Já parou para pensar que a inteligência artificial pode impactar no desembaraço aduaneiro?
Muitas empresas estão envolvidas e preocupadas com o catálogo de produtos. Algumas atualizaram ou renovaram o seu banco de dados de produtos com os respectivos códigos tarifários.
Um dos procedimentos comuns, muito utilizado é a atualização somente do código em uma planilha excel, mas será que somente isso seria suficiente?
Existem dois aspectos importantes:
- Designar corretamente a mercadoria, ou seja, dar o nome;
- Determinação do código tarifário, largamente denominada pelo senso comum de NCM, deverá ser fundamentada, para que em caso de revisões de classificação de mercadoria ou na dúvida do auditor fiscal no desembaraço aduaneiro, fiscalizações pela RFB, estas sejam esclarecidas.
Afinal, onde entra inteligência artificial nisso?
No artigo de hoje, verificaremos o funcionamento do Sistema de Seleção Aduaneira por Aprendizado de Máquina (Sisam).
Todas as informações e exemplos foram retirados do artigo: “Inteligência Artificial no Sistema de Seleção Aduaneira por Aprendizado de Máquina“.
Sistema de Seleção Aduaneira por Aprendizado de Máquina (Sisam)
O Sisam é um sistema de inteligência artificial que utiliza o histórico de declarações de importação (DIs) para ajudar a RFB a diminuir a quantidade de mercadorias verificadas no despacho aduaneiro de importação.
Esse processo, por conseguinte, reduz os custos para a economia brasileira. Além disso, há uma diminuição na evasão fiscal e no descumprimento de exigências administrativas.
Vejamos o histórico de declarações de importação do Sistema Integrado de Comércio Exterior (Siscomex).
Ele está acumulado desde o ano de sua implantação, 1997. Deste modo, contém mais de uma dezena de milhões de DIs e de uma centena de milhões de mercadorias. As declarações verificadas, aproximadamente 15% do total, são apresentadas na versão original e na desembaraçada pela RFB. Dessa forma, dá para visualizar as mudanças entre as versões e identificar os erros da primeira versão. Isso fomenta um potencial significativo para aplicação de aprendizado de máquina.
A Sisam é considerada como a primeira inteligência artificial empregada de forma generalizada pela RFB.
Vale destacar ainda, que essa tecnologia não é utilizada apenas para selecionar mercadorias na conferência aduaneira. Existe um planejamento de trabalhos futuros feito pela Coordenação-Geral de Administração Aduaneira (COANA), que visará fiscalizar remessas postais e expressas, mercadorias em exportação, trânsito aduaneiro e bagagens acompanhadas, bem como habilitar operações no comércio exterior.
Visão geral do sistema de inteligência artificial
A fim de entender esse sistema, vamos pensar no seguinte exemplo:
Há um erro de classificação fiscal sem implicações em termos de exigências administrativas e sem alteração em alíquotas de impostos, que pode estar mapeado para R$1.000.
Se o Sisam levar em conta que há 10% de chance da presença de um erro como esse, a expectativa de retorno terá um acréscimo de R$100.
Assim, se um fiscal realizar mil verificações, todas com expectativa de retorno de R$500, estima-se que tenha uma recuperação para RFB no valor de R$500.000.
Ressaltamos que nem sempre o Sisam vai acertar as estimativas. Todavia, é possível compreender exatamente o que está tentando prever.
Pensando em uma mercadoria de valor médio, há chances de um retorno alto, caso as possibilidades de erro sejam altas. Uma mercadoria de pouco valor também pode ter uma expectativa de retorno alto, se as probabilidades de erro forem altas com consequências administrativas importantes, como por exemplo, uma fuga de licença de importação.
Para mercadorias de valor muito alto, sugere-se uma atenção maior do fiscal, mesmo que as probabilidades de erro sejam baixas.
Quando há suspeita de erro de classificação com duas NCMs alternativas possíveis, uma com alíquota maior e outra com menor, pode existir uma expectativa de retorno e de perdas elevados.
Descrição da mercadoria e probabilidade de erro
O Sisam irá sempre exibir um texto com a descrição da mercadoria de acordo com as informações do importador. Ademais, apresentará uma justificativa para a suspeita analisada e uma árvore de sugestões de NCM.
Essa árvore, por sua vez, é considerada como um sumário da TEC com as posições mais prováveis, considerando as análises do Sisam. Cada um dos códigos da TEC acompanham uma diferença de alíquota estimada, caso o código se confirme. Quando são necessárias licenças de importação, também se aponta na árvore.
Para ficar mais claro, veja esse exemplo:
Descrição:
“TUNGSTÊNIO EM PÔ 1,0 MICRON, W 1,0 – REF. WC0C050M”.
