AI จำแนกพิกัด HS Code | การตรวจสอบ หลักฐานการตัดสินใจ และ RFP สำหรับโรงงานในไทย

บทนำ: 3 เรื่องที่ต้องตัดสินใจก่อนนำ AI มาใช้จำแนกพิกัด HS Code

โรงงานญี่ปุ่นในไทยที่กำลังพิจารณานำ AI มาใช้จำแนกพิกัด HS Code มีจำนวนเพิ่มขึ้น ทุกครั้งที่ซื้อวัสดุหรือชิ้นส่วนใหม่ และทุกครั้งที่การเปลี่ยนแปลงแบบ (design change) ทำให้วัสดุหรือโครงสร้างของชิ้นงานเปลี่ยนไป จะต้องมีใครสักคนมานั่งหาพิกัด HS Code งานจริงฝากไว้กับตัวแทนออกของ (customs broker) ทำให้ภายในบริษัทไม่มีหลักฐานว่าทำไมจึงเลือกพิกัดนั้น เมื่อผู้รับผิดชอบคนก่อนย้ายกลับต้นสังกัด ก็ไม่มีใครอธิบายเหตุผลของการจำแนกได้ เราเห็นว่าสภาพเช่นนี้ไม่ใช่เรื่องแปลกในโรงงานจำนวนมาก

ปี 2026 ยังเป็นปีที่การจำแนกพิกัดมีน้ำหนักมากขึ้นด้วย ตามบทวิเคราะห์ของสำนักงานกฎหมาย Tilleke & Gibbins เมื่อวันที่ 1 มกราคม 2026 ประกาศกรมศุลกากรที่ 219/2568 ได้ยกเลิกการยกเว้นภาษีสำหรับสินค้านำเข้ารายย่อยที่เกณฑ์ 1,500 บาท ทำให้สินค้านำเข้าทุกรายการต้องเสีย VAT และอากรขาเข้า บทวิเคราะห์เดียวกันระบุว่า เมื่อวันที่ 30 มีนาคม 2026 กรมศุลกากรได้ประกาศแนวทางที่จะปรับอัตราอากรของสินค้าอุปโภคบริโภคหลากหลายประเภท เช่น ผลิตภัณฑ์พลาสติกและอุปกรณ์เสริมอิเล็กทรอนิกส์ ขึ้นไปที่อัตราเพดานตามกฎหมาย (ส่วนใหญ่เป็น 30% หรือ 40%) โดยระบุว่าปัจจุบันสินค้าจำนวนมากใช้อัตราพิเศษราว 5% และบทความดังกล่าวแนะนำให้ “จำแนกพิกัด HS Code อย่างเคร่งครัด” นอกจากนี้ ในวันที่ 1 มกราคม 2028 ระบบพิกัดสินค้าที่ใช้ร่วมกันทั่วโลกจะได้รับการแก้ไขเป็น HS 2028

ถ้าเช่นนั้น ให้ Generative AI ตัดสินพิกัด HS Code ไปเลยได้หรือไม่ บทความนี้เห็นว่า สิ่งที่ต้องตัดสินใจก่อนนำ AI มาใช้ไม่ใช่ชื่อเครื่องมือ แต่เป็น 3 เรื่องต่อไปนี้

1. ขอบเขตที่มอบให้ AI: AI ทำหน้าที่ถึงขั้นเสนอพิกัดที่เป็นไปได้ (candidate) เท่านั้น การยืนยันพิกัดให้คนเป็นผู้อนุมัติ
2. การตรวจสอบพิกัดที่ AI เสนอ: แม้ 6 หลักจะถูก แต่ 8 หลักที่ใช้สำแดงในไทยเป็นอีกเรื่องหนึ่ง ต้องตรวจทีละระดับหลัก และสำหรับสินค้าที่ตัดสินใจยาก ให้ใช้การขอคำวินิจฉัยพิกัดอัตราศุลกากรล่วงหน้า (Advance Ruling)
3. การบันทึกหลักฐานและการอนุมัติ: บันทึกว่าอิงหลักเกณฑ์การตีความข้อใด อิงข้อความของประเภท (heading) และหมายเหตุใด และใครเป็นผู้อนุมัติ โดยผูกกับเอกสารการสำแดง และเก็บไว้อย่างน้อย 5 ปี

เหตุผลมี 4 ข้อ ข้อแรก แม้พิกัดที่ AI เสนอจะผิด ความรับผิดชอบในการสำแดงก็ยังอยู่ที่บริษัท ข้อสอง กฎหมายศุลกากรของไทยกำหนดเรื่องการเก็บรักษาบันทึกและการตรวจสอบหลังการตรวจปล่อย (Post Clearance Audit: PCA) ข้อสาม ผลิตภัณฑ์หลักบางส่วน (เช่น Thomson Reuters และ SAP) ก็อธิบายการทำงานในรูปแบบ “เสนอพิกัด แสดงเหตุผล แล้วให้คนเลือกและยืนยัน” และข้อสี่ งานวิจัยพบว่าโมเดลภาษาขนาดใหญ่ (LLM) ทั่วไปมีอัตราการตอบถูกลดลงเมื่อจำนวนหลักลึกขึ้น ต่อไปนี้เราจะตรวจสอบข้อเท็จจริงตามลำดับนี้ และท้ายที่สุดจะแปลงเป็นหัวข้อใน RFP (เอกสารขอข้อเสนอ) และการทดสอบรับมอบ

ทั้งนี้ บทความนี้ไม่ครอบคลุมภาพรวมของระบบตรวจสอบถิ่นกำเนิดสินค้า AI-OCR สำหรับเอกสารส่งออก และหลักทั่วไปของการจัดการข้อมูลหลักรายการสินค้า (Item Master) โดยจะแนะนำบทความที่เกี่ยวข้อง ณ จุดที่เป็นรอยต่อของแต่ละเรื่อง

HS Code คืออะไร: ไทยสำแดงด้วย AHTN 2022 ระดับ 8 หลัก

HS Code คือรหัสที่อิงระบบการจำแนกสินค้าระหว่างประเทศ (HS) ซึ่งกำหนดโดยองค์การศุลกากรโลก (WCO) โดย 6 หลักแรกใช้ร่วมกันทั่วโลก และละเอียดขึ้นตามลำดับ คือ ตอน (Chapter, 2 หลัก) ประเภท (Heading, 4 หลัก) และประเภทย่อย (Subheading, 6 หลัก) แต่ละประเทศจะกำหนดการแบ่งย่อยของตนเองต่อจากนั้น

ตามคู่มือรายประเทศของสำนักงานบริหารการค้าระหว่างประเทศ กระทรวงพาณิชย์สหรัฐฯ (ITA) และแหล่งอื่น ไทยใช้พิกัดอัตราศุลกากรฮาร์โมไนซ์ของอาเซียน (AHTN 2022) ซึ่งอิง HS 2022 เป็นพิกัดอัตราอากรขาเข้า และพิกัดศุลกากรของไทยมี 8 หลัก โดย 6 หลักแรกคือ HS ที่ใช้ร่วมกันทั่วโลก ส่วน 2 หลักหลังคือการแบ่งย่อยของอาเซียนและไทย คู่มือดังกล่าวระบุช่วงอัตราอากรตามราคา (ad valorem) ไว้ที่ 0-80%

ประเด็นที่ควรจับไว้คือ แม้อยู่ในประเภทย่อย 6 หลักเดียวกัน หาก 8 หลักต่างกัน อัตราอากรหรือความจำเป็นต้องมีใบอนุญาตก็อาจต่างกันได้ เวลาพูดถึงความสามารถของ AI มักมีตัวเลข “ถูกต้องที่ระดับ 6 หลักกี่ %” ออกมา แต่สิ่งที่สำแดงในไทยคือ 8 หลัก ความต่างข้อนี้จะกลับมาอีกหลายครั้งในบทถัดไป

หลักเกณฑ์การตีความ (GIR 1-6) ที่เป็นโครงของการจำแนก

การจำแนก HS ทำตามหลักเกณฑ์การตีความพิกัดอัตราศุลกากร (General Rules for the Interpretation: GIR) จากฉบับภาษาอังกฤษที่สำนักงานศุลกากรแห่งสหพันธรัฐสวิสนำมาเผยแพร่ซ้ำ สาระสำคัญมีดังนี้

• หลักเกณฑ์ที่ 1: ชื่อของหมวดและตอนมีไว้เพื่อการอ้างอิง ในทางกฎหมาย การจำแนกให้เป็นไปตามข้อความของประเภท และหมายเหตุของหมวดและตอน
• หลักเกณฑ์ที่ 2(a): แม้เป็นของที่ยังไม่สำเร็จรูปหรือยังไม่ได้ประกอบ หากมีลักษณะสำคัญของของสำเร็จรูป ให้จัดเข้าประเภทของของสำเร็จรูป ส่วน 2(b) ว่าด้วยการจัดการกับของผสมของวัตถุ เป็นต้น
• หลักเกณฑ์ที่ 3: กรณีที่ดูเหมือนจะเข้าได้หลายประเภท ให้ตัดสินตามลำดับ คือ (a) ประเภทที่ระบุรายละเอียดเฉพาะเจาะจงที่สุด (b) วัตถุหรือส่วนประกอบที่ให้ลักษณะสำคัญ (c) ประเภทที่อยู่ลำดับเลขท้ายสุด
• หลักเกณฑ์ที่ 4: ของที่ไม่เข้าประเภทใดเลย ให้จัดเข้าประเภทของของที่คล้ายคลึงที่สุด
• หลักเกณฑ์ที่ 5: ว่าด้วยการจัดการกับกล่องและหีบห่อ
• หลักเกณฑ์ที่ 6: การจำแนกประเภทย่อยให้เป็นไปตามข้อความของประเภทย่อยและหมายเหตุประเภทย่อย และเปรียบเทียบเฉพาะระหว่างประเภทย่อยในระดับเดียวกัน

