta, é um sistema regional ou local, capaz de indicar, para além dos seis dígitos numéricos, a classificação completa, local ou regional.
Neste ponto, um sistema de classificação necessariamente deverá ser considerado: (i) um sistema incompleto, uma vez que apontará somente até o sexto dígito numérico da nomenclatura, cabendo uma complementação da tarefa de classificar para identificar os dígitos locais ou regionais, (ii) um sistema de abrangência apenas local ou regional, posto que configurado para classificar apenas subsistemas específicos derivados do Sistema Harmonizado, a exemplo da Nomenclatura Comum do Mercosul (NCM) ou, na hipótese mais preocupante, (iii) um sistema absolutamente inseguro, na medida em que, ao prometer entregar a classificação de uma mercadoria em qualquer subsistema de classificação derivado do SH, incorrerá na necessidade de acesso a um grande volume de dados específicos - posto que cada sistema derivado segue suas próprias regras na nomenclatura que se deriva - elevando, com isso, o risco de erros.
Neste sentido, quase que necessária é a conclusão no sentido de que existem riscos reais e indiscutíveis ao se delegar exclusivamente aos sistemas de tecnologia a tarefa de classificar uma mercadoria. Confiar que basta indicar o nome ou a descrição de um produto, e um sistema de tecnologia será capaz de responder com a classificação correta perfaz um risco esperado, na medida em que existem diversos vieses que não podem, ao menos por hora, serem alcançados por essas tecnologias.
Tal conclusão, entretanto, não desqualifica ou desprestigia o tudo o que já foi produzido até aqui. Sem dúvidas os sistemas em operação destinados a apontarem e orientarem a classificação dos produtos com base no SH devem ser considerados ferramentas valiosas e poderosas voltadas para a identificação de possíveis classificações e, em especial, um mecanismo relevantíssimo de reconhecimento de padrões e desvios, especialmente utilizados para controle e gerenciamento de riscos.
5. Alertas para a implementação de um sistema para classificar mercadorias
É neste cenário que o debate sobre a utilização de inteligência artificial e outros sistemas de tecnologia se encontra inserido e, a partir dessas premissas, é que devem ser observadas e planejadas as ações futuras. Para tanto, alguns desafios e alertas não podem ser ignorados.
Primeiro: a imputação dos dados nesses sistemas deve, necessariamente, ser gerenciada[35]e preferencialmente realizada por pessoas que detenham conhecimento sob as regras de classificação. O processo de classificação é geralmente um esforço de equipe, no qual acontece (ou deveria acontecer) uma troca entre os "conhecedores do produto" (departamento técnico) e os responsáveis por operar as regras jurídicas de classificação. Trata-se de uma relação de intensa de cooperação para a formulação dos dados base e que precisa ser refletida por esses sistemas.
Segundo: e como decorrência do primeiro, o aprendizado de máquina - em especial para classificar mercadorias - deve ser tratado como se fosse humano, e não uma tecnologia inanimada. Perfaz ação essencial submeter os processos a ensaios e verificações controladas, para garantir sua segurança, eficácia e justiça. As empresas devem comparar a qualidade das decisões tomadas pelos algoritmos com aquelas tomadas nas mesmas situações sem empregá-los. Para além disso, preocupar-se com certificações constantes para afastar ou reduzir os vieses, injustiças ou outras armadilhas. O monitoramento deve ser constante.
Terceiro: os sistemas de tecnologia não devem ser tratados como "caixas-pretas" e suas respostas como "oráculos". Uma área de grande preocupação é o que alguns especialistas chamam de explicabilidade, ou a capacidade de esses sistemas serem claros sobre o que os modelos de aprendizado de máquina estão fazendo e comoeles estão tomando as decisões. Conhecer quais são as regras práticas que estão sendo utilizadas por estes sistemas para emitir as respostas é ação de validação essencial e exige constância.
Em resumo, os sistemas de tecnologia voltados para orientar a tarefa de classificar de uma mercadoria são aliados daqueles que operam com o comércio internacional, e não muletas. O cuidado de não delegar por completo a atividade de classificar é a justa medida para que possa aproveitar dos benefícios que essa tecnologia oferece.
6. Conclusão
Não há dúvida de que a capacidade de acessar rapidamente informações úteis e relevantes para a classificação tarifária ajuda a acelerar os fluxos de trabalho manual. Neste sentido, os sistemas de tecnologia, em especial a Inteligência Artificial, representam uma realidade já amplamente difundida para os atores do comércio internacional.
