evidoria

← Retour à la liste

Bonne pratique Importée

Le Comité d'État des Douanes de l'Ouzbékistan Utilise IBM watsonx.ai et Llama 3.3 pour Automatiser 80 000 Déclarations Douanières

Ouzbékistan · Tashkent · Voir le profil de Ouzbékistan · Voir le profil de Tashkent

Preuves: Descriptif / auto-déclaré Top 46% 60/100 · Demandez à Evidence Copilot à propos de cette pratique

Le Comité des douanes de l'Ouzbékistan a déployé IBM watsonx.ai avec un modèle Llama 3.3 pour classer automatiquement les marchandises et traiter les déclarations, réduisant le traitement par déclaration de 2-3 heures à quelques secondes et automatisant entièrement plus de 80 000 déclarations d'une valeur de 5 milliards de dollars en 2024.

80,000+
Déclarations entièrement automatisées (2024)
$5 billion
Valeur des déclarations automatisées (2024)
2-3 hours -> seconds
Temps de traitement par déclaration
$246,000
Recettes supplémentaires identifiées
Le Comité d'État des Douanes de l'Ouzbékistan Utilise IBM watsonx.ai et Llama 3.3 pour Automatiser 80 000 Déclarations Douanières

Détails

Maturité
En expansion
Promoteur
State Customs Committee of the Republic of Uzbekistan (with IBM Expert Labs and IBM Client Engineering)
Période
2024-2025
Mots-clés
customs administration, trade facilitation, generative AI, public-sector productivity

Contexte

Face à un volume croissant de déclarations douanières comportant des descriptions de marchandises en texte libre complexes, le Comité national des douanes de l'Ouzbékistan a collaboré avec IBM Expert Labs et IBM Client Engineering pour construire un système d'IA de classification automatisée des marchandises et de traitement des déclarations.

Activités

Le système utilise IBM watsonx.ai et watsonx.data avec un modèle Llama 3.3 qui extrait des données structurées à partir de champs en texte libre et classe les produits selon les codes douaniers ouzbeks ; le parc informatique du Comité est passé de 9 systèmes d'information en 2021 à 37 en 2025, interconnectés avec 33 organismes publics, et a introduit « AiRo », un robot d'orientation douanière pour les voyageurs à l'aéroport de Tachkent.

Résultats

Le temps de traitement par déclaration est passé de 2-3 heures à quelques secondes ; en 2024, plus de 80 000 déclarations représentant 5 milliards de dollars ont été traitées sans intervention humaine, 44 000 articles ont été reclassés et 246 000 dollars de recettes supplémentaires ont été identifiés.

Mise en œuvre
Coût indicatif
Élevé (500 k€–5 M€) — Enterprise-scale watsonx.ai/watsonx.data deployment plus LLM integration; likely a high-cost multi-year vendor engagement (exact contract value not published).
Délai jusqu’aux résultats
Moyen (1–3 ans) — IT systems expanded from 9 (2021) to 37 (2025); AI classification system reached 80,000+ automated declarations in 2024.
Personnel et compétences
IBM Expert Labs and IBM Client Engineering technical teams, State Customs Committee IT department (37 information systems by 2025)

Conditions de réussite

  • large historical declaration dataset for classification model training
  • integration across 33 government agencies' data systems

Modes d’échec courants

  • no independently audited accuracy or error-rate assessment published

Habituellement financé par

National / regional programmes

Pistes de financement indicatives pour des pratiques de ce type — vérifiez toujours les appels en cours et les règles d'éligibilité de chaque programme.

Vous portez cette pratique ? Revendiquez-la — les porteurs vérifiés obtiennent un contact public sur la page et peuvent proposer des corrections.

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pièces jointes

Pratiques similaires qui pourraient vous être utiles