บทความนี้เห็นว่า เมื่อรับพิกัดที่ AI เสนอมาใช้ ควรมีช่องให้บันทึกว่า “อิงหลักเกณฑ์ข้อใด อิงข้อความของประเภทและหมายเหตุใด” ซึ่งจะเป็นโครงของการออกแบบบันทึกที่จะกล่าวถึงต่อไป

ถ้าจำแนกผิดจะเกิดอะไรขึ้น: ตรวจสอบจากบทบัญญัติกฎหมายศุลกากรของไทย

หากนำพิกัดที่ AI เสนอไปสำแดงโดยตรง แล้วพิกัดนั้นผิด อาจกล่าวได้ว่าความรับผิดชอบในการสำแดงยังคงอยู่ที่บริษัทผู้สำแดง ตามคำแปลภาษาอังกฤษอย่างไม่เป็นทางการของพระราชบัญญัติศุลกากร (พ.ศ. 2560 หรือ B.E.2560 / ค.ศ. 2017) บทบัญญัติที่เกี่ยวข้องมีดังนี้ ฉบับที่มีผลทางกฎหมายคือต้นฉบับภาษาไทย และข้อความด้านล่างเป็นการถอดความสาระสำคัญของบทบัญญัติเท่านั้น การพิจารณากรณีเฉพาะของแต่ละราย โปรดสอบถามตัวแทนออกของหรือผู้เชี่ยวชาญ บทความนี้ไม่ใช่คำแนะนำทางกฎหมาย

จุดที่ต้องระวังในการอ่านคือ อย่าสับสนระหว่างมาตรา 202 กับมาตรา 243 มาตรา 202 เป็นโทษปรับสำหรับการสำแดงเท็จหรือไม่ครบถ้วน โดยมีเพดานที่ 500,000 บาท และตามมาตรา 252 ต้องรับผิดแม้ไม่มีเจตนา หมายความว่า อย่างน้อยในกรณีของมาตรา 202 ข้ออ้างว่า “AI ผิดเอง” หรือ “ผู้รับผิดชอบไม่ทราบ” อ่านได้ว่ายากที่จะใช้เป็นเหตุผลได้ ในทางกลับกัน โทษปรับ “ตั้งแต่ 0.5 เท่าถึง 4 เท่าของค่าอากรที่ต้องเสียเพิ่ม” ตามมาตรา 243 เป็นบทบัญญัติสำหรับกรณีที่มีเจตนาหลีกเลี่ยงอากร การจำแนกพิกัดผิดไม่ได้เข้ามาตรา 243 ทุกกรณี

ตามบทวิเคราะห์ปี 2017 ของ Tilleke & Gibbins กฎหมายใหม่มีผลใช้บังคับเมื่อวันที่ 13 พฤศจิกายน 2017 และแนวคิดค่าปรับ “4 เท่าของราคาสินค้ารวมค่าอากร” ตามมาตรา 27 ของกฎหมายเดิม ได้เปลี่ยนเป็น “0.5-4 เท่าของค่าอากรที่หลีกเลี่ยง” ตามมาตรา 243 จึงต้องระวังไม่นำข้อความ “4 เท่า” จากเอกสารเก่ามาใช้ในการอบรมภายในบริษัทตามเดิม

มาตราที่เกี่ยวข้องโดยตรงกับการออกแบบการนำ AI มาใช้คือ มาตรา 63 และมาตรา 159 บันทึกต้องเก็บไว้ไม่น้อยกว่า 5 ปีนับจากวันนำเข้าหรือส่งออก และศุลกากรสามารถตรวจสอบที่สถานประกอบการได้สำหรับสินค้าภายใน 5 ปี เมื่อถูกถามในการตรวจสอบหลังการตรวจปล่อยว่า “ทำไมจึงใช้พิกัดนี้” ภาพหน้าจอของ AI เพียงอย่างเดียวไม่ใช่คำตอบ บทความนี้เห็นว่าการออกแบบให้เก็บบันทึกหลักฐานและการอนุมัติไว้ 5 ปี สอดคล้องกับบทบัญญัติดังกล่าว

ในอีกด้านหนึ่ง ตามมาตรา 25 การขอคืนอากรที่ชำระเกินต้องยื่นภายใน 3 ปีนับจากวันนำเข้าหรือส่งออก เมื่อทบทวนการจำแนกแล้ว อาจพบว่าพิกัดที่อัตราอากรต่ำกว่าเป็นพิกัดที่ถูกต้องก็ได้ การทบทวนการจำแนกจึงไม่ใช่แค่การป้องกัน แต่ยังเป็นการตรวจสอบจำนวนเงินที่อาจขอคืนได้ด้วย

การตรวจสอบถิ่นกำเนิดสินค้าก็ขึ้นกับ HS Code: สิทธิพิเศษทาง FTA และเกณฑ์ CTC

ความผิดพลาดของ HS Code ไม่ได้กระทบแค่อัตราอากร แต่ยังกระทบการพิจารณาว่าจะใช้อัตราอากรพิเศษภายใต้ FTA ได้หรือไม่ด้วย

ตามคำอธิบายเรื่อง RCEP ของศุลกากรญี่ปุ่น กฎว่าด้วยถิ่นกำเนิดสินค้าของ RCEP มี “เกณฑ์การเปลี่ยนพิกัดอัตราศุลกากร (CTC)” ซึ่งถือว่าสินค้าเป็นสินค้าที่มีถิ่นกำเนิด หากพิกัดของวัตถุดิบที่ไม่ได้มีถิ่นกำเนิดกับพิกัดของสินค้าแตกต่างกันเพียงพอ ตัวอย่างเช่น CTSH ซึ่งกำหนดให้เปลี่ยนที่ระดับ 6 หลัก มีเงื่อนไขว่าวัตถุดิบที่ไม่ได้มีถิ่นกำเนิดทุกรายการต้องมี HS 6 หลักต่างจากสินค้า คำอธิบายดังกล่าวยกตัวอย่างกฎเฉพาะรายสินค้า “CTSH หรือ RVC40” ของ 2905.32 ว่า หากวัตถุดิบอยู่ในตอนที่ 28 ไม่ต้องตรวจสอบเพิ่ม หากอยู่ในตอนที่ 29 แต่ไม่ใช่ประเภท 29.05 ตรวจที่ 4 หลักก็เพียงพอ แต่หากอยู่ในประเภท 29.05 ต้องตรวจถึง 6 หลัก หากพิกัดของทั้งสินค้าและวัตถุดิบไม่ถูกต้อง ก็ไม่สามารถพิจารณาเรื่องนี้ได้

ตามถาม-ตอบด้านการค้าและการลงทุนของ JETRO ในการส่งออกจากญี่ปุ่นมาไทย ความตกลงหุ้นส่วนเศรษฐกิจไทย-ญี่ปุ่น (JTEPA) ความตกลงว่าด้วยหุ้นส่วนทางเศรษฐกิจที่ใกล้ชิดอาเซียน-ญี่ปุ่น (AJCEP) และ RCEP ใช้ได้คู่กันโดยไม่มีลำดับก่อนหลัง และเลือกความตกลงที่เป็นประโยชน์มากกว่าได้ จำนวนหลักที่ต้องเปลี่ยนให้ตรวจจากกฎเฉพาะรายสินค้า และสำหรับสินค้าที่ไม่มีกฎเฉพาะรายสินค้า โดยทั่วไปคือการเปลี่ยนที่ 4 หลัก (CTH) หรือมูลค่าเพิ่มในภูมิภาคไม่น้อยกว่า 40% เนื่องจากเงื่อนไขต่างกันไปตามแต่ละความตกลง จึงมีข้อสมมติเบื้องต้นว่าวัตถุดิบทุกรายการใน BOM (รายการวัตถุดิบ) ต้องมี HS Code กำกับอยู่

กล่าวคือ แม้ AI จะทายพิกัด HS Code ของสินค้าได้ถูก หากพิกัดฝั่งวัตถุดิบยังไม่เรียบร้อย การตรวจสอบถิ่นกำเนิดสินค้าก็เดินหน้าไม่ได้ ภาพรวมของกลไกการตรวจสอบถิ่นกำเนิดสินค้า การคำนวณ RVC (มูลค่าเพิ่มในภูมิภาค) และการจัดการ BOM อธิบายไว้อย่างละเอียดใน ระบบตรวจสอบถิ่นกำเนิดสินค้า FTA ส่วนบทความนี้จะเจาะจงเฉพาะวิธีกำหนด HS Code ซึ่งเป็นข้อมูลนำเข้าของระบบนั้น

