ÖZET

Bu çalışma, dünyada gümrük alanında iyi uygulama örneklerinden biri olarak bilinen Hollanda Gümrük İdaresi’nin (HGİ) yapay zekâ (YZ) projelerinin kurumsal altyapısını, kurumun X-Ray imajlarında otomatik anomali tespiti pilot projesinden hareketle incelemektedir. Söz konusu inceleme, kamu sektöründe bilgi sistemleri projeleri ile gelen kurumsal değişimi açıklamak için geliştirilen Teknoloji Uygulama Çerçevesi’ni (Technology Enactment Framework) (Fountain, 2001) kuramsal çerçeve olarak kullanmaktadır. Bu kapsamda, HGİ’deki YZ projelerinin tasarım ve uygulama aşamalarını kolaylaştıran politika ve yaklaşımlar, kurumsal yapılar ve personel yönetimi stratejileri gibi konular ele alınmıştır. Çalışmanın temel hedefi, halihazırda oldukça kısıtlı olan kamu sektöründe YZ girişimleri akademik literatürüne katkıda bulunmak ve YZ projelerinin tasarım ve uygulama aşamalarında kamu kurumlarının faydalanabileceği politika önerileri sunabilmektedir.

Anahtar Kelimeler: Yapay Zekâ, Gümrük Tespit Teknolojileri, X-Ray, Otomatik Görüntü Analizi, Hollanda Gümrük İdaresi, Teknoloji Uygulama Çerçevesi.

1. GİRİŞ

Yapay zekâ (YZ), gerek vatandaşlara ve paydaşlara yüksek kaliteli hizmetler sunmak gerekse hızla değişen operasyonel süreçlere daha çabuk yanıt vermek için kamu kurumları tarafından son yıllarda üzerinde yoğun olarak çalışılan alanlardan biridir (Mikalef vd., 2023). Her ne kadar özel sektör YZ uygulamalarını iş süreçlerine dahil etme noktasında kamu sektöründen bir adım daha önde olsa da, kamu kurumları da bu alanda gelişme kaydetmeye başlamıştır (Berryhill vd., 2019).

Kamu sektöründe teknolojiyi yoğun olarak kullanan ve YZ uygulamalarını hayata geçiren kurumlardan biri de gümrük idareleridir. Bugün, önceki dönemlere göre artan hareketlilikle tanımlanan bir dünyada yaşamamız ve eşya, hizmetler ve bireylerin ulusal sınırları aşan hızlı hareketi, sınırların gözetim ve kontrolü açısından yeni zorlukları da beraberinde getirmiştir (Rahman, 2021). Günümüzde küresel ticaret hacmi, Gümrük Tarifeleri ve Ticaret Genel Anlaşması’nın erken yıllarında gözlemlenen miktarın yaklaşık 45 katı olup 1950’den 2022’ye kadar %4500 kadar artış göstermiştir (WTO, 2022). Bu büyük artış aynı zamanda sınır geçiş noktalarını potansiyel yasadışı faaliyetlerin odak noktası haline getirmiştir. Küresel ekonomiye yıllık 2 trilyon doları aşan bir kayıp yaşatan ve bu ekonominin tahmini %3’ünü tüketen yasadışı ticaret, küresel kalkınma gündemini de sekteye uğratmaktadır (UNCTAD, 2020). Öte yandan, terörizmi de içeren sınır ötesi organize suçlar, özellikle de 11 Eylül saldırıları, “gümrük tedarik zinciri güvenliği paradigmaları” konseptinin gelişimine vesile olan bir dönüm noktası olmuş ve uluslararası ticaretin güvenli akışı için, gümrükler tarafından fiziki müdahalesiz kontrol teknolojilerinin kullanımını da içeren, ek politika ve standartlarının geliştirilmesinin yolunu açmıştır (Ireland, 2009). Özetle, zaman içerisinde gümrüklerin vergi toplama, kamu sağlığı ve güvenliğini koruma gibi tarihi rollerine yasal ticareti kolaylaştırma, küresel tedarik zincirlerine destek olma, yasadışı ticareti önleme ve salgınlar veya doğal afetlere zamanında yanıt verme gibi sorumluluklar da eklenmiştir (Matsudaira ve Koh, 2022). Bu noktada gümrük tespit teknolojileri, gümrük idarelerinin, suç faaliyetlerini tespit ederken ticaret akışını da sürdürmesinde oldukça önemli bir rol oynamaktadır.

2. GÜMRÜKLERDE YAPAY ZEKÂ UYGULAMALARI

Gümrük ve sınır kontrollerinde YZ’nin kullanılması birçok fayda sağlamaktadır. YZ; veri işleme, patern tespiti ve risk tahmini konularında insanlardan daha kısa sürede ve daha yüksek doğrulukla sonuç verebilmektedir. Gümrük kontrolleri özelinde YZ’nin başlıca faydaları arasında; daha iyi risk yönetimi, profil oluşturma, gümrük denetimlerini kolaylaştırma, anomali tespiti, gelecekteki trendleri tahmin etme, X-Ray imajlarında kaçak eşya tespiti sayılabilir (WTO ve WCO, 2022).

