Uvozna dokumentacija retko dolazi u jednom urednom obliku. JCI ili
druga carinska deklaracija, obracun uvoznih dazbina, komercijalna i
transportna faktura, teretnica, lista pakovanja, sertifikat o poreklu i
druga prateca dokumenta mogu stici kao PDF, sken, fotografija,
elektronska poruka ili izvoz iz sistema poslovnog partnera. Podaci zatim
prolaze kroz carinsku obradu, kontrolu troskova, racunovodstveno
evidentiranje i internu analitiku.
Vestacka inteligencija moze da skrati taj put, ali samo ako je
postavljena kao kontrolisani pomocnik. Najbezbednije pravilo glasi: AI
treba da predlaze podatke i oznacava izuzetke, a odgovorno lice treba da
ih proverava i odobrava.
Od citanja znaka do
razumevanja dokumenta
OCR pretvara sliku dokumenta u masinski citljiv tekst. To je osnovni
korak, ali nije dovoljan. Tradicionalni OCR moze prepoznati broj, naziv
ili datum, a ipak pogresiti u tome kojem polju taj podatak pripada.
Pecati, rukom dopisane napomene, losi skenovi, spojene celije i
promenljivi rasporedi dodatno otezavaju obradu.
NLP i dokumentna AI dodaju sloj tumacenja. Sistem najpre klasifikuje
dokument, na primer kao fakturu, teretnicu ili sertifikat o poreklu, a
zatim izdvaja kljucna polja i pretvara ih u strukturisane zapise. Kod
fakture to mogu biti dobavljac, broj i datum dokumenta, valuta, ukupna
vrednost i stavke. Kod teretnice to su posiljalac, primalac, opis robe,
tezina i prevozni podaci. Kod sertifikata o poreklu izdvajaju se podaci
potrebni za proveru porekla robe.
Za JCI i obracun uvoznih dazbina vazni su deklarisane vrednosti,
tarifne oznake, poreklo, kolicine, osnovice i iznosi dazbina. Sistem
moze uporediti te podatke sa fakturom, listom pakovanja i transportnim
dokumentima. Neslaganje tezine, valute, kolicine ili opisa robe treba da
proizvede upozorenje, a ne automatsko prihvatanje.
Put podataka do
racunovodstva i Excela
Dobar tok pocinje kontrolisanim prijemom dokumenata. Sistem ih
razvrstava, primenjuje OCR, izdvaja polja i normalizuje datume, valute i
jedinice mere. Zatim sledi provera podataka izmedju vise dokumenata i sa
maticnim podacima u poslovnom sistemu.
Odobreni podaci mogu biti poslati u ERP ili racunovodstveni softver
radi pripreme knjizenja nabavne vrednosti, zavisnih troskova, transporta
i uvoznih dazbina. Istovremeno se mogu izvesti u Excel za kontrolu po
dobavljacu, posiljci, robi, deklaraciji ili troskovnoj kategoriji. Takav
tok smanjuje visestruko prekucavanje istog podatka i omogucava da se uz
svaku vrednost sacuvaju izvorni dokument, vreme obrade, izmena i
odobrenje.
Ipak, direktan prenos ne bi trebalo izjednaciti sa nekontrolisanim
automatskim knjizenjem. Ako je pogresno procitana valuta ili osnovica,
greska moze proci kroz ceo lanac i izgledati uredno upravo zato sto je
obradjena automatski. Zato knjizenje mora imati pragove pouzdanosti,
pravila odobravanja i red za izuzetke.
Microsoft Copilot
kao pomoc u Excel analizi
Microsoft Copilot moze da pomogne pri pronalazenju i sazimanju
podataka iz dokumenata koji su dostupni u podrzanim okruzenjima, kao i
pri radu sa podacima u aktivnoj Excel radnoj svesci. Korisnik moze
traziti tabelarni prikaz troskova uvoza, grupisanje po dobavljacu ili
uocavanje odstupanja izmedju fakturisanih i obracunatih iznosa.
Za slike i snimke tabela moguce je koristiti izdvajanje u
strukturisani oblik, dok se za slozeniji i obimniji unos podataka mogu
koristiti i postojece Excel mogucnosti za preuzimanje i transformaciju
podataka. Rezultat je pouzdaniji kada dokument ima jasna zaglavlja,
citljive vrednosti i uredne tabele.
Microsoft Copilot, medjutim, nije zamena za carinski ili
racunovodstveni nadzor. Njegov predlog formule, pregleda ili tabele ne
potvrdjuje pravilnost tarifne oznake, porekla robe, carinske vrednosti,
poreskog tretmana ili knjizenja.