ในสถานการณ์ที่ถูกขอให้พิสูจน์ถิ่นกำเนิดหรือการผลิตจริง บันทึกที่แสดงการเปลี่ยนแปลงของ HS Code จะมีน้ำหนักควบคู่ไปกับบันทึกการผลิต เรื่องการพิสูจน์การผลิตจริงโดยรวม โปรดดู สวมสิทธิ์ส่งออกไทย 2026 พิสูจน์การผลิตจริงด้วยข้อมูลโรงงาน

AI ทายพิกัด HS Code ได้แม่นแค่ไหน: งานวิจัยและรายงานของศุลกากร

ความแม่นยำของ AI เปลี่ยนไปมากตามว่าวัดกับสินค้าอะไร กี่หลัก และภายใต้เงื่อนไขใด ต่อไปนี้จะดูผลที่เปิดเผยต่อสาธารณะหลัก ๆ พร้อมเงื่อนไขของแต่ละผล

ATLAS: การเปรียบเทียบด้วย HTS 10 หลักของสหรัฐฯ

ATLAS เป็นบทความวิจัยที่นักวิจัยของ Flexify.AI เผยแพร่บน arXiv (2509.18400 v1, 22 กันยายน 2025) โดยสร้างข้อมูลสำหรับฝึก ตรวจสอบ และทดสอบจากคำวินิจฉัย 18,731 รายการ (รหัส HTS 10 หลัก 2,992 ชนิด) ในฐานข้อมูลคำวินิจฉัย CROSS ของสำนักงานศุลกากรและป้องกันชายแดนสหรัฐฯ (CBP) ชุดทดสอบมี 200 รายการ กำหนดให้การตรงกันที่ 10 หลักเป็นคำตอบถูกสมบูรณ์ และการตรงกันที่ 6 หลักเป็นคำตอบถูกบางส่วน ภายใต้เงื่อนไข HTS 10 หลักของสหรัฐฯ และชุดทดสอบ 200 รายการที่สร้างจากคำวินิจฉัยของ CBP ได้ผลดังนี้

สิ่งที่อ่านได้จากตารางนี้คือ ทุกโมเดลมีอัตราการตอบถูกที่ 10 หลักต่ำกว่าที่ 6 หลักอย่างมาก GPT-5-Thinking ได้ 55.5% (111 รายการ) ที่ 6 หลัก แต่ได้ 25.0% (50 รายการ) ที่ 10 หลัก ส่วนจำนวนหลักที่ถูกโดยเฉลี่ยจาก 10 หลัก มีรายงานว่า GPT-5-Thinking ได้ 5.61 หลัก และ Atlas ได้ 6.30 หลัก

ข้อควรระวังมี 3 ข้อ ข้อแรก นี่เป็นผลของ HTS 10 หลักของสหรัฐฯ ไม่ใช่ความแม่นยำบน AHTN 8 หลักของไทย ข้อสอง ชุดทดสอบมีเพียง 200 รายการซึ่งถือว่าเล็ก ข้อสาม ข้อมูลที่ใช้ฝึกคือคำวินิจฉัยที่เผยแพร่ต่อสาธารณะ ซึ่งมีลักษณะต่างจากรายการสินค้าของบริษัทเอง

HSCodeComp: สินค้า E-commerce 632 รายการ ระดับ 10 หลัก

HSCodeComp เป็นชุดทดสอบมาตรฐาน (benchmark) ที่เผยแพร่บน arXiv (2510.19631 v1, 22 ตุลาคม 2025) ให้ทายพิกัด HS Code 10 หลักของสินค้า E-commerce 632 รายการใน 32 หมวด จากข้อมูลที่มีสัญญาณรบกวนมาก ทั้งชื่อสินค้า คุณลักษณะ และรูปภาพ โดยคำตอบที่ถูกต้องกำหนดโดยผู้เชี่ยวชาญด้านพิกัดศุลกากร ตามบทคัดย่อของ arXiv v1 เอเจนต์ที่ดีที่สุดมีความแม่นยำที่ 10 หลัก 46.8% ส่วนผู้เชี่ยวชาญที่เป็นมนุษย์ได้ 95.0% ค่าดังกล่าวเป็นค่าของสินค้า E-commerce 632 รายการ ระดับ 10 หลัก จาก arXiv v1 จึงไม่ใช่ตัวเลขที่ใช้กับชิ้นส่วนและวัสดุของโรงงานได้โดยตรง แต่ก็อ่านได้ว่ายังมีช่องว่างขนาดใหญ่ระหว่าง AI กับผู้เชี่ยวชาญ

ความพยายามฝั่งศุลกากร: BACUDA และอาเซอร์ไบจาน

ฝั่งศุลกากรเองก็มีการวิจัยด้าน AI เช่นกัน ผู้เชี่ยวชาญของ BACUDA ซึ่งเป็นโครงการวิเคราะห์ข้อมูลของ WCO (เริ่มเดือนกันยายน 2019) ได้พัฒนาโมเดลที่แนะนำพิกัด HS Code ที่เป็นไปได้หลายรายการจากชื่อสินค้าที่ผู้ประกอบการสำแดง โดยใช้การประมวลผลภาษาธรรมชาติด้วยโครงข่ายประสาทเทียมที่เรียกว่า Doc2Vec โมเดลนี้ใช้ข้อมูลนำเข้าที่ศุลกากรไนจีเรียจัดให้ แต่บทความของ WCO ไม่ได้แสดงตัวเลขความแม่นยำ

ตามบทความของ WCO เดือนพฤศจิกายน 2023 ศุลกากรอาเซอร์ไบจานได้พัฒนาเครื่องมือที่ต่อยอดจากโมเดลโอเพนซอร์สของ BACUDA และฝึกด้วยข้อมูลตั้งแต่ปี 2022 เป็นต้นมากว่า 1.6 ล้านรายการ ในฐานะค่าที่ศุลกากรรายงานจากข้อมูลของประเทศตนเอง (ไม่เปิดเผยเงื่อนไขการวัด) ระบุว่าได้ประมาณ 85% ที่ 6 หลัก 82% ที่ 10 หลัก และเกิน 95% ใน 11 ตอนที่มีข้อมูลมาก บทความยังแนะนำการค้นหาหลายภาษา การเสนอแนะเสริมผ่าน ChatGPT API การคำนวณอัตราอากร และการเชื่อมต่อกับเครื่องมือบริหารความเสี่ยงที่ตรวจจับการจำแนกผิด ค่านี้เป็นค่าของระบบที่ศุลกากรสร้างจากข้อมูลจำนวนมากของประเทศตนเอง จึงไม่ใช่ค่าอ้างอิงสำหรับกรณีที่บริษัทใช้ AI กับรายการสินค้าของตนเอง

“6 หลักตรง = ถูกต้อง” ไม่เป็นความจริง

ข้อสรุปที่บทความนี้ได้จากผลเหล่านี้ตรงไปตรงมา AI ทั่วไปแม้จะทายได้ระดับหนึ่งถึงประเภทย่อย 6 หลัก แต่เมื่อเข้าสู่การแบ่งย่อยของแต่ละประเทศ อัตราการตอบถูกมีแนวโน้มลดลง สำหรับ 8 หลักที่สำแดงในไทย แม้ 6 หลักจะถูก ก็ยังต้องตรวจสอบแยกต่างหาก ตัวเลขความแม่นยำจะนำมาเปรียบเทียบกันได้ก็ต่อเมื่อชนิดสินค้า จำนวนหลัก จำนวนรายการทดสอบ และเงื่อนไขตรงกัน เราเห็นว่า “ความแม่นยำ X%” ที่ผู้ขายนำเสนอ ก็ควรตรวจสอบเงื่อนไขจากมุมมองเดียวกัน

บทความของ Andrew Grainger ที่ตีพิมพ์ใน World Customs Journal (มีนาคม 2024) ก็ระบุว่า ประสิทธิภาพของเครื่องมือช่วยขึ้นกับความเข้าใจคุณลักษณะของสินค้า คุณภาพของข้อมูล และวิธีการฝึก ในการทดสอบของผู้เขียน เครื่องมือ Machine Learning มองข้ามประเภทใหม่ และอ่านชื่อสินค้าที่กำกวมผิด บทความยังระบุว่าเครื่องมืออาจเรียนรู้ความผิดพลาดจากการสำแดงในอดีตแล้วผลิตซ้ำได้ ทั้งนี้ บทความดังกล่าวเปิดเผยไว้ในตัวบทความว่าผู้ให้ทุนคือ Avalara

ผลิตภัณฑ์หลักอธิบาย AI จำแนกพิกัด HS Code ไว้อย่างไร

ต่อไปนี้สรุปฟังก์ชันของ AI จำแนกพิกัดเชิงพาณิชย์ตามที่เอกสารเผยแพร่ของแต่ละบริษัทอธิบายไว้ เรียงตามลำดับตัวอักษร ตารางนี้ไม่ได้มีไว้เปรียบเทียบข้อดีข้อเสียหรือแนะนำผลิตภัณฑ์ แต่มีไว้เพื่อดูว่า “ออกแบบให้แบ่งงานกับคนในรูปแบบใด” ส่วนราคาที่เปิดเผยต่อสาธารณะ ไม่สามารถยืนยันได้เลยแม้แต่ผลิตภัณฑ์เดียว