En genel hatlarıyla; risk analizi, tarama ve fiziki kontrol olarak sınıflandırabileceğimiz üç aşamalı gümrük kontrol sürecinin X-Ray taraması aşamasında, görüntü analizi operatörünün rolü kritik olup uyuşturucu, silah, sigara gibi yasaklı maddeleri tespit etme yeteneği hala büyük ölçüde operatörlerin beceri ve uzmanlığına dayanmaktadır (Michel vd., 2014). Öte yandan, yukarıda da bahsedildiği üzere, gümrük idarelerinin artan ve kapsamı genişleyen iş yükü göz önüne alındığında, son birkaç yılda makine öğrenmesi (MÖ) temelli YZ’nin görüntü analiz sürecinin bir parçası haline gelmesi için gümrük idareleri bir dizi proje hayata geçirmektedir. YZ algoritmaları ile yasaklı maddenin görüntüdeki yerinin ve türünün, bazen de başarım oranının (örneğin, görüntüde %80 olasılıkla uyuşturucu olduğu) otomatik olarak tespit edilmesi hedeflenmektedir.

YZ’nin görece yeni bir alan olması ve sonuçlarının hızlıca görülmesine imkân olmaması, kamu kurumlarının YZ’ye karşı tutumları ve YZ’yi uygulama motivasyonlarında farklılıklara sebep olmaktadır. Gümrük idareleri, gümrük kontrollerinde risk tespiti konusundaki ortak zorluklara ve YZ teknolojisini uygulamaya genel anlamda istekli olmalarına rağmen, bu teknolojinin benimsenme düzeyi bir idareden diğerine farklılık göstermektedir. Örneğin, Yıkıcı Teknolojiler Üzerine Çalışma Raporu’na (WTO ve WCO, 2022) göre, gümrük idarelerinin %44’ü halihazırda veri analitiği, YZ/MÖ veya her ikisini de kullanırken, %23’ünün bu teknolojileri kullanma niyeti bulunmamaktadır. Kalan %33’lük kısım ise bu teknolojilerin kullanımını önümüzdeki dönem için planlamalarına dahil etmektedir. Aynı raporda yer verilen ve 94 gümrük idaresinin katıldığı bir anket ise, YZ projelerinin uygulanmasındaki temel zorlukların; uzmanlık eksikliği, iyi uygulamaların azlığı, mevcut eski sistemlerle entegrasyonun zorluğu, başkaları tarafından kullanılan sistemlere karşı ilgi ve takip eksikliği, [yapay zekâyı destekleyen] hükümet stratejileri ve diğer yasal düzenlemelerin eksikliği ile yüksek maliyetler olduğunu göstermiştir (Şekil-1).

Şekil-1: Gümrüklerde Büyük Veri, Veri Analitiği, Yapay Zekâ ve Makine Öğrenmesinin Benimsenmesinin Önündeki Başlıca Engellere İlişkin Anket Sonuçları

2.1 X-RAY GÖRÜNTÜLERİNDE OTOMATİK ANOMALİ TESPİTİNE GENEL BİR BAKIŞ

Gümrük idarelerinin YZ’den yararlandığı alanlardan biri de otomatik görüntü analizi modellerinin geliştirilerek tarama aşamasında etkinliğin artırılmasıdır. Çalışmanın amacına binaen, HGİ’nin YZ’yi destekleyen kurumsal alt yapısına geçmeden önce X-Ray imajlarının otomatik analizinin teknik arka planına kısaca değinmekte fayda görülmüştür.

Türüne göre değişmekle birlikte, bir tarama sistemi tipik olarak saatte yaklaşık 35 ila 60 konteyner tarayabilirken, bir sonraki aşama olan tarama görüntülerinin analizi, deneyimli operatörler için bile zorlu bir iştir. Bu aşamada, operatörün analiz süresi birçok faktöre bağlı olarak değişebilmektedir. Örneğin, özellikle eşyanın çeşitlilik gösterdiği konteynerlerde görüntünün üst üste binen eşyadan ve farklı tonlardan oluşması analiz sürecini karmaşıklaştırmaktadır. Bu karmaşıklık göz önüne alındığında, operatörün göz yorgunluğu ile daha da güçleşen bazı insani faktörler nedeniyle yasadışı kargonun tespit edilememe olasılığı artabilmektedir (Matsudaira ve Koh, 2022).