Probabilidade de erro:
A probabilidade de erro de classificação fiscal neste item foi estimada em 92.46%.
Explicação em linguagem natural:
“O histórico específico deste importador define um contexto, onde são esperadas tantas importações de produtos classificados em NCMs que costumam ser confundidas com a NCM declarada (28499030) que é mais fácil ela ter sido informada erroneamente do que corresponder a um produto realmente sendo importado.
Neste histórico, uma mercadoria do subitem 81011000 da NCM é mais comum e constam confusões deste subitem específico com a NCM declarada que o tornam uma suspeita de altíssima relevância.
Ao mesmo tempo, o fato do fabricante ter sido XXXXXX S.A. favorece fortemente a ideia de que a NCM real é, de fato, a 81011000, aumentando bastante a suspeita de erro de classificação.
Soma-se, a isto o fato de que, estatisticamente, a descrição da mercadoria favorece a fortemente ideia de que a NCM real é mesmo a 81011000. Isto obviamente aumenta a suspeita de erro de classificação fiscal”.
(Os textos acima foram gerados automaticamente pelo Sisam).
Entendendo as análises do sistema de inteligência artificial
No exemplo que citamos acima, a mercadoria foi declarada como pertencente à posição 28499030 (Carbonetos de Tungstênio).
Todavia, o Sisam analisou sua base de conhecimento e verificou que essa posição costuma ser confundida com outras NCMs.
Além disso, o sistema de inteligência artificial observou o histórico do importador e seu Código de Atividade Econômica (CNAE). Assim, notou que diversas NCMs suspeitas são esperadas por ele.
A realidade é que já se espera que esse importador importe mercadorias de NCMs que costumam ser classificadas equivocadamente como 28499030. Dessa maneira, estima-se também que este código apareça como consequência de erro. Foi isso que influenciou para que o sistema gerasse o primeiro parágrafo da explicação em linguagem natural.
Se o Sisam encontrasse confusões não tão significativas, provavelmente, ele não informaria que “é mais fácil a NCM ter sido informada erroneamente que realmente corresponder à importação”. Ele teria dito que, por conta dos erros encontrados, a operação precisaria de alguma atenção.
O sistema inteligente costuma regular o tom do texto considerando a força das evidências encontradas.
Ou seja, se apresentou uma afirmação tão forte, é porque o erro é bem relevante.
Observando o segundo parágrafo, vemos que o sistema localizou uma NCM que é mais comum no contexto desse importador. Essa, também é comumente confundida com a NCM declarada. É a NCM 81011000 (Pós de Tungstênio). Afirma ainda, que é “uma suspeita de altíssima relevância”. Isto é, se as evidências fossem fracas, o Sisam não teria usado este tom.
Já no terceiro parágrafo, o sistema salientou que a NCM suspeita encontra-se no rol de mercadorias que o fabricante costuma vender para o Brasil. Ele verificou o histórico de outros importadores que já comprarem deste fabricante. Podemos dizer que esse dado, aumenta ainda mais as suspeitas.
Vale ressaltar aqui o termo “ao mesmo tempo”, que indica a ideia de continuidade na mesma direção. Se o Sisam constatasse que o fabricante não vende a NCM suspeita, diria isto, e iniciaria o parágrafo com “Em contraste”.
A explicação do Sisam termina com a descrição da mercadoria que também aponta para a NCM 81011000. Considerando a descrição e o texto da NCM, parece estar correto.
Vejamos mais um exemplo
Descrição:
“FC-100/F – LUMINARIA ULTRAVIOLETA 100W,230V,FAN COOLED8” PRI, 8 “SEC.
Probabilidade de erro:
A probabilidade de erro de classificação fiscal neste item foi estimada em 44.85%.
Explicação em linguagem natural:
No histórico específico deste importador uma mercadoria do subitem 85437099 da NCM é mais comum e constam confusões deste subitem específico com a NCM declarada que o tornam uma suspeita de altíssima relevância.
Vale a pena apontar o fato de que, no histórico do Sisam, este importador já teve mercadorias do subitem NCM 85437099 da NCM conferidas por fiscais 3 vezes e em todos os casos a NCM foi declarada erradamente como sendo do subitem 90275090.
A influência deste fabricante (XXXXXXX CORPORATION) pesou apenas um pouco sobre a suspeita de erro de classificação, mas confirmou levemente a ideia de que a NCM real seria, de fato, a 85437099. Além disto, estatisticamente, a descrição da mercadoria favorece a ideia de que a NCM real é mesmo a 85437099, aumentando assim a suspeita de erro de classificação.