ข้อมูลเสริมจากตาราง เอเจนต์ของ SAP อ้างอิงจากรายงานข่าวของ Mynavi News (6 พฤศจิกายน 2025) ซึ่งเป็นหนึ่งใน 14 เอเจนต์ Joule ที่ประกาศในงาน SAP Connect 2025 ณ เวลาที่มีรายงานข่าว ระบุว่าเวอร์ชันเบต้าจะออกในเดือนธันวาคม 2025 และกำหนดเปิดให้ใช้งานทั่วไป (General Availability) ในปี 2026 ส่วน AI จำแนกพิกัดของ Thomson Reuters ตามหน้าช่วยเหลือ ขณะนี้ให้บริการเฉพาะในสหรัฐฯ เท่านั้น ข่าวประชาสัมพันธ์ของบริษัทเดือนตุลาคม 2025 อธิบายถึงการทำข้อมูลสินค้าให้เป็นมาตรฐานจากรูปแบบของชื่อสินค้า การสร้างเหตุผลการจำแนกที่รองรับการตรวจสอบ และการอัปเดตข้อมูล HS Code และอัตราอากร เอกสารของ Zonos อธิบายว่าผลการตรวจสอบโดยคนจะถูกส่งกลับไปปรับปรุงโมเดล

AHTN 8 หลักของไทยรองรับได้แค่ไหน และจัดการกับชื่อสินค้าภาษาไทยอย่างไร ไม่สามารถยืนยันได้จากเอกสารที่ยกมานี้ หากพิจารณานำมาใช้ เรื่องเหล่านี้จะเป็นหัวข้อที่ต้องสอบถามเป็นรายประเด็นใน RFP

สิ่งที่เห็นได้จากตารางคือ การแบ่งงานแบบ “AI เสนอพิกัด” “แสดงเหตุผลหรือตัวอย่างที่คล้ายกัน” และ “คนเลือกและบันทึก” Thomson Reuters และ SAP ระบุชัดเจนว่าคนเป็นผู้เลือกหรืออนุมัติ และอย่างน้อยในเอกสารเผยแพร่ ไม่มีบริษัทใดชูรูปแบบ “AI ยืนยันพิกัดเองโดยลำพัง” ไว้เป็นจุดหลัก กล่าวได้ว่า 3 เรื่องที่ต้องตัดสินใจซึ่งเป็นแกนของบทความนี้ คือการแปลงการแบ่งงานนี้ให้เป็นกระบวนงานของบริษัทเอง

สิ่งที่ต้องตัดสินใจข้อ 1: ขอบเขตที่มอบให้ AI คือ “ถึงขั้นเสนอพิกัด”

สิ่งแรกที่ต้องตัดสินใจคือจะมอบงานให้ AI ถึงขั้นไหน ข้อเสนอของบทความนี้คือการขีดเส้นว่า AI ทำถึงขั้นเสนอพิกัดและร่างเหตุผลเท่านั้น การยืนยันพิกัดให้ผู้รับผิดชอบภายในบริษัท (หรือตัวแทนออกของหรือผู้เชี่ยวชาญ) เป็นผู้อนุมัติ

เหตุผลเป็นไปตามที่ได้เห็นมาแล้ว คือ ตามมาตรา 252 ต้องรับผิดแม้ไม่มีเจตนา งานวิจัยพบว่า AI ทั่วไปมีอัตราการตอบถูกลดลงในระดับหลักที่ลึกขึ้น และผลิตภัณฑ์หลักบางส่วนก็อธิบายโดยมีการอนุมัติของคนเป็นข้อสมมติเบื้องต้น บทความของ Grainger ก็ระบุว่าเครื่องมือเป็นเพียง “ตัวช่วย” ควรแจ้งผู้ใช้อย่างชัดเจนว่าพิกัดที่เสนออาจผิดได้ และบริษัทควรตรวจสอบผลเป็นระยะและแก้ไข

อย่างไรก็ตาม หากใช้การตรวจสอบในระดับเดียวกันกับทุกรายการ ความหมายของการนำ AI มาใช้ก็จะลดลง เราจึงแนะนำให้แบ่งรายการสินค้าตามความเสี่ยง

• ความเสี่ยงสูง (ต้องให้ผู้เชี่ยวชาญทบทวน): รายการที่อัตราอากรต่างกันมาก รายการที่ใช้สิทธิพิเศษทาง FTA (รวมถึงฝั่งวัตถุดิบ) รายการที่อาจต้องมีใบอนุญาต รายการที่มูลค่าสูง และรายการที่เคยถูกทักท้วงเรื่องการจำแนกในอดีต
• ความเสี่ยงปานกลาง (ผู้รับผิดชอบภายในบริษัทอนุมัติ): รายการที่เป็นการเปลี่ยนแปลงแบบของสินค้าเดิม และรายการที่มีสินค้าคล้ายกันในการจำแนกของบริษัทในอดีต
• ความเสี่ยงต่ำ (ตรวจสอบอย่างง่าย): เช่น รายการที่สเปกเหมือนกับรายการที่ยืนยันพิกัดแล้วในอดีต ต่างกันเพียงผู้ขายและชื่อสินค้า

ขอเสริมเรื่องใบอนุญาต ตามรายงานของ LINE TODAY (บทความต้นฉบับจาก moneyandbanking.co.th, 29 พฤษภาคม 2026) รายการสินค้าของไทยมีประมาณ 21,000 รหัส ในจำนวนนี้ 9,400 รหัสต้องมีใบอนุญาตจากหน่วยงาน 23 แห่ง และเชื่อมต่อกันผ่าน National Single Window (NSW) หากจำแนกผิด อาจไม่เพียงกระทบอากร แต่ยังอาจมองข้ามใบอนุญาตที่จำเป็นได้ด้วย จากประเด็นนี้เช่นกัน เราเห็นว่ารายการที่อาจเกี่ยวข้องกับใบอนุญาตควรอยู่ในกลุ่มที่ไม่ปล่อยให้ AI ตัดสิน

สิ่งที่ต้องตัดสินใจข้อ 2: ขั้นตอนตรวจสอบพิกัดที่ AI เสนอ และการขอคำวินิจฉัยล่วงหน้า

เมื่อได้รับพิกัดที่ AI เสนอแล้ว ให้กำหนดขั้นตอนตรวจสอบไว้ตามลำดับต่อไปนี้

1. ตรวจถึง 6 หลัก: อ่านข้อความของประเภทและประเภทย่อยที่เสนอ หมายเหตุของหมวดและตอน และหมายเหตุประเภทย่อย แล้วเทียบกับสเปก วัสดุ และการใช้งานของสินค้า เป็นการตรวจตามหลักเกณฑ์ที่ 1 และหลักเกณฑ์ที่ 6
2. การใช้หลักเกณฑ์การตีความ: หากดูเหมือนจะเข้าได้หลายประเภท ให้ระบุชัดว่าตัดสินด้วยข้อ (a) (b) หรือ (c) ของหลักเกณฑ์ที่ 3 หากเป็นของที่ยังไม่ได้ประกอบหรือของที่เป็นชุด ให้ตรวจหลักเกณฑ์ที่ 2 หรือหลักเกณฑ์ที่ 3(b)
3. ตรวจ 8 หลัก: ตรวจการแบ่งย่อย 8 หลักของ AHTN กับพิกัดอัตราศุลกากรของไทย แม้ 6 หลักจะถูก ก็อาจกลายเป็นพิกัดอื่นที่ขั้นนี้ได้
4. ความสอดคล้องกับการจำแนกในอดีตของบริษัท: ตรวจว่าพิกัดไม่ขัดกับรายการที่ยืนยันแล้วในอดีตซึ่งมีวัสดุและการใช้งานเหมือนกัน หากขัดกัน แสดงว่ามีฝั่งใดฝั่งหนึ่งผิด
5. ความสอดคล้องกับคำวินิจฉัยล่วงหน้าและคำวินิจฉัยอื่น: ตรวจว่าไม่ขัดกับคำวินิจฉัยล่วงหน้าที่บริษัทเคยได้รับ หรือคำวินิจฉัยที่เผยแพร่ซึ่งอ้างอิงได้

หากต้องการให้ค้นหาเหตุผลการจำแนกในอดีตหรือคำวินิจฉัยล่วงหน้าภายในบริษัทได้ กลไก RAG ที่ผสานการค้นหาเอกสารภายในกับ LLM จะช่วยได้ แนวคิดการออกแบบและการประเมินสรุปไว้ใน คู่มือการนำ RAG มาใช้ในองค์กร กรณีในอดีตที่ RAG ดึงขึ้นมาก็เป็นเพียงข้อมูลประกอบการตรวจสอบ ไม่สามารถใช้แทนการยืนยันพิกัดได้