YZ destekli görüntü analizi yeni bir çözüm olsa da, X-Ray operatörlerinin performansı ve karar verme davranışlarını etkileyen bilişsel süreçler üzerine yapılan akademik çalışmalar 1988 yılına kadar uzanmaktadır. Söz konusu çalışmalar öncelikle havacılık güvenliği sektöründe başlamış, daha sonra gümrük alanında da yapılmaya başlanmıştır. Havacılık sektörü üzerine yapılan bu ilk araştırmalar, insanların tekrarlanan görevlerde zamanla zorlanmaya başladığını ve X-Ray operatörlerinin performansının sadece 10 dakika sonra bile azalabildiğini göstermiştir.  Federal Havacılık İdaresi’nin (FAA) yaptığı bir araştırma, araştırmaya katılan operatörlerin kısa bir süre sonra %22’sinin el bagajlarına yerleştirilen silahları tespit etmede başarısız olduğunu ortaya koymuştur. Araştırmalar sonucunda, tekrarlama, kayıtsızlık, yetersiz eğitim, düşük ücret ve yorgunluk gibi faktörlerin insan hatalarına yol açabildiği görüldüğünden analiz süreçlerinin olabildiğince otomize edilmesini sağlayacak teknolojik çözümler geliştirilmeye başlanmıştır. Bu alanda son zamanlarda yapılan çalışmalar ise, modellerin başarısına ek olarak, operatörlerin YZ modeli tarafından verilen kararlara güvenip güvenmediğine odaklanmış ve açıklanabilir YZ modellerine daha fazla güvenme eğiliminde olduklarını göstermiştir (Vukadinovic ve Anderson, 2022).

Otomatik algılama, taranan görüntülerin daha hızlı ve hassas bir şekilde analiz edilmesini sağlayarak görüntü analiz sürecini kolaylaştırma potansiyeline sahip bir teknolojidir. Halihazırda otomatik tespitten, bir karar destek mekanizması olarak, “destekli görüntü seçimi” (assisted selection) ve “destekli görüntü analizi” (assisted inspection) için yararlanılmaktadır (Şekil-2). Destekli görüntü seçiminde, otomatik görüntü analizi risk değerlendirmesinin bir türü olarak faaliyet gösterir. Tüm kargoların taranması sonucunda, kontrol edilecek riskli kargolar model tarafından tespit edilir ve böylece operatörler üzerindeki iş yükü azalır. Destekli görüntü analizinde ise, riskli olarak seçilen kargonun taranmasından sonra, görüntü analiz aşamasında, modelin riskli bölgeyi işaretleyip tehdidin türüne ilişkin de operatöre bilgi vererek, analiz sürecini daha verimli hale getirmesi sağlanmaktadır.

Şekil-2: Otomatik Görüntü Analizinin Kullanıldığı İki Ana Alan

Bu şekil aynı zamanda otomatik tespitin teknik bileşenleri olan görüntü ön işleme ve görüntü anlamayı da açıklamaktadır. Görüntü ön işleme, hem operatörlerin hem de algoritmaların görüntüyü anlamasına yardımcı olmak için görüntü manipülasyonu, düzeltme, gürültüden arındırma, malzeme ayrımı, segmentasyon ve risk projeksiyonu gibi tekniklerin görüntüye uygulanmasını kapsar. Görüntü anlama ise, görüntünün içeriğine dayalı karar verme süreçleriyle ilgilidir ve otomatik tehdit algılama (automated threat detection) ve otomatik içerik doğrulama (automated content verification) alt bölümlerine ayrılır (Rogers vd., 2016).

Destekli seçim, tüm paketlerin/konteynerlerin taranmasını gerektirmektedir. Gümrük kontrolleri bakımından, otomatik görüntü analizi araştırmaları ise daha çok destekli analiz üzerine odaklanmıştır (Rogers vd., 2016). Destekli analiz modelleri, imaj üzerindeki ilgi bölgelerini (region of interest, RoI) otomatik olarak oluşturarak operatöre güvenlik veya gümrük açısından riskli unsurları göstermektedir. Böyle bir model geliştirme süreci üç ana adımdan oluşmaktadır: Görüntü toplama, görüntülerin özelliklerini tanımaya yönelik öğrenme süreci, şüpheli özelliklerin otomatik olarak tespit edilmesi ve analizin hedefi olarak işaretlenmesi. Bununla birlikte, taranan görüntü veri tabanlarında, tehdit oluşturmayan görüntülere kıyasla tehdit oluşturan görüntülerin sayıca azlığı, makine öğrenmesi sürecini sekteye uğratarak otomatik tespit algoritmalarının doğruluğunu olumsuz etkileyen bir faktör olarak karşımıza çıkmaktadır (Matsudaira ve Koh, 2022).  

3. KAMU SEKTÖRÜNDE YAPAY ZEKÂ GİRİŞİMLERİ LİTERATÜRÜ

Akademik araştırma perspektifinden bakıldığında, kamu kurumlarının YZ gibi kilit teknolojileri etkin bir şekilde kullanma kapasitesini nasıl geliştirdiği ve iç ve dış faktörlerin bu kapasiteleri nasıl şekillendirdiği konusunda hala teori eksikliği bulunmaktadır (Schaefer vd., 2021; Mikalef, 2022). Öte yandan, uygulama odaklı bir perspektiften bakıldığında, kamu kurumları, yeni dijital teknolojilerin kullanımı yoluyla verimliliği ve hizmet kalitesini artırmak için sürekli artan bir baskı altındadır (Urbach ve Röglinger, 2018).