Specijalizovani
softver za trgovinsku uskladjenost
Kada firma ima veci broj posiljaka ili slozenije postupke, potreban
je siri sistem od pojedinacnog OCR alata. Specijalizovani softver za
carinsku i trgovinsku uskladjenost moze objediniti klasifikaciju
dokumenata, izdvajanje podataka, pripremu deklaracija, tarifne kontrole,
proveru ogranicenja, saradnju sa carinskim zastupnicima i integraciju sa
ERP sistemom.
Resenja kao sto su SAP GTS i ONESOURCE predstavljaju primere ove
kategorije, dok se posebne platforme za dokumentnu AI mogu povezati sa
postojecim carinskim i racunovodstvenim sistemima. Izbor treba zasnovati
na podrzanim dokumentima, mogucnostima integracije, tragu revizije,
kontroli pristupa i nacinu obrade izuzetaka, a ne samo na demonstraciji
automatskog citanja.
Optimizam iskusnog
prakticara
Iz optimisticnog ugla, najveci dobitak nije spektakularna
automatizacija vec uklanjanje svakodnevnog prekucavanja. Racunovodja ili
carinski strucnjak dobija vise vremena za analizu troskova, proveru
neuobicajenih odstupanja i resavanje slozenih slucajeva.
Strukturisani podaci omogucavaju pregled troska po posiljci,
dobavljacu i robi. Digitalni trag pokazuje odakle je podatak preuzet, ko
ga je izmenio i ko ga je odobrio. Poslovi se menjaju: manje vremena
odlazi na unos, a vise na kontrolu, tumacenje i upravljanje
izuzecima.
Oprez skeptika
Skeptik opravdano upozorava da uverljiv rezultat nije isto sto i
tacan rezultat. AI moze pogresno procitati dokument ili predloziti
tarifnu klasifikaciju koja izgleda razumno, ali ne odgovara robi.
Posebno su osetljivi poreklo robe, carinska vrednost i uslovi za
povlasceni tretman.
Postoje i pitanja zastite finansijskih, trgovinskih i licnih
podataka, mesta njihove obrade i prava pristupa. Firma moze postati
zavisna od dobavljaca softvera, njegovog formata podataka ili nacina
povezivanja. Promena poslova takodje zahteva obuku zaposlenih, jasnu
podelu odgovornosti i ocuvanje strucnog znanja.
Znacaj za firme iz Srbije
Za kompanije iz Srbije koje posluju sa inostranstvom, posebno sa
partnerima iz EU, kvalitet strukturisanih podataka postaje sve vazniji.
Srbija razvija digitalne carinske sisteme i poslovanje bez papira, dok
EU prosiruje elektronsku razmenu deklaracija, pratecih dokumenata i
sertifikata.
Carinski zakonik Unije vazan je za razumevanje zahteva i procesa
partnera iz EU i pravca digitalne uskladjenosti. Ipak, ne treba tvrditi
da se on neposredno primenjuje kao domaci propis Srbije. Firme moraju
postupati prema vazecim propisima Srbije, uz pracenje zahteva trzista i
partnera u EU.
Prakticni saveti za
bezbedno uvodjenje
- Popisite dokumente, polja, odgovorna lica i mesta na kojima se
podaci danas ponovo unose. - Pocnite od ogranicenog procesa, kao sto su transportne fakture ili
provera JCI prema fakturi. - Odvojite izdvajanje podataka od pravne odluke o klasifikaciji,
poreklu i carinskoj vrednosti. - Uvedite pragove pouzdanosti i obaveznu proveru svih odstupanja.
- Sacuvajte izvorni dokument, verzije podataka, izmene i
odobrenja. - Pre integracije proverite zastitu podataka, mogucnost izvoza i
uslove promene dobavljaca. - Ne dozvolite automatsko knjizenje bez kontrolnih pravila i
odgovornog odobrenja. - Merite kvalitet kroz greske i broj rucnih intervencija, a ne samo
brzinu obrade.
Zakljucak
AI moze pouzdano preuzeti veliki deo pripreme podataka, ali ne i
odgovornost za carinsku i racunovodstvenu odluku. Najbolji model nije
potpuno uklanjanje coveka, vec precizna podela rada: OCR cita,
dokumentna AI strukturise, sistem proverava podudarnosti, Microsoft
Copilot pomaze u Excel analizi, a strucno lice donosi i odobrava odluku.
Tako automatizacija postaje sredstvo produktivnosti, analitike i boljeg
traga revizije, bez pretvaranja brzine u novi izvor rizika.