สินค้าที่ตัดสินใจยาก ให้ใช้การขอคำวินิจฉัยพิกัดล่วงหน้าของไทย

สำหรับรายการที่ความเห็นภายในบริษัทยังแตกกัน การขอคำวินิจฉัยพิกัดอัตราศุลกากรล่วงหน้า (Advance Ruling) เพื่อให้ได้การพิจารณาของกรมศุลกากรเป็นวิธีที่มีประสิทธิผล ตามคำแปลภาษาอังกฤษอย่างไม่เป็นทางการของพระราชบัญญัติศุลกากร มาตรา 18 กำหนดให้บุคคลใดก็ได้ยื่นขอคำวินิจฉัยล่วงหน้าต่ออธิบดีในเรื่องราคาศุลกากร ถิ่นกำเนิด และการตีความพิกัดอัตราศุลกากร (การจำแนก) และคำวินิจฉัยผูกพันเฉพาะกรมศุลกากรกับผู้ยื่นคำขอ ตามระยะเวลาที่อธิบดีกำหนด ตารางค่าธรรมเนียมท้ายพระราชบัญญัติระบุว่า คำวินิจฉัยเรื่องการตีความพิกัด 1 รายการ 2,000 บาท สำหรับจำนวนเงินที่เรียกเก็บจริงในปัจจุบัน และการจัดการในระบบยื่นคำขออิเล็กทรอนิกส์ใหม่ โปรดสอบถามกรมศุลกากรหรือตัวแทนออกของก่อนยื่นคำขอ

ในด้านการปฏิบัติ ตามบทวิเคราะห์ของ Tilleke & Gibbins เดือนมีนาคม 2025 การยื่นคำขอเริ่มทำได้ตามประกาศกรมศุลกากรที่ 17/2561 ในปี 2018 โดยยื่นออนไลน์ผ่านเว็บไซต์กรมศุลกากร หรือยื่นที่ช่องบริการด้านการจำแนกพิกัด แนบเอกสารที่แสดงสินค้าที่จะนำเข้า เช่น ใบสั่งซื้อ สัญญาซื้อขาย และรายการราคา หากข้อมูลเพียงพอ ระบุว่าจะได้คำวินิจฉัยภายใน 30-60 วันทำการ (ขึ้นกับความซับซ้อนของสินค้า) แนะนำให้ยื่นอย่างน้อย 30 วันทำการก่อนนำเข้า และคำวินิจฉัยมีอายุ 3 ปีนับจากวันที่ออก (เว้นแต่กฎหมายหรือสถานการณ์เปลี่ยนไป)

ตามรายงานของ LINE TODAY ที่กล่าวถึงข้างต้น กรมศุลกากรกำลังเตรียมระบบ “Tariff e-Service” เวอร์ชันใหม่สำหรับยื่นขอคำวินิจฉัยล่วงหน้าทางอิเล็กทรอนิกส์ โดย ณ เวลาที่รายงาน คาดว่าจะเริ่มใช้ในเดือนสิงหาคม 2026 รายงานยกตัวอย่างฟังก์ชัน ได้แก่ การแจ้งผลทางออนไลน์ การยื่นคำขอของบุคคลทั่วไปและผู้ประกอบการรายใหม่ก่อนลงทะเบียนเป็นผู้นำเข้าส่งออก การติดตามสถานะได้ตลอดเวลา การเชื่อมต่อกับระบบใบขนสินค้าขาเข้า และการค้นหาฐานข้อมูลของ WCO คำวินิจฉัยอุทธรณ์ และคำวินิจฉัยล่วงหน้าที่มีอยู่ สำหรับสถานะการใช้งานจริง โปรดตรวจสอบจากประกาศของกรมศุลกากรก่อนใช้งาน

ข้อมูลอ้างอิงสำหรับการส่งออกไปญี่ปุ่น: คำวินิจฉัยล่วงหน้าของศุลกากรญี่ปุ่น

กรณีส่งออกสินค้าจากไทยไปญี่ปุ่น การจำแนกพิกัดฝั่งญี่ปุ่นก็เป็นประเด็นเช่นกัน ตามหน้าเว็บภาษาอังกฤษของศุลกากรญี่ปุ่น การขอคำวินิจฉัยพิกัดล่วงหน้าแนะนำให้สอบถามเป็นลายลักษณ์อักษร (แบบฟอร์ม C-1000) และคำตอบเป็นลายลักษณ์อักษรมีอายุ 3 ปี คำตอบจะไม่ได้รับการยึดถือหากเข้ากรณีใดกรณีหนึ่ง ได้แก่ ข้อมูลที่สอบถามต่างจากสินค้าจริง หมดอายุ มีการแก้ไขกฎหมาย หรือมีการใช้กฎหมายผิดพลาด ส่วนคำตอบด้วยวาจา (โดยหลักรวมถึงคำตอบทางอีเมลด้วย) ระบุว่าจะไม่ได้รับการยึดถือในการตรวจสอบการนำเข้า และหากไม่เห็นด้วยกับคำตอบ สามารถแจ้งได้ภายใน 2 เดือนนับจากวันที่ได้รับ การตกลงแบ่งหน้าที่กับผู้นำเข้าฝั่งญี่ปุ่น และผูกสำเนาคำตอบไว้กับบันทึกของรายการสินค้า จะทำให้การตรวจสอบภายหลังรวดเร็วขึ้น

สิ่งที่ต้องตัดสินใจข้อ 3: เก็บบันทึกหลักฐานและการอนุมัติไว้ 5 ปี

เรื่องที่สามคือการบันทึก มาตรา 63 กำหนดให้เก็บรักษาไว้ไม่น้อยกว่า 5 ปีนับจากวันนำเข้าหรือส่งออก และมาตรา 159 กำหนดการตรวจสอบหลังการตรวจปล่อยภายใน 5 ปี บทความนี้เห็นว่าการออกแบบให้เก็บ log ข้อเสนอของ AI เหตุผลที่เลือกใช้ และผู้อนุมัติ โดยผูกกับเอกสารการสำแดงไว้อย่างน้อย 5 ปี สอดคล้องกับบทบัญญัติดังกล่าว

บทความของ Grainger ก็ระบุว่า เครื่องมือควรอธิบายเหตุผล และอยู่ในรูปแบบที่บันทึกเก็บเป็นไฟล์ได้เช่นเดียวกับเหตุผลการตัดสินใจของคน ตัวอย่างหัวข้อที่ควรบันทึกแสดงในตารางต่อไปนี้

เมื่อเขียนลำดับการไหลของบันทึกนี้เป็นแผนภาพ จะเป็นดังนี้

พิกัดที่ AI เสนอจะผ่านการอนุมัติของคนแล้วกลายเป็นบันทึกหลักฐาน ถูกจัดเก็บในข้อมูลหลักรายการสินค้า และจากนั้นจึงนำไปใช้ในการสำแดงและการตรวจสอบถิ่นกำเนิดสินค้า ในทางกลับกัน การที่สามารถย้อนจากเอกสารการสำแดงไปยังข้อมูลหลักรายการสินค้า บันทึกหลักฐาน และพิกัดที่ AI เสนอได้ คือการเตรียมพร้อมรับการตรวจสอบหลังการตรวจปล่อย

เมื่อถูกขอให้ส่งเอกสารในการตรวจสอบหลังการตรวจปล่อย การมีบันทึกกับการเรียกออกมาได้ทันทีเป็นคนละเรื่องกัน แนวคิดเรื่องการแปลงบันทึกเป็นดิจิทัลและระยะเวลาจนถึงการส่งเอกสาร อธิบายไว้ใน การแปลงบันทึกเป็นดิจิทัลเพื่อรองรับการตรวจสอบ เราเห็นว่าหากจัดบันทึกการจำแนกให้เรียกออกมาได้ทันทีจากหมายเลขรายการสินค้าหรือเลขที่ใบขนสินค้า ภาระในการรับการตรวจสอบจะลดลง

การเชื่อมต่อกับข้อมูลหลักรายการสินค้า BOM และ ERP

โดยหลักแล้ว บันทึกการจำแนกไม่ควรแยกเก็บไว้ในไฟล์อื่น แต่ควรผูกไว้กับข้อมูลหลักรายการสินค้า ตามหน้าช่วยเหลือของ Thomson Reuters AI จำแนกพิกัดของบริษัทจะอ้างอิงรายการที่บริษัทผู้ใช้เคยจำแนกไว้ในอดีตเพื่อเสนอพิกัด และบันทึกหมายเลข HS ที่เลือกใช้พร้อมเหตุผลลงในเรคคอร์ดของรายการสินค้า ส่วนเอเจนต์ของ SAP ตามรายงานข่าวเป็นกลไกที่แนะนำพิกัดอัตราศุลกากรจากคุณลักษณะสินค้าและกฎระเบียบการค้า เอกสารของ Zonos อธิบายฟังก์ชันตรวจสอบรหัสที่มีอยู่ ทั้งหมดนี้แสดงให้เห็นว่าการจำแนกพิกัดถูกจัดการเป็นส่วนหนึ่งของข้อมูลรายการสินค้า

ในงานจริงของโรงงาน เราเห็นว่าหากกำหนด 3 เรื่องต่อไปนี้ไว้ จะทำให้การเชื่อมต่อเดินหน้าได้ง่ายขึ้น