Em aplicações onde a IA emula deliberações humanas especializadas, a exemplo da tarefa de classificar mercadorias com fundamento no Sistema Harmonizado, os fluxos de trabalho podem, muitas vezes, ser automatizados e a qualidade do sistema depende de quão bem a tecnologia foi desenvolvida e treinada. Boas ferramentas de classificação podem orientar a difícil tarefa do classificar e, na mesma medida, serem utilizadas para verificarem e validarem dados, como nítidos exemplos de monitoramento e gerenciamento de riscos.
Entretanto, o uso desta tecnologia deve ser, sempre, validado pelo homem. A seleção de dados, por exemplo, essencial para a garantia e a manutenção de um bom sistema, perfaz ação fundamental para o sucesso do convívio entre homem e máquinas. Todo o cuidado consiste em não acreditar que esses sistemas podem operar sozinhos. Na medida em "imitam o comportamento humano", não é facultado a este sair de cena.
--------------------------------------------------------
[1] KENNEDY, Brian; TYSON, Alec; SAKS, Emily. Public Awareness of Artificial Intelligence in Everyday Activities. Disponível em: https://www.pewresearch.org/science/2023/02/15/public-awareness-of-artificial-intelligence-in-everyday-activities/. Acesso em: 14 dez. 2024.
[2] WOLRD CUSTOMS ORGANIZATION. 2024 WCO Techonology Conference & Exhibition. Digital Frontiers: Customs Embracing Innovation with Traditional and New Partners. Disponível em: https://www.wcoomd.org/en/events/event-history/2024/wco-technology-conference-2024.aspx . Acesso em: 27 nov. 2024.
[3] Em 2022, o tema do Dia Internacional da Alfândegas comemorado pela Organização Mundial das Aduanas foi "Ampliando a Transformação Digital Aduaneira Adotando uma Cultura de Dados e Construindo um Ecossistema de Dados". O aprimoramento da "alfândega inteligente" pode contribuir para a criação de um ambiente regulatório seguro, além de desempenhar um papel fundamental na aceleração da eficiência do desembaraço aduaneiro e no estímulo ao comércio mundial.
[4] WOLRD CUSTOMS ORGANIZATION. WCO Conference on the future direction of the Harmonized System. Revitalizing the Harmonized System. What is needed for a 21st century Harmonized System? Disponível em: https://www.wcoomd.org/en/events/event-history/2019/hs-review-conference.aspx . Acesso em: 27 dez. 2024.
[5] Thomson Reuters and KPMG International. 2016 Global Trade Management Survey. Disponível em: <https://assets.kpmg.com/content/dam/kpmg/xx/pdf/2016/10/2016-global-trade-management-survey-from-thomson-reuters-and-kpmg-international.pdf>. Acesso em: 14 dez. 2024.
[6] ROTCHIN, Randy. What impact is technology having on efforts to improve HS classification efficiency and accuracy?. World Customs Jornal. News 97. Edição 1/2022. Disponível em: <https://mag.wcoomd.org/magazine/wco-news-97-issue-1-2022/impact-technology-hs-classification-efficiency-and-accuracy/>. Acesso em: 14 dez. 2024.
[7] THIBEDEAU, Chris; SQUIRREL, Mike; ALMOUSLLI, Nabil; WILSON, Simon; GOMEZ, Cloretta. Bahamas Customs takes huge leap forward on recouping lost and evaded revenue. World Customs Jornal. News 99. Edição 3/2022. Disponível em <https://mag.wcoomd.org/magazine/wco-news-99-issue-3-2022/bahamas-customs-huge-leap-forward-recouping-lost-and-evaded-revenue/>. Acesso em: 24 nov. 2024
[8] Cita-se, a título de exemplo, o Chemical Abstracts Service Registry Number (CAS Number), um número de identificação exclusivo, atribuído a cada substância química descrita na literatura científica aberta, o Anatomical Therapeutic Chemical Code (ATC Code), um código imputado a um medicamento pela Organização Mundial da Saúde e o Enzyme Commission Number (EC Number), um sistema de nomenclatura de enzimas conferido com base nas reações químicas que essas catalisam.