Kamu sektörü için görece yeni bir kavram olan YZ’ye ilişkin literatürün kısıtlı olması ve YZ uygulamalarını mevcut iş süreçlerine entegre etmenin, sistemlerin teknik başarısından çok daha fazlasını kapsaması, kamu kurumlarının bu uygulamaları hayata geçirmesini güçleştirebilmektedir. Bu anlamda YZ; uygulamaların yasal dayanağı, YZ uygulamasını hayata geçirecek kurumsal yapılar ve personel yönetimi gibi alanları içerecek şekilde çok yönlü ele alınması gereken bir konu olarak karşımıza çıkmaktadır.

YZ uygulamalarını farklı perspektiflerden inceleyen literatür çalışmalarını üç ana başlık altında toplamak mümkündür. Bunlar; YZ’nin tüm bileşenlerini bir ekosistem olarak gören makro seviye (sistem yaklaşımı), kurumların YZ kapasitelerini çalışan mezo seviye (organizasyonel yaklaşım) ve YZ’nin personel yönetimine ve kurumun alt birimlerine getireceği değişiklikleri ele alan mikro seviye yaklaşımlardır (Öztürk, 2023). Bu çalışma, dünyada gümrük alanında iyi uygulama örneklerinden olan Hollanda Gümrük İdaresi’nin (HGİ) otomatik tespit projelerinden hareketle, YZ’yi iş süreçlerine nasıl dahil ettiğini mezo/kurumsal seviyede bir analiz yaparak açıklamaya çalışmaktadır. Bununla birlikte, kurumsal düzeydeki çalışmalar, makro ve mikro seviyede yapılan çalışmaların etkilerini de, ara seviye bir çalışma alanı olması sebebiyle, bünyesinde barındırmakta olup bu seviyeleri kalın çizgilerle ayırmak pek mümkün olmamaktadır. Örneğin, makro seviye çalışmaların konusu olan ulusal bir YZ stratejisinin varlığı veya mikro seviye çalışmaların konusu olan personelin YZ uygulamalarını benimseyip benimsememesi, kurumsal düzeydeki yapıları da etkilemektedir.

4. ÇALIŞMANIN KURAMSAL ÇERÇEVESİ

Bu çalışma, Jane Fountain’ın (2001) kamu sektöründe yürütülen bilgi teknolojileri projelerini açıklamak için geliştirdiği Teknoloji Uygulama Çerçevesi’ni (TUÇ) kuramsal çerçeve olarak kullanmaktadır. Kurumların istikrarına ve eylem üzerindeki sınırlayıcı gücüne odaklandıkları için mevcut kurumsal teorilere eleştirel yaklaşan Fountain (2001), kurumsal devamlılığın yerine kurumsal değişimi açıklama gayesiyle Teknoloji Uygulama Çerçevesi’ni (TUÇ) geliştirmiştir (Şekil-3). Fountain’in temel katkısı, “uygulanan teknoloji” terimini geliştirilerek “nesnel” ve “uygulanan” teknoloji arasındaki farkı belirtmesidir. Nesnel teknoloji, teknolojinin kendisi ve somut bileşenlerini (internet, donanım ve yazılım gibi) ifade ederken daha geniş bir kapsama sahip olan uygulanan teknoloji, kullanıcıların nesnel teknolojiye yönelik algılarını içerir (Fountain, 2004). Uygulanan teknoloji kayramı ile, nesnel teknolojinin kurumlar tarafından nasıl “algılandığı, tasarlandığı, uygulandığı ve kullanıldığı” incelenmektedir (Fountain, 2001). Bu çalışma açısından, YZ nesnel teknolojiyi, HGİ’nin bu teknolojiyi hangi idari düzenlemeler ve kurumsal yapılara dayanarak tasarladığı ve uyguladığı ise uygulanan teknolojiyi ifade etmektedir.

TUÇ’un kurumsal yapılar (örgütsel biçimler), kurumsal düzenlemeler ve sonuçlar olmak üzere üç temel bileşeni vardır. İlk bileşen olan kurumsal yapılarla ilgili olarak Fountain (2001) iki tür örgütlenme biçiminden bahsetmektedir: Geleneksel bürokratik yapılar ve daha esnek olan ağ yapıları (networks). Birçok kamu kurumu hala hiyerarşi ve standardizasyon gibi ilkelerin hâkim olduğu tek bir kurum olarak örgütlenmesine rağmen, farklı kurumlar arasında iş birliği de kurulan ağlar aracılığıyla yaygınlaşabilmektedir. İkinci bileşen; yasal, resmi, kültürel, bilişsel normlar gibi kurumsal düzenlemelerdir. Üçüncü olarak, TUÇ’un son aşaması proje sonuçlarıdır. Bir teknolojinin iş süreçlerine dahil edilmesinin sonuçlarının belirgin hale gelmesi, yani projenin meyvelerinin alınması, uzun zaman alabilmektedir. Ek olarak, teknoloji projeleri, belirsiz, çoklu ve beklenmedik olmak üzere çeşitli sonuçlar doğurabilmektedir. Projenin çıktıları; kurumsal düzenlemeler, yapılar, nesnel ve uygulanan teknoloji gibi TUÇ’un diğer unsurları üzerinde de etkili olabilmektedir (Fountain, 2001). Böylelikle TUÇ, salt sonuç odaklı olmaktan ziyade bileşenler arasındaki karşılıklı etkileşimi açığa çıkaran dinamik bir süreci göstermektedir.