• ให้ข้อมูลหลักรายการสินค้ามีฟิลด์ HS Code: ให้รายการสินค้ามีรหัส 8 หลัก เวอร์ชัน HS ที่ใช้ ลิงก์ไปยังบันทึกหลักฐาน วันที่อนุมัติ และกำหนดทบทวน
• ให้วัตถุดิบใน BOM มีรหัสด้วย: การพิจารณา CTC ในการตรวจสอบถิ่นกำเนิดสินค้าต้องใช้รหัสฝั่งวัตถุดิบ จำแนกเฉพาะสินค้าสำเร็จรูปยังไม่เพียงพอ
• จำแนกใหม่เมื่อมีการเปลี่ยนแปลงแบบ: เมื่อวัสดุหรือโครงสร้างเปลี่ยน ให้ฝังขั้นตอนเปิดคำขอทบทวนการจำแนกไว้ใน ERP หรือขั้นตอนการเปลี่ยนแปลงแบบ

แนวทางการจัดระเบียบข้อมูลหลักของรายการสินค้า BOM และขั้นตอนการผลิต (Routing) อธิบายไว้ใน การจัดการข้อมูลหลักในโรงงาน กรณีจะใส่ HS Code ไว้ในข้อมูลการสั่งซื้อและรับคำสั่งซื้อกับคู่ค้า คู่มือการนำ EDI มาใช้ในอุตสาหกรรมการผลิต ก็เป็นข้อมูลอ้างอิงได้

ทั้งนี้ งานเทียบชื่อสินค้า จำนวน และมูลค่าระหว่างเอกสาร เช่น Invoice และ Packing List เป็นคนละขั้นตอนกับการจำแนกพิกัด เรื่องนี้อธิบายไว้ใน ใช้ AI-OCR กับเอกสารส่งออก เราเห็นว่าการเชื่อมบันทึกการจำแนกกับการเทียบเอกสาร โดยใช้รหัสรายการสินค้าเป็นคีย์ร่วม จะจัดระเบียบได้ง่าย

การเตรียมรับการแก้ไข HS 2028: การจัดการเวอร์ชันและการตรวจกฎว่าด้วยถิ่นกำเนิดสินค้า

ในวันที่ 1 มกราคม 2028 ตัว HS เองจะได้รับการแก้ไข ตามหน้าเว็บทางการของ WCO HS 2028 เป็นผลของการทบทวนครั้งที่ 7 และรวมการแก้ไข 299 ชุด หลังการแก้ไขจะมี 1,229 ประเภท และ 5,852 ประเภทย่อย เมื่อเทียบกับ HS 2022 มีประเภทใหม่ 6 ประเภทและประเภทย่อยใหม่ 428 ประเภทย่อย ส่วนที่ถูกตัดออกมี 5 ประเภทและ 172 ประเภทย่อย การทบทวนครั้งที่ 7 ยืดเวลาเป็น 6 ปี (กรกฎาคม 2019 ถึงมิถุนายน 2025) เนื่องจากสถานการณ์โควิด WCO ระบุว่าการแก้ไขได้รับการยอมรับแล้ว และวางให้ระยะเวลาที่เหลือเป็นช่วงเตรียมการ หน้าเว็บ HS 2028 ของ WCO มีตารางสหสัมพันธ์ (Correlation Table) ระหว่างฉบับ 2022 กับฉบับ 2028

ฝั่งอาเซียน ตามการเผยแพร่ของอาเซียน คณะทำงานด้านเทคนิคเรื่องการจำแนกพิกัด (TSWGC) เริ่มทบทวน AHTN 2022 ตั้งแต่เดือนตุลาคม 2024 โดยทบทวนการแบ่งย่อยเฉพาะของอาเซียนตามข้อเสนอของประเทศสมาชิก และการแบ่งย่อยที่คงไว้จะเป็นฐานของ AHTN 2028 ที่สอดรับกับ HS 2028 โครงการได้รับการสนับสนุนจากกองทุนบูรณาการญี่ปุ่น-อาเซียน (JAIF) และมีการประชุมเปิดตัวที่จาการ์ตาเมื่อวันที่ 28 พฤศจิกายน 2024 ในขณะเดียวกัน AHTN 2028 จะเริ่มใช้ในไทยเมื่อใด ยังไม่สามารถยืนยันได้ ณ เวลาที่เขียนบทความนี้

เราเห็นว่าสิ่งที่โรงงานเตรียมได้เพื่อรับการแก้ไขมี 3 ข้อ ดังนี้

1. ให้รหัสในข้อมูลหลักรายการสินค้ามีเวอร์ชัน: ทำให้รายการสินค้าเดียวกันเก็บรหัส HS 2022 (AHTN 2022) และรหัส HS 2028 คู่กันได้ เมื่อถึงวันเปลี่ยนผ่าน รหัสที่ใช้สำแดงจะเปลี่ยนไป
2. ใช้ตารางสหสัมพันธ์ค้นหารายการที่ได้รับผลกระทบ: ใช้ตารางสหสัมพันธ์ของ WCO เพื่อระบุล่วงหน้าว่าประเภทย่อยใดของรายการสินค้าของบริษัทได้รับผลกระทบจากการแก้ไข AI ใช้ช่วยค้นข้อมูลเบื้องต้นในการคัดกรองนี้ได้ แต่การจับคู่รหัสเก่าและใหม่ก็ต้องให้คนตรวจสอบเช่นกัน
3. ตรวจว่ากฎว่าด้วยถิ่นกำเนิดสินค้าเขียนด้วย HS เวอร์ชันใด: กฎเฉพาะรายสินค้าของ FTA เขียนด้วยรหัสของ HS เวอร์ชันใดเวอร์ชันหนึ่ง เช่นเดียวกับสาระของ Customs Notice 2021-51 ของหน่วยงานกองกำลังชายแดนออสเตรเลีย เมื่อมีการแก้ไข HS จำเป็นต้องตรวจว่ากฎเฉพาะรายสินค้าเขียนด้วยเวอร์ชันใด

ในเรื่องนี้ บันทึก 5 ปีก็มีความสำคัญเช่นกัน ตั้งแต่ปี 2028 เป็นต้นไป มีโอกาสเกิดขึ้นได้จริงที่จะถูกตรวจสอบหลังการตรวจปล่อยสำหรับการสำแดงก่อนหรือในปี 2027 เมื่อถึงเวลานั้น ต้องสามารถแสดงรหัสของเวอร์ชันที่มีผลในขณะนั้นพร้อมเหตุผลได้ จึงจำเป็นต้องออกแบบให้ไม่เขียนทับลบรหัสของเวอร์ชันเก่า แต่เก็บไว้แยกตามเวอร์ชัน

ข้อมูลส่งไปที่ไหนและความลับ: แบบ BOM ราคา และชื่อสินค้าภาษาไทย

การจะเพิ่มความแม่นยำของการจำแนก ต้องส่งข้อมูลรายการสินค้าให้มาก แต่แบบ (drawing) BOM ราคาซื้อ และชื่อลูกค้า ก็เป็นข้อมูลที่ไม่อยากเปิดเผยออกไปภายนอก หากใช้บริการ AI บนคลาวด์ ให้กำหนดประเด็นต่อไปนี้ไว้ก่อน

• ส่งอะไร: ชื่อสินค้า วัสดุ การใช้งาน และสเปกหลักเพียงพอหรือไม่ จะส่งถึงแบบหรือรูปถ่ายด้วยหรือไม่
• ไม่ส่งอะไร: จะกำหนดวิธีปฏิบัติให้ไม่ส่งราคา ชื่อลูกค้า และข้อมูลสินค้าที่ยังไม่เปิดตัวหรือไม่
• ข้อมูลที่ส่งไปถูกจัดการอย่างไร: สถานที่จัดเก็บ ระยะเวลาจัดเก็บ มีการนำไปใช้ฝึกโมเดลหรือไม่ และวิธีลบข้อมูล

วิธีส่งข้อมูลให้ Generative AI และวิธีตรวจสอบใน RFP และการทดสอบรับมอบ สรุปไว้อย่างละเอียดใน การป้องกันข้อมูลรั่วไหลจาก Generative AI

อีกประเด็นหนึ่งที่เป็นเรื่องเฉพาะของโรงงานในไทยคือภาษาไทย ชื่อสินค้าและสเปกที่ได้รับจากผู้ขายในประเทศมักเป็นภาษาไทย และมีคำย่อหรือชื่อเรียกภายในปะปนอยู่ จะแปลเป็นภาษาอังกฤษก่อนส่งให้ AI หรือให้ AI จัดการภาษาไทยโดยตรง อาจทำให้คุณภาพของพิกัดที่เสนอต่างกันได้ ดังที่กล่าวไปแล้ว ไม่สามารถยืนยันจากเอกสารของผลิตภัณฑ์หลักได้ว่าจัดการภาษาไทยอย่างไร วิธีประเมิน AI ด้วยเอกสารงานภาษาไทย โปรดดู Generative AI ภาษาไทย: คู่มือ RFP และการทดสอบรับมอบ

หัวข้อที่ควรเขียนใน RFP

ต่อไปนี้แปลง 3 เรื่องที่ต้องตัดสินใจข้างต้นให้เป็นหัวข้อใน RFP ที่ส่งถึงผู้ขาย ประเด็นที่ไม่สามารถยืนยันได้จากเอกสารของแต่ละบริษัท ให้ตรวจสอบจากข้อเสนอและการทดลองใช้งานจริง

