Версия для слабовидящих

Размер текста:

Цветовая схема:

Изображения:

27 августа 2025

Формирование интеллектуального пункта пропуска в системе таможенных органов представляет собой ключевой элемент перехода к цифровой модели таможенного администрирования, ориентированной на снижение административных издержек, повышение результативности контрольных процедур и ускорение трансграничного товарооборота.

Доцент Кафедры налогов и налогового администрирования Финансового университета при Правительстве Российской Федерации, к.э.н. Дмитриева Ольга считает, что эффективная реализация такой модели предполагает не только модернизацию технической инфраструктуры, но и построение целостной архитектуры, в рамках которой автоматизированные контрольно-аналитические комплексы, идентификационные средства, электронные шлюзы и модули управления рисками взаимодействуют в едином информационном контуре.

Международный опыт свидетельствует о том, что подобные решения не являются концептуальными проектами, а уже функционируют в институционально и технологически оформленной среде.

Анализ практики реализации интеллектуальных пунктов пропуска в деятельности таможенных органов зарубежных стран указывает на переход к цифрово-интегрированной модели организации пограничного контроля, базирующейся на автоматизации операций, внедрении аналитических механизмов прогнозного характера и технологическом обновлении объектов околотаможенной инфраструктуры. Наиболее полно данный подход реализован в Китайской Народной Республике, где в рамках концепции «умная таможня, умные границы, умное взаимодействие» сформирована технологическая архитектура интеллектуального пункта пропуска. Модель, апробированная на примере пункта пропуска Хуанган, включает использование электронных замков E-lock, интегрированной с таможенной информационной системой, что позволяет в реальном времени отслеживать маршрут транспортного средства, фиксировать отклонения от заданной траектории и верифицировать целостность товарной партии.

Кроме того, на базе платформы Intelligent Customs Inspection (далее - ICI) реализовано многоуровневое применение машинного обучения и анализа рентгеновских изображений, получаемых с установок H986, CT и X-ray, что обеспечивает автоматизированную идентификацию рисковых объектов и формирует алгоритмическую логику отбора товарных партий для проведения таможенного досмотра. Время автоматического распознавания не превышает 10 секунд, при этом до половины операций контроля осуществляются без привлечения инспектора, что обеспечивает перераспределение нагрузки в пользу высокорисковых направлений. Использование самообучающихся алгоритмов анализа рентгеновских изображений в инспекционно-досмотровых комплексах расширяет возможности идентификации объектов без участия инспектора, снижая вероятность ошибок и ускоряя процедуру принятия решений.

Технологическая архитектура построена на стандартизации алгоритмов, унификации форматов данных и интеграции с модулями нейросетевой обработки, адаптируемыми под специфику товарных потоков и документов, включая сертификаты происхождения. Система обеспечивает точную «фильтрацию» потоков, снижает нагрузку на должностных лиц таможенных органов.

Результатом функционирования системы является автоматизированное ранжирование товарных партий по уровням риска с выделением поставок, подлежащих усиленному контролю, которые в интерфейсе инспектора маркируются как объекты применения иных форм таможенного контроля. Это обеспечивает возможность перераспределения ресурсов таможенного органа в пользу «адресного» контроля без увеличения нагрузки на должностных лиц.

По мнению доцента Кафедры налогов и налогового администрирования Финансового университета при Правительстве Российской Федерации, к.э.н. Полякова Антона, адаптация этих решений в российской практике возможна при наличии технологического обеспечения таможенных органов, внедрении искусственного интеллекта, активного взаимодействия не только таможенных, но и иных государственных органов (Пограничной службы ФСБ России, Федеральной налоговой службы и пр.). Указанные подходы формируют практическую основу для поэтапного формирования интеллектуального пункта пропуска как инструмента цифровой трансформации деятельности таможенных органов.

 

Другие новости

12 декабря
Цифровые госуслуги как фактор снижения транзакционных издержек бизнеса

Цифровые госуслуги как фактор снижения транзакционных издержек бизнеса

12 декабря
Управление налоговыми рисками, возникающих у субъектов малого предпринимательства

Управление налоговыми рисками, возникающих у субъектов малого предпринимательства

12 декабря
Туристический налог: что надо знать туристам

Туристический налог: что надо знать туристам

12 декабря
Стартапы в России. Новые ниши, которые растут быстрее остальных

Стартапы в России. Новые ниши, которые растут быстрее остальных

12 декабря
Реверсивный скроллинг: как медиа манипулируют ностальгией и создают «прошлое будущего» в TikTok и Reels

Реверсивный скроллинг: как медиа манипулируют ностальгией и создают «прошлое будущего» в TikTok и Reels

12 декабря
 Применение модифицированной модели DuPont для анализа нефтедобывающих компаний России

Применение модифицированной модели DuPont для анализа нефтедобывающих компаний России

12 декабря
Страхование от стихии: как США, Германия и Китай спасают дома от ураганов, наводнений и землетрясений

Страхование от стихии: как США, Германия и Китай спасают дома от ураганов, наводнений и землетрясений

12 декабря
ИИ-агент как первый аналитик: автоматизация проверки малых и средних контрагентов для банков, страховых и крупных корпораций

ИИ-агент как первый аналитик: автоматизация проверки малых и средних контрагентов для банков, страховых и крупных корпораций

12 декабря
Влияние регулирования интернет-рекламы (ЕРИР) на маркетинговые практики бизнеса

Влияние регулирования интернет-рекламы (ЕРИР) на маркетинговые практики бизнеса

Выбрать дату

Выбрать дату

Выбрать год