Şekil-3: Teknoloji Uygulama Çerçevesi

5. TEKNOLOJİ UYGULAMA ÇERÇEVESİ EKSENİNDE HOLLANDA GÜMRÜK İDARESİ İNCELEMESİ

Çalışmanın HGİ’deki YZ projelerini ele alması tesadüfi değildir. HGİ, lojistik alanındaki uluslararası değerlendirmelerde sürekli olarak ilk üçte ve gümrük işlemlerinde ilk beşte yer alarak dünya genelinde iyi uygulama örneği gümrük idarelerinden biri olarak ün kazanmıştır (World Bank, 2023). Ayrıca, hem AB hem de DGÖ seviyesinde teknik uzman gruplarında ve araştırma projelerinde öncü bir rol üstlenmektedir (WCO, 2019; PEN-CP, 2021). Örneğin, otomatik tehdit tanımlama konusundaki ilk projelerden olan ACXIS[1] projesine katılan idarelerden biri Hollanda’dır (European Commission, 2015). Aynı zamanda, AB’deki en yoğun trafik hacmine sahip limanı olan Rotterdam Limanı Hollanda’da bulunmaktadır (Dutch Customs, 2022) ve burada otomatik anomali tespitinin gümrük kontrollerini önemli ölçüde dönüştürmesi beklenmektedir. TUÇ kapsamında yapılan incelemede, idarenin YZ’ye ilişkin kurumsal altyapısının, pilot projelerin tasarım ve uygulama aşamalarını ve mevcut proje çıktılarını nasıl etkilediği ele alınmıştır.

5.1 Hollanda Gümrük İdaresi’ndeki İdari Düzenlemeler

Hollanda Gümrük İdaresi’nin YZ projelerine zemin hazırlayan politika belgeleri, üst düzey ve ikincil politika belgeleri olarak iki grupta toplanabilir. Üst düzey politika belgeleri, idarenin temel vizyon ve hedeflerini ortaya koyarken, ikincil belgeler daha detaylı olarak teknoloji ve inovasyona özel hedeflere yer vermektedir. Bu kapsamda, İdarenin Çok Yıllı Stratejik Planı (2020-2025) başlıca politika belgesi olup “veri odaklı bir kurum olma”yı (Becoming a Data-Driven Organization; Data-Gedreven Organisatie) kurumun ana hedeflerinden biri olarak belirlemiştir (Dutch Customs, 2021, s.16). “İnovasyonun DNA’larında olduğu”nu vurgulayan idare, inovasyonu uzun vadeli bir çaba olarak görmektedir (Dutch Customs, 2022, s.5). Ayrıca “Sınırları Zorlama Vizyonu” (Pushing Boundaries Vision-Visie Grensverleggend) ve “Katmanlı Kanun Uygulama Yaklaşımı” (Layered Enforcement Approach-Gelaagde Handhaving), ticareti kolaylaştırmanın tehditleri tespit etmek kadar önemli olduğunu vurgulayarak YZ tabanlı otomatik tespiti kurumun önceliklerinden biri haline getirmiştir (Dutch Customs, 2021, ss.11-12; Dutch Customs, 2022, s.15; Dutch Customs, t.y.). Bu iki yaklaşım, bürokratik engellerin ve tacirlerin kontrolünün asgari düzeyde tutulması ilkesini benimsemektedir (Dutch Customs, 2021, s.12; Dutch Customs, 2022, s.15). Bu nedenle, kontroller en güvenilir şirketlerden başlayarak en az güvenilire doğru, sırasıyla yeşil hattan mavi hatta doğru, kademeli olarak artırılmaktadır (Dutch Customs, 2022). Bu noktada, YZ ile otomatik risk tespiti projeleri, gümrük kontrol sürecini hızlandırmak için bir çözüm olarak sunulmaktadır. HGİ’nin YZ alanında; (i) yapılandırılmış verilerin daha iyi filtrelenmesi, (ii) harici verilerin kullanılması ve (iii) X-Ray görüntülerinin otomatik olarak yorumlanması olmak üzere üç çalışması olup (Dutch Customs, 2022, s.17) bu çalışma daha çok son projeye odaklanmıştır.