เนื่องจากไม่สามารถยืนยันราคาที่เปิดเผยต่อสาธารณะได้ จึงต้องเปรียบเทียบด้วยใบเสนอราคา หากเป็นโครงสร้างที่คิดค่าบริการตามจำนวนรายการ เราเห็นว่าการขอให้แยกประเมินราคาระหว่างการจำแนกแคตตาล็อกครั้งแรกแบบจำนวนมาก กับจำนวนรายการสินค้าใหม่และรายการที่เปลี่ยนแปลงแบบหลังจากนั้น จะทำให้เปรียบเทียบได้ง่ายขึ้น

การออกแบบ PoC และการทดสอบรับมอบ

เมื่อได้รับคำอธิบายจาก RFP แล้ว ให้ทดลองกับรายการสินค้าของบริษัทใน PoC (การพิสูจน์แนวคิด) ดังที่เห็นมาแล้วว่าตัวเลขจากงานวิจัยเปลี่ยนไปมากตามเงื่อนไข การวัดกับรายการสินค้าของบริษัทเองภายใต้เงื่อนไขของบริษัทเองเป็นวิธีเดียวที่จะยืนยันได้

วิธีสร้างข้อมูลคำตอบที่ถูกต้อง

• ดึงรายการที่ยืนยันพิกัดแล้วจากการสำแดงในอดีต: เลือกรายการที่มั่นใจในคำตอบ เช่น รายการที่ได้รับคำวินิจฉัยล่วงหน้า รายการที่ได้รับการยืนยันในการตรวจสอบหลังการตรวจปล่อย และรายการที่สำแดงมานานโดยไม่มีปัญหา บทความของ Grainger ระบุว่า ข้อมูลที่ผู้เชี่ยวชาญตรวจสอบแล้วเหมาะกับการฝึกมากกว่าประวัติการสำแดงดิบ คำตอบที่ถูกต้องของการทดสอบก็เลือกด้วยแนวคิดเดียวกัน
• ต้องรวมรายการที่ยากไว้เสมอ: ตั้งใจใส่รายการที่ดูเหมือนจะเข้าได้หลายประเภท ของที่เป็นชุด ของที่ยังไม่ได้ประกอบ สินค้าหลายฟังก์ชัน และรายการที่มีวัสดุผสม หากวัดด้วยรายการง่ายเท่านั้น ตัวเลขจะออกมาสูงกว่าความสามารถจริง
• บันทึกจำนวนรายการและเงื่อนไข: เก็บไว้ว่าวัดด้วยกี่รายการ กลุ่มรายการสินค้าใด และให้ข้อมูลอะไร (ชื่อสินค้าอย่างเดียว หรือให้สเปกและรูปถ่ายด้วย)

วัดอะไร

• วัดอัตราการตรงกันแยก 6 หลักและ 8 หลัก: ไม่ตัดสินจากอัตราการตรงกันที่ 6 หลักเพียงอย่างเดียว ให้ดูอัตราการตรงกันที่ 8 หลักซึ่งใช้สำแดงในไทยแยกต่างหาก
• คำตอบที่ถูกอยู่ในพิกัดลำดับต้น ๆ หรือไม่: หากมีข้อสมมติว่าคนเป็นผู้เลือก ให้ดูไม่เพียงอัตราการตอบถูกของอันดับ 1 แต่ดูด้วยว่าคำตอบที่ถูกอยู่ในพิกัดที่เสนอมาหรือไม่
• คุณภาพของเหตุผล: ให้ผู้เชี่ยวชาญตรวจว่าเหตุผลที่แสดงสอดคล้องกับหลักเกณฑ์การตีความ และข้อความของประเภทและหมายเหตุจริงหรือไม่
• ประเภทของความผิดพลาด: นับแยกระหว่างการผิดตอน การผิดประเภท และการผิดในระดับการแบ่งย่อย

ตัวเลขที่ใช้เป็นเกณฑ์ผ่าน โปรดกำหนดเองโดยพิจารณาระดับความเสี่ยงของรายการสินค้าและเวลาที่สามารถใช้ในการอนุมัติโดยคน บทความนี้ไม่เสนอเกณฑ์ผ่านเป็นตัวเลขที่เจาะจง อย่างไรก็ตาม สิ่งสำคัญคือต้องกำหนดเกณฑ์ก่อนเริ่ม PoC และไม่ขยับเกณฑ์ตามความสะดวกหลังจบ วิธีกำหนดเกณฑ์การจบ PoC และการขึ้นระบบจริง อธิบายไว้ใน เกณฑ์ยุติโครงการทดลองปัญญาประดิษฐ์ และวิธีจัดการทดสอบรับมอบก่อนขึ้นระบบจริง อธิบายไว้ใน การทดสอบการยอมรับ AI Agent

ในการทดสอบรับมอบ ให้ตรวจไม่เพียงประสิทธิภาพ แต่ตรวจด้วยว่าขั้นตอนการอนุมัติ การเก็บ log ผลลัพธ์สำหรับการตรวจสอบ และการเปลี่ยนเวอร์ชัน ทำงานตามข้อกำหนดหรือไม่ โดยเฉพาะอย่างยิ่ง เราแนะนำให้ลองใช้งานจริงเพื่อยืนยันว่า “จากเลขที่ใบขนสินค้าหนึ่ง สามารถย้อนไปถึงพิกัดที่เสนอในขณะนั้น เหตุผลที่เลือกใช้ ผู้อนุมัติ และเวอร์ชัน HS ที่มีผลในขณะนั้นได้หรือไม่”

คำถามที่พบบ่อย

AI จำแนกพิกัด HS Code ได้หรือไม่?

AI สามารถเสนอพิกัดที่เป็นไปได้ แต่เราไม่แนะนำให้มอบการยืนยันพิกัดให้ AI ภายใต้เงื่อนไข HTS 10 หลักของสหรัฐฯ และชุดทดสอบ 200 รายการที่สร้างจากคำวินิจฉัยของ CBP อัตราการตอบถูกของ GPT-5-Thinking อยู่ที่ 55.5% ที่ 6 หลัก และ 25.0% ที่ 10 หลัก ความแม่นยำบน AHTN 8 หลักของไทยต้องวัดด้วยรายการสินค้าของบริษัทเอง ผลิตภัณฑ์หลักบางส่วน เช่น Thomson Reuters และ SAP ก็อธิบายไว้ในเอกสารเผยแพร่ว่าเป็นรูปแบบที่คนเลือกและยืนยัน

หาพิกัด HS Code อย่างไร?

ในงานจริงของอุตสาหกรรมการผลิต ให้จัดระเบียบสเปก วัสดุ และการใช้งานของสินค้า กำหนดประเภทและประเภทย่อยตามหลักเกณฑ์การตีความ แล้วตรวจ 8 หลักกับพิกัดอัตราศุลกากรของไทย ตรวจความสอดคล้องกับการจำแนกในอดีตของบริษัทและคำวินิจฉัยล่วงหน้าด้วย ใช้ AI เป็นเครื่องมือที่ทำให้การค้นข้อมูลเบื้องต้นนี้เร็วขึ้น และเก็บเหตุผลและการอนุมัติไว้เป็นบันทึก

การขอคำวินิจฉัยพิกัดล่วงหน้าของไทยคืออะไร?

คือระบบที่ขอให้กรมศุลกากรพิจารณาเรื่องการจำแนกพิกัด เป็นต้น ไว้ล่วงหน้า ตามคำแปลภาษาอังกฤษอย่างไม่เป็นทางการของพระราชบัญญัติศุลกากร มีฐานทางกฎหมายในมาตรา 18 และตารางค่าธรรมเนียมท้ายพระราชบัญญัติระบุว่าคำวินิจฉัยเรื่องการจำแนก 1 รายการ 2,000 บาท ตามบทวิเคราะห์ของ Tilleke & Gibbins หากข้อมูลเพียงพอ จะได้คำวินิจฉัยภายใน 30-60 วันทำการ และมีอายุ 3 ปีนับจากวันที่ออก ค่าธรรมเนียมและขั้นตอนจริง โปรดสอบถามกรมศุลกากรหรือตัวแทนออกของก่อนยื่นคำขอ

ควรทำอะไรเพื่อรับการแก้ไข HS 2028?

เพื่อเตรียมรับการมีผลใช้บังคับในวันที่ 1 มกราคม 2028 ให้รหัสในข้อมูลหลักรายการสินค้ามีเวอร์ชัน ใช้ตารางสหสัมพันธ์ของ WCO ค้นหารายการที่ได้รับผลกระทบ และตรวจว่ากฎเฉพาะรายสินค้าของ FTA เขียนด้วย HS เวอร์ชันใด วันที่เริ่มใช้ AHTN 2028 ในไทยยังไม่สามารถยืนยันได้ ณ เวลาที่เขียน จึงต้องติดตามประกาศของกรมศุลกากร

ถ้า AI จำแนกผิด ใครรับผิดชอบ?

อาจกล่าวได้ว่าความรับผิดชอบในการสำแดงยังคงอยู่ที่บริษัทผู้สำแดง ตามคำแปลภาษาอังกฤษอย่างไม่เป็นทางการของพระราชบัญญัติศุลกากร การสำแดงเท็จหรือไม่ครบถ้วนตามมาตรา 202 มีโทษปรับไม่เกิน 500,000 บาท และตามมาตรา 252 ไม่คำนึงว่ามีเจตนาหรือไม่ ด้วยเหตุนี้จึงจำเป็นต้องมีกลไกที่ให้คนอนุมัติพิกัดที่ AI เสนอและเก็บเหตุผลไว้ การพิจารณากรณีเฉพาะ โปรดสอบถามตัวแทนออกของหรือผู้เชี่ยวชาญ

กรมศุลกากรไทยใช้ AI ในการจำแนกพิกัดหรือไม่?