[9] Exemplificativamente, ainda, é possível mencionar o SKU (Stock Keeping Unit), um código único que identifica cada item de um estoque, permitindo controlar e organizar estoques de forma eficiente, o SITC (Standard International Trade Classification), um dos principais sistemas de classificação de commodities juntamente do Sistema Harmonizado, o CPC (Customs Procedure Code), um número que descreve a finalidade de uma remessa de importação ou exportação, o GPC Code (Global Product Classification), um código específico orientado para agrupar produtos que possuem características comuns e o NAPCS (North American Classification System), um sistema de classificação utilizado pelo Canadá, México e Estados Unidos para classificar produtos produzidos pelas indústrias destes países.
[10] Novamente aqui, apenas para mencionar, o SPC (Statistical Process Control), o SIC (Statistical Inventory Control) e o MMS (Merchandise Management System).
[11] GROOBY, Gael. Why governments and Customs continue to need their own classification system for goods. World Customs Jornal. News 87. Point of View. 16 oct. 2018. Disponível em: <https://mag.wcoomd.org/magazine/wco-news-87/why-governments-and-customs-continue-to-need-their-own-classification-system-for-goods/> Acesso em: 14 dez. 2024.
[12] DO VALLE, Maurício Dalri Timm; TREVISAN, Rosaldo. A "Babel" na tributação do comércio exterior: por um glossário aduaneiro. Novos Estudos Jurídicos, Itajaí (SC), Vol. 23, n. 2, p. 599-626, 2018. DOI 10.14210/nej.v23n2.p.599-626. Disponível em: <https://periodicos.univali.br/index.php/nej/article/view/13411.> Acesso em 24 nov. 2024.
[13] De acordo com o Artigo 7º, Item 1a da Convenção Internacional do Sistema Harmonizado, serão realizadas periódicas emendas à Convenção com o objetivo de alcançar as necessidades dos países signatários e acompanhar a evolução das técnicas e estruturas do comércio internacional. Atualmente, tais atualizações são publicadas a cada seis anos, sendo certo que a última alteração, aprovada pela VII Emenda ao SH, entrou em vigor em 2022 e a próxima está prevista para 2028. Nestas atualizações são excluídas, criadas e modificadas nomenclaturas, sempre objetivando a atualização do sistema.
[14] DELOITTE. Becoming an AI-fueled organization, State of AI in the Enterprise, 4th Edition, Deloitte Insights. Disponível em: <https://www2.deloitte.com/us/en/insights/focus/cognitive-technologies/state-of-ai-and-intelligent-automation-in-business-survey.html> .Acesso em: 14 dez. 2024.
[15] WORLD CUSTOMS ORGANIZATION. WCO/WTO Study Report on Disruptive Technologies. June 2022. Disponível em: <https://www.wcoomd.org/en/topics/facilitation/instrument-and-tools/tools/wco-wto-study-report-on-disruptive-technologies-2022.aspx>. Acesso em: 16 dez. 2024.
[16] O Novo Processo de Importação (NPI) é uma iniciativa do governo brasileiro para reformar os processos de comércio exterior. O objetivo é tornar as importações mais eficientes, integradas e desburocratizadas por meio de três pilares: integração, novos processos e tecnologia. Trata-se de um ambicioso projeto do Governo brasileiro para reestruturar e simplificar as operações de comércio internacional no Brasil e sua peça-chave é o Portal Único do Comércio Exterior (Pucomex).
[17] Nos termos do Artigo 5 da Acordo de Facilitação do Comércio (AFC) dispõe sobre "Outras Medidas para Aumentar a Imparcialidade, a Não-Discriminação e a Transparência".
[18] MENDES, Raquel Dias. Inteligência Artificial: Sistemas Especialistas no gerenciamento da informação. Ciência da Informação, v. 26, n. 1, p. 39-45, 1997. Disponível em: <https://doi.org/10.1590/S0100-19651997000100006>. Acesso em 14 dez. 2024
[19] BROWN, Sara. Machine learning, explained. MIT Sloan School, 21 apr. 2021. Disponível em: <https://mitsloan.mit.edu/ideas-made-to-matter/machine-learning-explained>. Acesso em: 14 dez. 2024.
