ИИ ускоряет подбор кода ТН ВЭД, когда работает как помощник специалиста: извлекает характеристики товара из инвойсов, спецификаций и карточек, предлагает несколько кандидатов кода с обоснованием по Основным правилам интерпретации и примечаниям и показывает, каких сведений не хватает. Окончательный код выбирает человек: по Таможенному кодексу ЕАЭС классификацию при декларировании осуществляет декларант, а таможенный орган проверяет её правильность. Поэтому цель проекта — не «нейросеть, которая знает код», а процесс, в котором каждое решение можно объяснить таможне.
Материал подготовлен AIrassvet и проверен по открытым источникам 1 октября 2026 года. Он адресован импортёрам и экспортёрам, сотрудникам ВЭД-отделов, таможенным представителям, дистрибьюторам и селлерам, которые ввозят товары. Нормы приведены по текстам ТК ЕАЭС, федерального закона № 289-ФЗ и КоАП РФ в КонсультантПлюс на дату проверки. Это не юридическая или таможенная консультация: классификацию конкретного товара подтверждайте у специалиста или через предварительное решение. Раздел об AIrassvet в конце описывает услуги издателя.
Содержание
- Почему классификация по ТН ВЭД подходит для ИИ
- Правовая рамка: кто отвечает за код
- Как ИИ применяет правила интерпретации
- Какие данные о товаре нужны
- Архитектура решения
- Где ИИ помогает в ВЭД-процессе
- Готовый сервис или собственная система
- Риски и ограничения
- Пошаговое внедрение
- Как измерять качество
- Частые вопросы
- Первоисточники и метод проверки
Почему классификация по ТН ВЭД подходит для ИИ
Подбор кода — это работа с текстом и большим справочником. Специалист читает описание товара, выясняет материал, назначение и принцип действия, затем ищет подходящую товарную позицию среди групп номенклатуры, сверяется с примечаниями к разделам и группам, пояснениями и практикой классификационных решений. У этой задачи есть свойства, удобные для языковых моделей:
- Смысловой поиск. Описание поставщика редко совпадает с формулировкой товарной позиции: «умная розетка с Wi-Fi» нужно сопоставить с языком номенклатуры.
- Много неструктурированных документов. Инвойсы, спецификации, паспорта изделий на разных языках.
- Повторяемость. Ассортимент дистрибьютора или производителя во многом повторяется, и прошлые решения — ценная база.
Но ошибка дорогая: неверный код может изменить ставку пошлины, требования к разрешительным документам и повлечь доначисление платежей и штраф. Поэтому ИИ должен ускорять анализ, а не заменять ответственность специалиста.
Правовая рамка: кто отвечает за код
| Норма | Что устанавливает | Значение для ИИ |
|---|---|---|
| Решение Совета ЕЭК от 14.09.2021 № 80 | Утверждает единую ТН ВЭД ЕАЭС и Единый таможенный тариф; номенклатура включает Основные правила интерпретации и примечания и регулярно изменяется решениями ЕЭК | Справочник для ИИ должен обновляться вместе с номенклатурой; модель не должна полагаться на «память» |
| Статья 20 ТК ЕАЭС | Классификацию при декларировании осуществляют декларанты, таможенные органы проверяют её правильность и при выявлении ошибки сами классифицируют товар; при отсутствии точных сведений допускается определение кода на уровне не менее первых 4 знаков | Ответственность за код остаётся за компанией; ИИ должен показывать, на каком уровне код определён надёжно |
| Статьи 23–25 ТК ЕАЭС | Предварительное решение о классификации принимается не позднее 90 календарных дней со дня регистрации заявления и действует 3 года, если национальное законодательство не устанавливает более длительный срок | Для спорных и массовых позиций надёжнее получить решение таможни, чем доверять любому алгоритму |
| Статья 18 закона № 289-ФЗ | В России предварительное решение о классификации действует пять лет со дня принятия | Принятые решения стоит хранить в базе знаний и использовать как приоритетный источник |
| Часть 2 статьи 16.2 КоАП РФ | Заявление недостоверных сведений о классификационном коде, если они послужили или могли послужить основанием для освобождения от уплаты или занижения пошлин и налогов сверх установленного порога, влечёт штраф для юрлиц от половины до двукратной суммы подлежащих уплате платежей | Каждое предложение ИИ должно проходить проверку человеком и сохранять обоснование |
Главный вывод: ИИ не меняет распределение ответственности. Он помогает быстрее подготовить обоснованное решение, которое специалист утверждает и может защитить.
