Классификация товаров по ТН ВЭД ежегодно сжигает миллиарды долларов в мировой торговле, превращаясь в бесконечный финансовый проект из-за своей перегруженной логики. Исследователи из Шанхайского университета Цзяо Тун (SJTU) совместно с Таможенным управлением КНР (GACC) пришли к очевидному, но редкому для индустрии выводу: проблема не в дефиците данных, а в неспособности стандартных языковых моделей к многомерному рассуждению по правилам. Базовые чат-боты тотально проваливаются в высокорисковых операциях, так как не умеют балансировать между приоритетами — например, отличать химический состав от функционального назначения или агрегатного состояния. Там, где живой эксперт понимает, что «основное свойство» товара превалирует над буквальным описанием материала, обычный ИИ галлюцинирует, обеспечивая бизнесу задержки грузов, штрафы и блокировку логистических коридоров.
Для решения этой проблемы команда под руководством Юй Чжана и Кая Чэня разработала детерминированный рабочий процесс, который заменяет хаотичное самопланирование агента жестким алгоритмическим контролем. В этой архитектуре языковая модель заперта в узких, структурированных этапах и лишена права на «свободное творчество». Каждое решение здесь — это декомпозиция на шесть стадий, где агент обязан приводить дословные цитаты из Основных правил интерпретации (ОПИ) и пояснительных примечаний к разделам. Мы видим конец эпохи вероятностных подсказок: вместо «черного ящика» генеративного ИИ система выдает верифицируемый аудиторский след, который таможенник или комплаенс-менеджер может проверить по пунктам.
Данные SJTU подтверждают тезис: специализированные малые модели (SLM) под жестким надзором эффективнее «универсальных гигантов». Используя Qwen2.5-27B-FP8 в режиме без свободного рассуждения, система достигла точности 84,2% на уровне четырех знаков и 77,4% на уровне шести знаков. Примечательно, что ручной аудит 226 расхождений между ИИ и бенчмарком HSCodeComp показал: агент часто оказывался правее, чем размеченная человеком база данных. Это доказывает, что детерминированный агент — не просто инструмент автоматизации, а превосходный слой верификации, способный вычищать ошибки живых экспертов в базах данных комплаенса.
Несмотря на впечатляющие результаты, зависимость системы от валидации со стороны регулятора подчеркивает главный барьер — административную власть. Воркфлоу опирается на национальные интерпретационные примечания, которые специфичны для каждой юрисдикции. Ждать появления единой универсальной модели для всех границ бессмысленно — будущее за суверенными агентами, локализованными под конкретные национальные тарифы. Переход от «промптов на удачу» к модульной детерминированной логике сегодня выглядит как единственный жизнеспособный путь для внедрения ИИ в индустриях, где одна неверная цифра в декларации обходится в тысячи долларов.