Yukarıda bahsi geçen strateji ve vizyon belgelerinin haricinde, teknoloji-spesifik ikincil politika belgeleri olarak adlandırdığımız İnovasyon Üçgeni Yaklaşımı (Triangle Approach to Innovation), İnovasyon Temaları (Innovation Themes) ve İnovasyon Gündemi (Innovation Agenda) YZ başta olmak üzere kurumun yeni teknolojilere ilişkin tüm çalışmalarının çerçevesini çizmektedir. İlk olarak, İnovasyon Üçgeni Yaklaşımı, “strateji” ve “teknik inovasyon”u “sosyal inovasyon”la birleştirerek, kurumun nitelikli personeliyle birlikte yeni teknolojilere yanıt verme konusunda kapasitesini geliştirmeyi ve esnekliğini artırmayı hedeflemektedir (PEN-CP, 2021, s.79). İnovasyon Temaları; inovasyon projelerinin türlerini belirleyen yapay zekâ, blok zincir, nesnelerin interneti gibi toplamda sekiz tematik önceliği ifade ederken, İnovasyon Gündemi, idarenin İnovasyon Koordinasyon Grubu tarafından uygulanmasına karar verilen somut projelerini içerir (PEN-CP, 2021, ss.77-79; Dutch Customs, n,d.). Bir proje, etki değerlendirmelerinin (impact assessments) ve kavram kanıtlarının (proof-of-concepts) tamamlanmasının ardından İnovasyon Gündemi’nin bir parçası haline gelmektedir (PEN-CP, 2021). Kurum seviyesindeki bu düzenlemelerin ötesinde, AB Yönetmelikleri, örneğin; Genel Veri Koruma Yönetmeliği (GDPR) ve AB Yapay Zekâ Kanunu (AI Act), idarenin yapay zekâ girişimlerini etkilemekte, özellikle de idareye yapay zekâ girişimlerini şeffaf (transparent AI), açıklanabilir (explainable AI) ve güvenilir (trustworthy AI) olarak tasarlama konularında bir sorumluluk yüklemektedir (Öztürk, 2023).

5.2 Hollanda Gümrük İdaresi’ndeki Kurumsal Yapı

TUÇ’un bir diğer araştırma alanı da teknoloji projelerini destekleyen, bürokrasi ve ağlar (networks) şeklinde örgütlenen, kurumsal yapılardır. TUÇ’a göre bürokratik yapılar, kurum içinde YZ projelerinden sorumlu birimleri ifade ederken; ağlar, kurumlar arası iş birliği mekanizmalarını temsil eder. HGİ’deki YZ projelerinin uygulanmasını destekleyen başlıca kurumsal yapı Veri Bilimi Birimi olup hem proje tasarımı hem de uygulaması aşamalarında aktif olan Veri Bilimi Birimi’nin varlığı, YZ modellerinin idarenin kendi personeli tarafından ve idarenin ihtiyaçlarına göre geliştirilmesine olanak tanımaktadır (Öztürk, 2023).  İkinci olarak, farklı departmanların uzmanlarından oluşan (bilgi teknolojileri, muhafaza, satın alma gibi) ve hangi inovasyon projelerinin önceliklendirileceğine karar veren İnovasyon Koordinasyon Grubu ise projelerin gündeme alınmasından, yani projelerin tasarım aşamasından, sorumlu olan başlıca birimdir (PEN-CP, 2021). İnovasyon Koordinasyon Grubu, hem proje kararlarının katılımcı bir şekilde alınmasını sağlamakta hem de gerekli ön değerlendirmeleri yaparak proje başarısızlığı riskini ve proje sonuçlarının tahmin edilemezliğini azaltmaktadır. Tasarım aşamasını takip eden proje uygulama aşaması, Proje Uygulama Grubu koordinasyonunda ilgili departmanların ortak çalışması olarak yürütülür. Gümrük Laboratuvarı, Veri Bilimi Birimi, Saha Birimleri, İş Operasyonları ve Bilgi Teknolojileri Departmanı, otomatik tespit projelerinin uygulama aşamasında görev alan birimlerden bazılarıdır (WCO, 2022).

HGİ’nin kurumsal yapılarında YZ projeleri ile meydana gelen değişim, proje uygulama aşamasındaki teknik adımları yerine getiren birimlerin rolleri açıklanarak daha iyi anlaşılabilir. Bu kapsamda, görüntü veri tabanının oluşturulması için veri toplanmasından X-Ray operatörleri sorumlu idi. Projenin devamında operatörler, modelden alınan uyarıların doğruluğuna ilişkin geri bildirim mekanizmasında da aktif rol üstlenmişlerdir. Bununla birlikte, projenin tasarımı ve model geliştirme aşamasında geri bildirim görevi, modelin kullanıma alınmadan önce en yüksek başarım oranını sağlayabilmesi için, Gümrük Laboratuvarı tarafından yerine getirilmiştir. YZ modeli ise Veri Bilimi Birimi tarafından geliştirilmiştir. Geliştirilen model, İş Operasyonları Departmanı koordinasyonunda, X-Ray tedarikçileri tarafından X-Ray ekipmanına uygulamıştır. Son olarak, Bilgi Teknolojileri Departmanı, pilot aşamadan operasyonel aşamaya geçiş için gerekli BT altyapısını oluşturmuştur (WCO, 2022).