Как ИИ применяет правила интерпретации
Основные правила интерпретации (ОПИ) — шесть правил в составе ТН ВЭД, по которым товар относят к товарной позиции, а затем к субпозиции. Хороший ИИ-ассистент повторяет логику специалиста и показывает её, а не выдаёт голый код.
| Шаг | Что делает специалист | Что делает ИИ |
|---|---|---|
| 1. Понять товар | Выясняет материал, назначение, принцип действия, комплектность | Извлекает характеристики из документов и формирует список недостающих сведений |
| 2. Найти позиции | Ищет товарные позиции по текстам и примечаниям (ОПИ 1) | Находит кандидатов смысловым поиском по текстам позиций, примечаниям и пояснениям |
| 3. Разрешить конкуренцию | Применяет правила для некомплектных изделий, смесей, наборов и выбора между позициями (ОПИ 2–3) | Объясняет, какое правило применимо и почему один кандидат конкретнее другого |
| 4. Выбрать субпозицию | Сравнивает субпозиции одного уровня (ОПИ 6) | Проходит дерево кода до 10 знаков и отмечает уровни, где сведений не хватает |
| 5. Проверить практику | Сверяется с классификационными и предварительными решениями | Находит похожие решения в базе и показывает расхождения |
| 6. Зафиксировать | Утверждает код и обоснование | Сохраняет цепочку рассуждения, источники и версию номенклатуры |
Правило для модели: ни одного кода без ссылки на текст позиции или примечание. Если ИИ не может процитировать основание, он должен вернуть «нужна экспертиза», а не угадывать.
Какие данные о товаре нужны
Качество подбора зависит от описания сильнее, чем от модели. Описание вида «запчасти» или «пластиковые изделия» не позволяет классифицировать товар ни человеку, ни ИИ. Минимальный набор характеристик:
- Наименование и коммерческое описание на русском и, при необходимости, языке поставщика.
- Материал и его доля для составных изделий.
- Назначение и область применения: для чего используется, в каком оборудовании.
- Принцип действия для машин, приборов и электроники.
- Комплектность и упаковка: набор, запчасть, некомплектное изделие.
- Технические параметры, от которых зависит субпозиция: мощность, напряжение, размер, состав.
- Фото и техническая документация, если описание неоднозначно.
ИИ полезен уже на этом этапе: он читает инвойсы и спецификации, в том числе сканы, и формирует запрос поставщику по недостающим характеристикам. О распознавании документов — в статье OCR и распознавание документов для бизнеса.
Архитектура решения
- Справочная база. Актуальная редакция ТН ВЭД ЕАЭС с примечаниями, пояснения, классификационные решения, а также собственная история деклараций и полученные предварительные решения. Каждый документ хранится с датой и версией.
- Извлечение характеристик. OCR и языковая модель превращают документы поставщика в структурированную карточку товара.
- Поиск кандидатов. Смысловой поиск по базе (RAG) находит позиции, примечания и похожие прошлые решения. Подробнее о подходе — в статье RAG-система для бизнеса.
- Рассуждение по ОПИ. Модель сравнивает кандидатов по правилам и возвращает 2–3 варианта с обоснованием, уровнем уверенности и списком недостающих сведений.
- Правила контроля. Детерминированные проверки: код существует в текущей редакции, совпадает с прошлым решением по тому же артикулу, не изменился без причины.
- Утверждение специалистом. Интерфейс, где специалист видит кандидатов и источники, выбирает код и фиксирует обоснование.
- Журнал и обучение. Принятые решения пополняют базу, а расхождения ИИ и специалиста разбираются для улучшения инструкций.
Если ассортимент ведётся в 1С или ERP, код и обоснование удобно хранить в карточке номенклатуры. Похожая задача сопоставления описаний рассмотрена в статье Сопоставление номенклатуры с ИИ в 1С.
Где ИИ помогает в ВЭД-процессе
| Задача | Что делает ИИ | Кто принимает решение |
|---|---|---|
| Классификация новых позиций | Кандидаты кода с обоснованием по ОПИ | Специалист по классификации |
| Проверка ассортимента | Находит позиции с подозрительными или устаревшими кодами после изменений номенклатуры | Специалист, при необходимости брокер |
| Подготовка описаний для декларации | Формирует описание с характеристиками, которые важны для кода | Декларант |
| Запросы поставщикам | Готовит список недостающих характеристик | Менеджер по закупкам |
| Сверка документов поставки | Сравнивает инвойс, спецификацию и карточку товара | Специалист ВЭД |
| Подготовка заявления на предварительное решение | Собирает описание и техническую информацию по спорной позиции | Специалист, юрист |
Связанные с поставками сценарии — в статье ИИ для закупок и тендеров.
