Nos últimos dois anos, as ferramentas de classificação de códigos HS com IA entraram no armazém de importação e na corretora de despacho aduaneiro: basta fornecer a descrição do produto, os materiais e o uso pretendido, e em segundos elas devolvem um código HTS, com uma pontuação de confiança. Alguns chamam isso de fim do classificador. Pelo que tenho visto no setor nos últimos dois anos, esse veredicto é prematuro. A classificação nunca foi difícil porque procurar um código seja difícil. É difícil porque, quando o código está errado, alguém tem de pagar.

Comecemos por um fato básico. O sistema HTS contém mais de cinco mil subposições de seis dígitos, e ao descer para o nível estatístico de dez dígitos, as combinações chegam às dezenas de milhares. O código de um produto depende não só do que ele é, mas também das proporções de seus materiais, da importância relativa de suas funções, do grau de processamento e até do uso a que se destina. O mesmo par de fones de ouvido sem fio pode ser classificado de forma diferente com e sem o estojo de carregamento. É por isso que o trabalho do classificador sobreviveu a décadas de planilhas e bancos de dados: é fundamentalmente um trabalho de julgamento, não de consulta.

O que a classificação de códigos HS com IA realmente economiza

A economia é fácil de calcular. Do lado humano, um classificador experiente gasta cerca de 10 a 20 minutos em uma entrada rotineira, e um produto novo e complexo — verificar as notas explicativas, ler decisões anteriores, ligar para o fornecedor para confirmar a composição — pode levar uma ou duas horas. Do lado da IA, a resposta chega em segundos, e centenas de entradas podem ser processadas em um único lote. Tomemos um exemplo calculado com premissas explícitas: um armazém que processa 1,000 entradas de importação por mês, com uma média de 15 minutos de classificação manual por entrada, gasta 250 horas por mês com classificação, aproximadamente um cargo e meio em tempo integral. A IA comprime a primeira passagem para segundos e deixa a revisão humana apenas para os casos difíceis. As horas economizadas são reais.

| Fator | Classificação manual | Classificação com IA + revisão humana | | Velocidade | 10–20 minutos por entrada | Primeira passagem em segundos, as entradas difíceis são revisadas por uma pessoa | | Consistência | Varia conforme a pessoa | Resultados estáveis para mercadorias semelhantes | | Custo | Cresce linearmente com as horas | Investimento inicial mais taxas por entrada | | Risco | Os erros decorrem do julgamento de uma pessoa | Os erros decorrem de um viés sistemático: um erro pode se repetir em todo um lote |

Mas há uma condição ligada a esse cálculo: o que se economiza é o tempo da primeira passagem, não a responsabilidade. Um único dígito em um código pode mover a alíquota em vários pontos percentuais — esse é um fato estrutural básico do sistema tarifário, e a alíquota real de qualquer produto deve ser conferida na pauta tarifária oficial. As horas de trabalho que a IA economiza e o custo de uma entrada corrigida muitas vezes não estão na mesma escala. Um cálculo de ROI que conta as horas economizadas e ignora o custo de errar não é um cálculo de ROI.

Consideremos um cenário ilustrativo. Um importador usa a IA para classificar um par de fones de ouvido sem fio vendidos com estojo de carregamento. O modelo devolve um código com 92 por cento de confiança, o operador vê uma pontuação alta e o libera. Na inspeção, a alfândega determina que o produto deveria ter sido classificado como uma unidade completa com bateria de lítio, e não como fones de ouvido comuns, e o importador enfrenta direitos retroativos e penalidades — mais, nessa única entrada, do que a empresa economizou em mão de obra ao longo de meio ano. O problema não é que o modelo fosse «burro». Uma pontuação de confiança de 92 por cento não é baixa em termos estatísticos. O problema é que ninguém havia registrado por escrito se 92 por cento bastam para liberar.

Há um segundo tipo de erro cuja raiz não está no modelo, mas nos dados de origem. Uma jaqueta descrita como 60 por cento algodão e 40 por cento poliéster pode receber um código diferente de uma descrita como 40 por cento algodão e 60 por cento poliéster. Se a ficha de composição do fornecedor já estiver errada desde o início, a IA lê uma entrada errada, e nem o modelo mais preciso do mundo pode devolver outra coisa senão uma resposta errada. A origem dos erros de classificação costuma estar na cadeia de dados, não no algoritmo.