Kurum içi yapılara ek olarak kurumlar arası iş birliği mekanizmaları da HGİ’nin YZ kapasitesinin gelişmesinde etkili olmuştur. Fountain’ın ağlar olarak nitelendirdiği bu yapıları, ulusal ve uluslararası iş birliği ağları olarak sınıflandırmak mümkündür. Akademi, özel sektör ve uluslararası teknik uzman gruplarıyla kurulan iş birlikleri, YZ projelerinin karmaşıklığının üstesinden gelmek için kuruma çok sayıda fayda sağlamıştır.

İlk olarak, son on yılda, HGİ ile araştırma enstitüleri ve üniversiteler gibi akademik kurumlar arasında artan iş birliği önemli bir gelişme olarak karşımıza çıkmıştır. Akademi ile ortaklıklar, geliştirilmesi planlanan YZ çözümünün fizibilitesinin yapılmasına katkıda bulunduğu gibi HGİ’de, çağımız gümrük personelin, kanun uygulama ve mevzuat bilgisinin ötesinde ileri seviye teknolojik bilgiye de sahip olması gerektiği konusunda bir farkındalık oluşmasını sağlamıştır (PEN-CP, 2021). HGİ’nin, doğal ortaklar olarak nitelendirdiği bir başka iş birliği modeli ise X-Ray tedarikçileriyle kurulmaktadır; çünkü YZ modeli HGİ’nin kendi veri bilimcileri tarafından geliştirilse de sistemlerin yazılımına X-Ray tedarikçileri tarafından entegre edilmektedir. Öte yandan, Veri Bilimi Birimi ihtiyaca yönelik ürün geliştirse de, piyasadan hazır ürün satın almak da dahil olmak üzere, inovasyon projeleri için farklı ortaklık modelleri hala mevcuttur. Bu noktada HGİ’nin genel yaklaşımı, piyasada rafta hazır ürün mevcut olmadıkça veya bunu satın almak daha verimli olmadıkça, programları kurum içinde Veri Bilimi Birimi tarafından geliştirmektir. Örneğin, özel sektör, ateşli silahlara ilişkin bir veri tabanı oluşturabileceği için otomatik ateşli silah tespit algoritmalarını hazır olarak satın almak seçeneği değerlendirilebilir; ancak uyuşturucu için durum böyle olmayacaktır. Bunun için geliştiricinin yeterli sayıda ve çeşitlilikte uyuşturucu yakalama görüntüsüne sahip olması gerekir ki bu durumda görüntüler gümrük idareleri tarafından geliştiricilere sağlanacak veya modelin doğrudan gümrük tarafından geliştirilmesi seçeneği tercih edilecektir (Öztürk, 2023).

Kurumlar arası iş birliğinin bir diğer kategorisi olan uluslararası ağlar, çoğunlukla DGÖ ve AB uzman grupları ağları ve diğer gümrük idareleri ile iş birliği şeklinde karşımıza çıkmaktadır. AB’de yeni geliştirilen bir sınır güvenliği teknolojisi, faydalı sayılabilmek için, “Güvenli, Ölçülebilir, Otomatik, Risk Yönetimine Dayalı ve Teknoloji Odaklı” olmayı vurgulayan Akıllı Sınırlar (Smart Borders) konseptini desteklemelidir (European Commission, 2021, s.87). Bu amaçtan hareketle, AB araştırma projeleri ve uzman ağları, ülkeler arası çeşitli iş birliklerinin geliştirilmesine öncülük eden platformların başında gelmektedir. Üye devletlerin kamu kurumları, araştırma enstitüleri ve özel sektör temsilcileri arasında iş birliği kuran AB araştırma ve inovasyon finansman programları, hem AB içerisinde bütçeyi birleştirmek hem de ihtiyaca özel ürünler geliştirmek konusunda etkili olmuştur. Bu ağların en önemlileri ACXIS, Gümrük Tespit Teknolojileri Proje Grubu (CDTPG), PROFILE ve Pan-Avrupa Gümrük Uygulayıcıları Ağı (PEN-CP) Projesi olarak örneklendirilebilir (Avrupa Komisyonu, 2021). Bu iş birlikleri yoluyla, gümrüklerin YZ teknolojisinin zorluklarıyla daha iyi başa çıkmasına yardımcı olacak akademik çalışmalar da yapılmaktadır. Örneğin, PEN-CP tarafından hazırlan, “AB YZ Yasası & Gümrüklerin YZ ile Yapabilecekleri ve Yapamayacakları” konulu uzman raporu (Harison, 2023) gümrük idarelerine YZ projeleri konusunda yol göstermektedir. Ayrıca, AB Genel Veri Koruma Yönetmeliği ve AB YZ Yasası ise, üye ülkelere YZ konusunda ortak bir mevzuat ve uygulama zemini sağlamaktadır. AB’ye ek olarak, DGÖ TEG-NII uzman grubu tarafından çeşitli paydaşlar bir araya getirilerek tespit teknolojileri konusunda iyi uygulamalar, sorunlar ve olası çözüm yolları hakkında fikir alışverişinde bulunulmaktadır (WCO, 2021).