Готовый сервис или собственная система
На рынке есть онлайн-сервисы, которые подбирают код ТН ВЭД по описанию с помощью ИИ. Они удобны для разовых задач и проверки гипотез. Собственная система оправдана, когда:
- ассортимент большой и регулярно обновляется;
- важна связь с 1С, ERP и историей ваших деклараций;
- нужны собственные правила контроля и журнал обоснований;
- описания товаров и контракты нельзя передавать во внешние сервисы.
Независимо от выбора, проверяйте точность сервиса на своей выборке: заявления о точности на сайтах разработчиков не заменяют теста на вашем ассортименте. Если документы содержат коммерческую тайну, рассмотрите размещение модели в контуре компании — сравнение подходов есть в статье Облачная или локальная LLM: TCO.
Риски и ограничения
| Риск | Как проявляется | Как снизить |
|---|---|---|
| Уверенная ошибка | Модель выдаёт правдоподобный, но неверный код | Только кандидаты с цитатой основания, утверждение специалистом |
| Устаревшая номенклатура | Код изменён или удалён решением ЕЭК | Регулярное обновление справочника, проверка кода по текущей редакции |
| Неполное описание | Код подобран по названию без характеристик | Обязательные поля карточки, ответ «нужна экспертиза» при нехватке данных |
| Перенос чужой практики | Решение по похожему, но другому товару | Показ различий с найденными решениями |
| Утечка данных | Контракты и спецификации уходят во внешний сервис | Размещение в контуре, обезличивание, договор с поставщиком сервиса |
| Галлюцинации в обосновании | Ссылка на несуществующее примечание | Проверка цитат по базе — подробнее в статье Точность RAG и галлюцинации |
Пошаговое внедрение
Шаг 1. Выберите участок
Начните с одного потока: новые позиции от поставщиков, проверка текущего ассортимента или подготовка описаний. Зафиксируйте, сколько времени уходит на одну позицию сейчас и как часто таможня корректирует коды.
Шаг 2. Соберите эталонную выборку
Возьмите несколько сотен позиций с подтверждёнными кодами: выпущенные декларации без корректировки, предварительные решения, позиции, проверенные экспертом. Добавьте сложные случаи: наборы, запчасти, многофункциональные изделия.
Шаг 3. Подготовьте справочную базу
Загрузите актуальную редакцию ТН ВЭД с примечаниями и пояснениями, свои решения и историю. Назначьте ответственного за обновление после изменений номенклатуры.
Шаг 4. Настройте и измерьте
Сравните предложения ИИ с эталоном на уровнях 4, 6 и 10 знаков. Отдельно оцените, как часто система честно отвечает «нужна экспертиза».
Шаг 5. Пилот рядом со специалистом
ИИ предлагает кандидатов, специалист решает. Фиксируйте время на позицию и расхождения, разбирайте их и уточняйте инструкции.
Шаг 6. Интеграция
Подключите систему к карточкам номенклатуры в 1С или ERP, к процессу подготовки декларации и к базе предварительных решений.
Как измерять качество
| Метрика | Как считать | Зачем |
|---|---|---|
| Точность на уровне 4 знаков | Совпадения с эталоном по товарной позиции / все позиции выборки | Правильная ли группа и позиция |
| Точность на уровне 10 знаков | Полные совпадения / все позиции | Готовность кода для декларации |
| Попадание в кандидаты | Эталонный код среди 3 кандидатов / все позиции | Полезность подсказки для специалиста |
| Доля честных отказов | «Нужна экспертиза» на неполных описаниях / все неполные описания | Безопасность: система не угадывает |
| Время на позицию | Медиана до и после внедрения | Экономия времени специалиста |
| Корректировки таможни | Изменённые коды / все задекларированные позиции за период | Итоговое качество процесса |
Метрики считайте на вашей выборке до запуска и регулярно после: универсальной «точности ИИ для ТН ВЭД» не существует, она зависит от ассортимента и качества описаний.
Частые вопросы
Может ли нейросеть сама определить код ТН ВЭД?