ตามบทความของ The Nation เดือนกรกฎาคม 2026 อธิบดีกรมศุลกากรอธิบายว่ากำลังเตรียมใช้ AI และระบบบริหารความเสี่ยงเพื่อคัดกรองผู้โดยสาร สัมภาระ พัสดุ และสินค้าที่มีความเสี่ยงสูง โดยวัตถุประสงค์หลักคือการปราบปรามยาเสพติด และบทความไม่ได้กล่าวถึงการใช้ AI ในการจำแนกพิกัด HS

สรุป

• สิ่งที่ต้องตัดสินใจก่อนนำ AI มาใช้จำแนกพิกัด HS Code ไม่ใช่ชื่อเครื่องมือ แต่เป็น 3 เรื่อง ได้แก่ 1) ขอบเขตที่มอบให้ AI (ถึงขั้นเสนอพิกัด การยืนยันให้คนอนุมัติ) 2) การตรวจสอบพิกัดที่ AI เสนอ (ตรวจแยก 6 หลักและ 8 หลัก และสำหรับสินค้าที่ตัดสินใจยาก ใช้การขอคำวินิจฉัยล่วงหน้า) 3) การบันทึกหลักฐานและการอนุมัติ (หลักเกณฑ์การตีความ ประเภท หมายเหตุ และผู้อนุมัติ ผูกกับเอกสารการสำแดงไว้อย่างน้อย 5 ปี)
• ตามคำแปลภาษาอังกฤษอย่างไม่เป็นทางการของพระราชบัญญัติศุลกากรไทย การสำแดงเท็จหรือไม่ครบถ้วนต้องรับผิดแม้ไม่มีเจตนา บันทึกต้องเก็บไว้ไม่น้อยกว่า 5 ปี และศุลกากรสามารถตรวจสอบที่สถานประกอบการได้ภายใน 5 ปี อาจกล่าวได้ว่าความผิดพลาดของ AI ก็จะย้อนกลับมาเป็นความรับผิดชอบของบริษัท
• งานวิจัยพบว่า AI ทั่วไปมีอัตราการตอบถูกลดลงเมื่อจำนวนหลักลึกขึ้น การอ่านตัวเลขต้องให้สินค้า จำนวนหลัก จำนวนรายการ และเงื่อนไขตรงกัน
• เอกสารเผยแพร่ของผลิตภัณฑ์หลัก (เช่น Thomson Reuters และ SAP) ก็อธิบายด้วยการแบ่งงานแบบ เสนอพิกัด แสดงเหตุผล และให้คนเลือก ส่วน 8 หลักของไทย ภาษาไทย และระยะเวลาเก็บรักษา ให้ตรวจสอบเป็นรายประเด็นใน RFP และการทดสอบรับมอบ
• เพื่อเตรียมรับการแก้ไข HS 2028 ในวันที่ 1 มกราคม 2028 เราแนะนำให้ออกแบบการจัดการเวอร์ชันของรหัสในข้อมูลหลักรายการสินค้า และการตรวจกฎว่าด้วยถิ่นกำเนิดสินค้า ไปพร้อมกับการนำ AI มาใช้

แม้อยู่ในขั้นเริ่มต้นสำรวจงานจำแนกพิกัด เช่น จะเริ่มทบทวนการจำแนกจากรายการสินค้าใด หรือจะขีดเส้นขอบเขตที่มอบให้ AI ไว้ตรงไหน ก็สามารถปรึกษา TOMAS TECH ได้ ติดต่อสอบถามได้ ที่นี่

แหล่งอ้างอิง

• Customs Act B.E. 2560 (2017) คำแปลภาษาอังกฤษอย่างไม่เป็นทางการ (Unofficial Translation, PDF) https://multimedia.3m.com/mws/media/1577570O/th-customs-rule-eng-pdf.pdf
• Tilleke & Gibbins “Requesting Advance Rulings on Customs Classification under Thai Law” 14 มีนาคม 2025 https://www.tilleke.com/insights/requesting-advance-rulings-on-customs-classification-under-thai-law/
• Tilleke & Gibbins “A Step Forward: Thailand Takes Dramatic Steps to Modernize Customs Laws” 2017 (PDF) https://www.tilleke.com/wp-content/uploads/2017/11/A-Step-Forward-Thailand-Takes-Dramatic-Steps-to-Modernize-Customs-Laws.pdf
• Tilleke & Gibbins “Thailand Announces Customs Duty Hikes for Key Consumer Goods” 1 เมษายน 2026 https://www.tilleke.com/insights/thailand-announces-customs-duty-hikes-for-key-consumer-goods
• LINE TODAY (บทความต้นฉบับ moneyandbanking.co.th) 29 พฤษภาคม 2026 https://today.line.me/th/v3/article/PGeg6r7
• The Nation “Customs turns to AI, X-rays to stop Thailand becoming drug-transit hub” 6 กรกฎาคม 2026 https://www.nationthailand.com/news/general/40068314
• U.S. International Trade Administration “Thailand – Customs Regulations” https://www.trade.gov/knowledge-product/thailand-customs-regulations
• WCO “Amendments effective from 1 January 2028” https://www.wcoomd.org/en/topics/nomenclature/instrument-and-tools/hs-nomenclature-2028-edition/amendments-effective-from-1-january-2028.aspx
• WCO “HS Nomenclature 2028 Edition” https://www.wcoomd.org/en/topics/nomenclature/instrument-and-tools/hs-nomenclature-2028-edition.aspx
• ASEAN “ASEAN commences AHTN 2022 Review to Strengthen Regional Trade Integration” https://asean.org/asean-commences-ahtn-2022-review-to-strengthen-regional-trade-integration
• WCO BACUDA “WCO BACUDA experts develop a neural network model to assist classification of goods in HS” 3 มีนาคม 2022 https://bacuda.wcoomd.org/2022/03/03/wco-bacuda-experts-develop-a-neural-network-model-to-assist-classification-of-goods-in-hs/
• WCO “Advanced AI-HS tool developed by the Azerbaijan Customs” 16 พฤศจิกายน 2023 https://www.wcoomd.org/en/media/newsroom/2023/november/advanced-ai-hs-tool-developed-by-the-azerbaijan-customs.aspx
• Andrew Grainger “Customs Tariff Classification and the Use of Assistive Technologies” World Customs Journal Vol.18 No.1, 31 มีนาคม 2024 https://www.worldcustomsjournal.org/article/116525-customs-tariff-classification-and-the-use-of-assistive-technologies
• ศุลกากรญี่ปุ่น “Advance Classification Ruling” https://www.customs.go.jp/english/advance/classification.htm
• U.S. CBP “Rulings” https://www.cbp.gov/trade/rulings
• Thomson Reuters “ONESOURCE Global Classification AI” (หน้าช่วยเหลือ) https://www.thomsonreuters.com/en-us/help/onesource-global-trade/global-classification-modernized/onesource-global-classification-ai.html
• Thomson Reuters ข่าวประชาสัมพันธ์ 20 ตุลาคม 2025 https://www.thomsonreuters.com/en/press-releases/2025/october/thomson-reuters-launches-enhanced-ai-solutions-for-corporate-tax-and-trade-driving-intelligent-compliance-and-strategic-growth
• Mynavi News TECH+ 6 พฤศจิกายน 2025 https://news.mynavi.jp/techplus/article/20251106-3632318/
• Zonos “Classify features” https://zonos.com/docs/catalog/classify/features
• CPA Practice Advisor “Avalara Announces New AI-Based Tariff Code Classification Solution” 3 ตุลาคม 2024 https://www.cpapracticeadvisor.com/2024/10/03/avalara-announces-new-ai-based-tariff-code-classification-solution/151780/
• Descartes “Product Classification and Duty Determination” https://descartes.com/solutions/global-trade-intelligence/product-classification-and-duty-determination
• Yuvraj, Devarakonda “ATLAS” arXiv 2509.18400 v1, 22 กันยายน 2025 https://arxiv.org/html/2509.18400v1
• “HSCodeComp” arXiv 2510.19631 v1, 22 ตุลาคม 2025 https://arxiv.org/abs/2510.19631
• ศุลกากรญี่ปุ่น คำอธิบายเรื่อง “RCEP” https://www.customs.go.jp/english/epa/rcep/rcep2.html
• JETRO “ถาม-ตอบด้านการค้าและการลงทุน” https://www.jetro.go.jp/world/qa/04E-080302.html
• Australian Border Force “Customs Notice 2021-51” (PDF) https://www.abf.gov.au/help-and-support-subsite/CustomsNotices/2021-51.pdf
• General Rules for the Interpretation of the Harmonized System (ฉบับภาษาอังกฤษที่สำนักงานศุลกากรแห่งสหพันธรัฐสวิสนำมาเผยแพร่ซ้ำ, PDF) https://www.bazg.admin.ch/dam/en/sd-web/T8KbdrI4bLxt/general-rules-interpretation-harmonized-system-en.pdf