(Texto gerado automaticamente pelo sistema de inteligência artificial).
Este exemplo acima é de uma luminária ultravioleta. Foi classificada equivocadamente como um aparelho de análises físicas ou químicas.
Neste caso, o sistema não encontrou uma variedade de erros para considerar a NCM como suspeita. Entretanto, localizou uma NCM que se confunde com a declarada.
Além disso, o Sisam salientou o fato de o importador nunca ter declarado uma mercadoria na NCM 85437099.
Todas as vezes que essa classificação aparece no histórico, é porque mercadorias foram reclassificadas a partir da declaração da NCM 90275090.
Sendo assim, conclui-se que caso ele importe uma luminária da 85437099 mais uma vez, pode informar que está importando um instrumento de medida da 90275090.
Podemos ver nesse caso, que o fabricante e a descrição reforçam as suspeitas. Porém, a suspeita não é tão grande quanto no primeiro exemplo.
Vale ressaltar que o Sisam não necessita de muitos casos para apontar essas informações. Dessa forma, nem os fiscais precisam de muitos exemplos para considerar a informação como relevante.
A capacidade de ter certeza mesmo com poucos casos, é uma peculiaridade dos modelos não lineares empregados pelo Sisam. Portanto, é um benefício da tecnologia desenvolvida para a RFB.
Considera-se como a análise mais sofisticada do sistema de inteligência artificial a do erro de NCM. Isso porque é um erro suficientemente importante para ter uma divisão especializada na RFB.
Trabalhos derivados do Sisam
A tecnologia desse sistema de inteligência artificial é empregada também em duas funções do sistema Contágil. Ambas são utilizadas na área de tributos internos.
A primeira refere-se ao mecanismo de casamentos inexatos. No Sisam, servem para o alinhamento entre as versões desembaraçada e registrada das DIs.
Na segunda aplicação a tecnologia empregada é o Mecanismo de Detecção de Erros em NCMs e CFPOs em Notas Fiscais. Nesse caso, o objetivo é detectar créditos indevidos de Cofins e PIS.
Esses créditos são usualmente de quando a empresa adquire matérias-primas, mas não compra mercadorias para consumo próprio ou revenda. O Código Fiscal de Operação (CFOP) demonstra qual o uso da mercadoria adquirida. Portanto, é definido se a empresa possui o direito a se creditar. Sendo assim, a detecção de CFPOs errados é essencial.
Por meio de um conjunto de notas fiscais, o MDECNF identifica correlações entre a atividade econômica da empresa, o tipo de mercadoria e o uso que a empresa faz dela.
Considera-se que para disfarçar erros no CFOP, comumente as empresas informam uma NCM errada. Dessa maneira, é relevante detectar também erros nas NCMs.
Melhorias na importação pela inteligência artificial
Na área da importação pretende-se realizar algumas melhorias nesse sistema de inteligência artificial.
Uma das melhorias planejadas é a previsão de erros nas descrições de mercadorias.
O Sisam, atualmente, já considera a chance de erro nas descrições de mercadorias. Todavia, não sugere que a descrição esteja equivocada. Por esse motivo, entende-se que no futuro ele também deverá fazer isso.
Assim, o Sisam não se limitará a informar a presença de suspeita de erros. Mas também, demonstrará quais palavras acredita que não deveriam estar no texto.
Hoje, o sistema já alinha os textos iniciais e finais, ao descobrir qual parte do texto inicial foi substituída por uma parte final. Ao utilizar mais intensamente essa informação, o Sisam conseguirá dizer onde está escrito “parafuso de alumínio”, considerando que deveria estar como “parafuso de aço inoxidável”.
Outro avanço evidencia o tratamento melhor dos códigos de produtos presentes nas descrições. Deste modo, o Sisam poderá avaliar, por exemplo:
- Se HP810 é uma impressora e uma HP820 também é, provavelmente, identificará um HP830 também como impressora.
Verifica-se que também é possível que o sistema interaja diretamente com o contribuinte. Assim, dará a oportunidade de retificar algumas declarações antes que sejam submetidas aos fiscais. Isso seria como a malha fiscal do Imposto de Renda de Pessoa Física (IRPF).
A inteligência artificial realmente pode impactar positivamente no desembaraço aduaneiro
Você percebeu quantos benefícios em utilizar o Sisam?
A tecnologia de inteligência artificial pode ser uma grande aliada na classificação de mercadorias!
Ficou com alguma dúvida?
Caso tenha ficado, entre em contato conosco. Estamos à disposição.
Fonte: JAMBEIRO FILHO. Inteligência Artificial no Sistema de Seleção Aduaneira por Aprendizado de Máquina, 2015.