[20] WORLD CUSTOMS ORGANIZATION. AI HS Code Recommendation Platform. Disponível em: <http://49.50.165.5:19090/>. Acesso em: 16 dez. 2024
[21] WORLD CUSTOMS ORGANIZATION. WCO BACUDA experts develop a neural network model to assist classification of goods in HS. 03 mar 2022. Disponível em: <https://www.wcoomd.org/en/media/newsroom/2022/march/wco-bacuda-experts-develop-a-neural-network-model-to-assist-classification-of-goods-in-hs.aspx>. Acesso em: 14 dez. 2024.
[22] NIGÉRIA CUSTOMS SERVICE. Artificial Intelligence powered HS Code Search Engine. Disponível em <https://trade.gov.ng/hscode-search/>. Acesso em 14 dez. 2024.
[23] RECEITA FEDERAL DO BRASIL. Sistema Classif. Manual do Usuário. Versão 5.0. 18 jul 2021 . Disponível em: https://www.gov.br/siscomex/pt-br/arquivos-e-imagens/2021/07/ClassifManualdoUsuariov5.0.pdf. Acesso em 16 dez 2024.
[24] Neste sentido, inclusive, a última Conferência de Tecnologia organizada pela OMA na cidade do Rio de Janeiro teve como tema "Fronteiras Digitais: Alfândegas Adotando Inovação com Parceiros Tradicionais e Novos", reforçando a necessidade de parcerias no desenvolvimento das tecnologias relacionadas às operações de comércio internacional.
[25] "As inteligências artificiais têm a capacidade de automatizar tarefas, tomar decisões com base em dados e realizar ações específicas de maneira eficiente. Embora as IA possam superar os seres humanos em certas tarefas específicas, como processamento de dados em larga escala, reconhecimento de padrões complexos ou cálculos precisos, é importante lembrar que elas ainda possuem limitações. As IA não têm consciência, emoções ou intuição humana. Elas são projetadas para resolver problemas específicos dentro de seus domínios de especialização. Embora possam executar tarefas com velocidade e precisão, as IA não têm a capacidade de compreender o contexto amplo, exercer julgamento ético ou aplicar um senso de empatia, criatividade e pensamento crítico como os seres humanos." LEMOS, Amanda. Inteligência Artificial: o que é e como funciona. Revista Exame. Publicado em 18.06.2023. Disponível em: <https://exame.com/inteligencia-artificial/inteligencia-artificial-o-que-e-e-como-funciona/>. Acesso em: 27 dez 2024.
[26] CAO, Quan; ZHENG, Xia. Application of artificial intelligence technology in the supervision of customs clearance machine inspection. World Customs Journal. Vol. 18. Edição 2/2024. Disponível em: <https://www.worldcustomsjournal.org/article/122754-application-of-artificial-intelligence-technology-in-the-supervision-of-customs-clearance-machine-inspection>. Acesso em 14 dez. 2024.
[27] IBM. O que são agentes de IA?Disponível em: <https://www.ibm.com/br-pt/think/topics/ai-agents.>. Acesso em 27 dez. 2024.
[28] BABIC, Boris; COHEN, I. Glenn; EVGENIOU, Theodoros; GERKE, Sara. When Machine Learning Goes Off the Rails. Harvard Business Review. January-February 2021. Disponível em: <https://hbr.org/2021/01/when-machine-learning-goes-off-the-rails>. Acesso em 16 dez. 2024.
[29] REDMAN, Thomas C. If Your Data is Bad, Your Machine Learning Tools are Useless. Harvard Business Review. April 02, 2018. Disponível em: <https://hbr.org/2018/04/if-your-data-is-bad-your-machine-learning-tools-are-useless.>. Acesso em 14 dez. 2024.
[30] RGI 6. A classificação de mercadorias nas subposições de uma mesma posição é determinada, para efeitos legais, pelos textos dessas subposições e das Notas de Subposição respectivas, assim como, "mutatis mutandis", pelas Regras precedentes, entendendo-se que apenas são comparáveis subposições do mesmo nível. Para os fins da presente Regra, as Notas de Seção e de Capítulo são também aplicáveis, salvo disposições em contrário.
NESH RGI 6. II) Com vista à aplicação da Regra 6, entende-se:
a) Por "subposição do mesmo nível", as subposições de um travessão (nível 1), ou as subposições de dois travessões (nível 2).
Assim, se dentro de uma posição, duas ou mais subposições de um travessão puderem ser tomadas em consideração em conformidade com a Regra 3 a), a especificidade de cada uma dessas subposições de um travessão em relação a um artigo determinado deve ser apreciada exclusivamente em função dos seus próprios dizeres. Se tiver sido escolhida a subposição mais específica e se ela mesma estiver subdividida, então, e só então, se tem em consideração os dizeres das subposições de dois travessões para se determinar qual dessas subposições deve ser, finalmente, selecionada.