O que custa um único código HS errado da IA

Primeiro, direitos retroativos e penalidades. A legislação aduaneira dos Estados Unidos prevê penalidades por declarações falsas na entrada, graduadas conforme o grau de culpa, e a responsabilidade recai sobre o importador registrado — não sobre o fornecedor do software. Salvo disposição contratual em contrário, o fornecedor quase certamente não paga. Por isso, a cláusula de responsabilidade de um contrato de classificação com IA merece ser lida com mais atenção do que os números de precisão.

Segundo, a taxa de inspeção. Uma vez constatado que uma categoria de mercadorias foi classificada incorretamente, aumenta a probabilidade de que os embarques posteriores das mesmas mercadorias sejam inspecionados, e os planos de giro do armazém e as datas de entrega ao cliente vão junto. Esse custo oculto é mais difícil de calcular do que os direitos retroativos, e mais difícil de explicar a um cliente: a mercadoria está perfeita, só o código do último embarque estava errado.

Terceiro, o efeito de arraste. Se uma classificação errada passar despercebida, o mesmo código errado é copiado em todas as entradas posteriores do mesmo produto. A eficiência da IA corta nos dois sentidos: quando acerta, acerta em massa, e quando erra, erra em massa. Na era manual, o erro de uma pessoa tinha um alcance limitado. Na era da IA, um viés sistemático pode contaminar os registros de classificação de toda uma categoria de produtos em questão de semanas.

Onde cabe a revisão humana

Na minha opinião, a revisão humana não deve ficar no fim como um último olhar. Deve ser escalonada conforme a pontuação de confiança e o risco do produto.

| Tipo de produto | Confiança da IA | Tratamento | | Mercadorias rotineiras com histórico de classificação | Alta | Verificação humana por amostragem | | Produtos novos, composição limítrofe | Média | Revisão humana obrigatória | | Mercadorias sujeitas a medidas comerciais, baterias de lítio, alimentos e medicamentos | Qualquer nível | Revisão humana completa, IA apenas como referência |

O passo crítico é registrar as regras por escrito: o que conta como «alto», quais categorias de produtos são encaminhadas automaticamente para a revisão humana e quem tem autoridade para anular a resposta da IA. «Humano mais máquina» sem regras escritas acaba se reduzindo a uma pessoa cujo único trabalho é clicar em confirmar. E, em uma disputa de responsabilidade, clicar em confirmar é tratado da mesma forma que classificar a mercadoria pessoalmente. Em outras palavras, uma etapa de revisão humana que é apenas teatro equivale a não ter revisão humana alguma.

O que a IA ainda não deve classificar

Há quatro categorias de mercadorias que eu não deixaria a IA classificar sozinha neste estágio. Primeiro, produtos novos sem histórico de decisões: o modelo não tem precedentes para aprender, então a própria pontuação de confiança não faz sentido. Segundo, produtos químicos e têxteis com composição limítrofe, em que a evidência decisiva está em um laudo laboratorial e não na descrição do produto. Terceiro, mercadorias sujeitas a medidas comerciais, como direitos antidumping e compensatórios, em que o código depende de documentos de decisões e jurisprudência que o modelo não consegue ver. Quarto, alimentos, produtos farmacêuticos e dispositivos médicos sob condições regulatórias complexas, em que um código errado não é apenas um problema de dinheiro.

Essas quatro têm um traço em comum: a evidência que decide a classificação não está na descrição do produto, então a entrada da IA já está incompleta desde o início. Com uma entrada incompleta, até o melhor modelo só pode adivinhar. E, na classificação, um palpite certo não rende recompensa, enquanto um palpite errado custa dinheiro.

Voltemos então à pergunta inicial: a IA para classificação de códigos HS economiza mão de obra, mas quem paga quando a IA erra? Por enquanto, a resposta é o importador registrado. Nos próximos três a cinco anos, é muito provável que a classificação com IA se torne equipamento padrão no armazém de importação — mas «padrão» significa que todos os armazéns a terão, não que todos poderão deixar de prestar atenção. A pergunta que vale a pena considerar talvez não seja se a IA é precisa, mas quem cobre os 5 por cento restantes quando a IA tem 95 por cento de precisão. Essa pergunta ainda não tem uma resposta padrão.

Por Dr. Chen, Pesquisador de cadeia de suprimentos Traduzido do inglês. Em caso de divergência, prevalece a versão em inglês.