Нейросеть может предложить код и обоснование, но не может взять на себя ответственность. По ТК ЕАЭС классификацию при декларировании осуществляет декларант, а таможня её проверяет. Поэтому ИИ используют как помощника, а код утверждает специалист.
Какую точность даёт ИИ при подборе кода ТН ВЭД?
Это зависит от ассортимента, качества описаний и справочной базы. Проверяйте точность на своей выборке с подтверждёнными кодами отдельно на уровнях 4 и 10 знаков. Заявления разработчиков о точности не заменяют такого теста.
Что грозит за неверный код ТН ВЭД?
Если неверный код послужил или мог послужить основанием для занижения пошлин и налогов сверх установленного порога, часть 2 статьи 16.2 КоАП РФ предусматривает для юрлиц штраф от половины до двукратной суммы подлежащих уплате платежей. Кроме того, таможня может сама переклассифицировать товар и доначислить платежи.
Чем ИИ отличается от поиска кода по справочнику?
Поиск по справочнику находит позиции по словам, а ИИ сопоставляет смысл описания с текстами позиций и примечаниями, извлекает характеристики из документов, объясняет выбор по правилам интерпретации и сообщает, каких сведений не хватает.
Когда лучше получить предварительное решение о классификации?
Для спорных, дорогих или массово ввозимых позиций. По ТК ЕАЭС решение принимается не позднее 90 календарных дней с регистрации заявления, а в России действует пять лет. ИИ может помочь подготовить описание товара для заявления.
Можно ли загружать контракты и спецификации в публичный ИИ-сервис?
Это зависит от условий сервиса и требований к коммерческой тайне. Для конфиденциальных документов используют модели в контуре компании или сервисы с проверенными условиями обработки данных, а в запрос передают только характеристики товара.
Первоисточники и метод проверки
Проверено 1 октября 2026 года:
- ЕЭК: ТН ВЭД ЕАЭС и ЕТТ ЕАЭС — утверждение Решением Совета ЕЭК от 14.09.2021 № 80, состав с Основными правилами интерпретации и примечаниями.
- ЕЭК: Правило 6 ОПИ — классификация в субпозициях.
- ТК ЕАЭС, статья 20 — классификация декларантом, проверка таможней, код не менее 4 знаков.
- ТК ЕАЭС, статья 25 — 90 календарных дней на принятие и 3 года действия предварительного решения.
- Закон № 289-ФЗ, статья 18 — пять лет действия предварительного решения в России.
- КоАП РФ, статья 16.2 — ответственность за недостоверное декларирование.
Порядок шагов, архитектура, таблицы задач, рисков и метрик — редакционный анализ AIrassvet. Онлайн-сервисы подбора кода не тестировались для этой статьи, их заявления о точности не приводятся.
Как AIrassvet помогает автоматизировать классификацию товаров
Если ВЭД-отдел тратит много времени на разбор описаний и поиск кода, автоматизацию удобно начинать с одного потока и эталонной выборки. На сайте AIrassvet, который также использует название «AI студия Владимира Ломтева», описаны направления, применимые к этой задаче:
- Распознавание инвойсов, спецификаций и паспортов изделий с помощью компьютерного зрения и извлечение характеристик товара.
- Поисковая база на RAG по номенклатуре, примечаниям, пояснениям и вашим прошлым решениям с цитированием источников.
- Развёртывание модели на серверах компании, если контракты и спецификации не должны покидать контур.
- Аудит процесса классификации, подготовка эталонной выборки, интеграция с 1С или ERP, тестирование и обучение специалистов.
Первый шаг — выбрать один поток, например новые позиции от поставщиков, описать текущую работу, источники данных, ограничения и критерий, по которому вы признаете пилот успешным.
Итог: ИИ готовит обоснование, специалист утверждает код
ИИ для подбора кода ТН ВЭД полезен там, где много описаний, документов и повторяющегося ассортимента: он извлекает характеристики, предлагает кандидатов по правилам интерпретации и находит похожие решения. Правовая рамка задаёт границу: классифицирует декларант, таможня проверяет, а за недостоверный код предусмотрена ответственность.
Начните с эталонной выборки, измерьте точность на уровнях 4 и 10 знаков и долю честных отказов, держите справочник в актуальной редакции и сохраняйте обоснование каждого решения. Так ИИ ускорит работу ВЭД-отдела и не увеличит таможенные риски.