[31] RGI 2. a) Qualquer referência a um artigo em determinada posição abrange esse artigo mesmo incompleto ou inacabado, desde que apresente, no estado em que se encontra, as características essenciais do artigo completo ou acabado. Abrange igualmente o artigo completo ou acabado, ou como tal considerado nos termos das disposições precedentes, mesmo que se apresente desmontado ou por montar.
b) Qualquer referência a uma matéria em determinada posição diz respeito a essa matéria, quer em estado puro, quer misturada ou associada a outras matérias. Da mesma forma, qualquer referência a obras de uma matéria determinada abrange as obras constituídas inteira ou parcialmente dessa matéria. A classificação destes produtos misturados ou artigos compostos efetua-se conforme os princípios enunciados na Regra 3.
RGI 3. Quando pareça que a mercadoria pode classificar-se em duas ou mais posições por aplicação da Regra 2-"b" ou por qualquer outra razão, a classificação deve efetuar-se da forma seguinte:
a) A posição mais específica prevalece sobre as mais genéricas. Todavia, quando duas ou mais posições se refiram, cada uma delas, a apenas uma parte das matérias constitutivas de um produto misturado ou de um artigo composto, ou a apenas um dos componentes de sortidos acondicionados para venda a retalho, tais posições devem considerar-se, em relação a esses produtos ou artigos, como igualmente específicas, ainda que uma delas apresente uma descrição mais precisa ou completa da mercadoria.
b) Os produtos misturados, as obras compostas de matérias diferentes ou constituídas pela reunião de artigos diferentes e as mercadorias apresentadas em sortidos acondicionados para venda a retalho, cuja classificação não se possa efetuar pela aplicação da Regra 3-"a", classificam-se pela matéria ou artigo que lhes confira a característica essencial, quando for possível realizar esta determinação.
c) Nos casos em que as Regras 3-"a" e 3-"b" não permitam efetuar a classificação, a mercadoria classifica-se na posição situada em último lugar na ordem numérica, dentre as suscetíveis de validamente se tomarem em consideração.
[32] Em 2022, em razão da aprovação da VII Emenda à Nomenclatura do SH, internalizada por meio da Instrução Normativa RFB nº 2054/2021, criou-se um código específico para classificar os equipamentos denominados por drones. Trata-se da posição 8806.2, veículos aéreos (aeronaves) não tripulados, concebidos unicamente para serem pilotados remotamente.
[33] Convenção Internacional sobre o Sistema Internacional de Designação e de Codificação de Mercadorias. Artigo 3º, Item 3. "Nenhuma disposição do presente artigo proíbe as Partes Contratantes de criar, no âmbito das respectivas nomenclaturas pautal e estatísticas, subdivisões para a classificação de mercadorias a um nível mais detalhado que o do Sistema Harmonizado, desde que tais subdivisões sejam acrescentadas e codificadas para além do código numérico de seis dígitos que figura no Anexo à presente Convenção".
[34] Por exemplo, tomando exclusivamente o Sistema Harmonizado para classificar um "maracujá", a posição adequada seria 0810.90, outras frutas frescas, outras. Entretanto, para fins de especificação e controle, no nível de classificação estabelecida pelo Mercosul, entendeu-se prudente, para fins de controle, criar uma classificação específica para o maracujá, acrescentando ao SH outros dois dígitos específicos, 0810.90.15 e indicando ali o maracujá.
[35] Conforme explica Raquel Segalla Reis "O ponto de partida dos processos decisórios automatizados sempre será uma atividade humana de seleção de dados, os quais naturalmente refletem o contexto social e econômico de quem os produziu. Essa perspectiva nos permite afirmar, com algum grau de certeza, que não há isenção em tais escolhas. A matemática é neutra, mas os dados e os seres humanos, não". REIS, Raquel Segalla. Gestão de riscos no despacho aduaneiro de importação: inteligência artificial como instrumento e agente de controle. São Paul, SP: Caput Libris Editora. 2024. p. 175
Na hipótese dos sistemas orientados para classificarem mercadorias, a ingerência humana, para além de um consequência natural, como explica Reis, assume contornos de necessária.