Bir başka iş birliği kategorisi ise, YZ modeli geliştirmek için gereken görüntü yetersizliği sorununun üstesinden gelmek için diğer gümrük idareleri ile geliştirilen iş birliğidir. Hem görüntü sayısı hem de görüntülerdeki anomalilerin çeşitliliği, örneğin konteynerin farklı bölgelerindeki anomalileri ve farklı gizleme yöntemlerini gösteren görüntüler, yüksek hassasiyet oranlarına sahip algoritmaların geliştirilmesi için gereklidir. Bunun için HGİ, Avustralya, Belçika ve Brezilya Gümrükleri de dahil olmak üzere yakalama görüntülerini elde etmek için diğer gümrük idareleriyle iş birliği yoluna giderek veri tabanını zenginleştirmiştir (WCO, 2022).

İdari düzenlemelere ve kurumsal yapılara ek olarak HGİ’de inovasyon sürecini etkileyen başka faktörler de mevcuttur. Bunlardan en önemlisi yeterli bütçenin varlığıdır. Hollanda küçük bir ülke olmasına rağmen Avrupa’nın en işlek limanı olan Rotterdam Limanı aracılığıyla AB ticaretinde kilit bir rol oynamaktadır (Dutch Customs, 2022).  Proje uygulama bütçesinin yanı sıra HGİ, projenin tasarım aşamasında etki değerlendirmeleri ve kavramların kanıtlanması için küçük bir bütçe ayırarak YZ projelerinin en büyük sorunlarından olan proje sonuçlarının öngörülemezliğini azaltmayı hedeflemiştir (PEN-CP, 2021).

5.3 Yapay Zekâ Projelerinin Personel Yönetimine Etkisi ve Sosyal İnovasyon Yaklaşımı

Yukarıda da bahsedildiği üzere, mezo seviyede yapılan incelemeler, mikro seviye çalışmalardan büyük ölçüde etkilenmektedir. Bu anlamda kamuda YZ uygulamaları, bu çalışma özelinde ise otomatik tespit projeleri, HGİ’de üç iş kategorisinin önemini daha da ortaya çıkarmıştır. Bunlar; yöneticiler, veri bilimciler ve X-Ray operatörleridir. İlk olarak, inovasyon projelerinin başarısı yöneticilerin tutumlarından etkilenmektedir. HGİ, memurların genel eğiliminin, inovasyon yerine mevcut prosedürleri optimize etmek yönünde olduğunu, bu sebeple de, inovasyonu tasarlama sorumluluğunun yönetim tarafından üstlenilmesi gerektiğini öne sürmektedir (PEN-CP, 2021). Bu misyondan hareketle, HGİ’nin hedefi, yeni teknolojilerin kapasiteleri ve kısıtları konusunda yöneticiler arasında farkındalık oluşturmak ve onları teknolojik değişimin liderleri haline getirmektir (Dutch Customs, 2021). Bu nedenle, üst düzey personelin eğitimi artık bilgi teknolojileri, iş süreçlerinin haritasını çıkarma gibi konuları da içermektedir (PEN-CP, 2021).  İkinci kritik rol ise veri bilimciler tarafından üstlenilmektedir. Veri bilimciler, sadece rafta hazır ürün almak yerine idarenin ihtiyaçlarına özel teknolojik çözümler geliştirebilmesini sağlamaktadır. Ayrıca, idarenin ihtiyaçlarını müzakere edebilecek teknik donanıma sahip olduklarından pazarda hazır bulunan en verimli teknolojik çözümü tespit ederek kuruma kazandırabilmektedirler (Öztürk, 2023).

Üçüncü olarak, X-Ray operatörleri projelerin başarısında etkin rol oynamaktadırlar. Bilindiği üzere, MÖ algoritmaları doğru verilerle beslendiklerinde daha iyi performans göstermektedir. Model, operatörlerin modelin doğru ve yanlış alarm oranları hakkındaki geri bildirimlerine dayalı olarak revize edilmektedir. “Güdümlü/denetimli eğitim ve test” olarak adlandırılan bu aşamada operatör, modelin alarm vermesi halinde kargoyu fiziksel olarak kontrol ederek algoritmanın başarılı çalışıp çalışmadığı hakkında doğru geri bildirimde bulunmalıdır.

Operatörlerin bir diğer görevi, alarmları ayırt edebilmek, yani alarmın hangi tehdit için tetiklendiğini doğru bir şekilde kaydetmektir; çünkü sistemden bir alarm almak, sistemin her zaman gerektiği gibi çalıştığı anlamına gelmemektedir. HGİ’den bir yönetici bu durumu bir mülakatta şöyle örneklendirmiştir:

“Operatörler bir alarm aldıktan sonra paketi açarlar ve kokain bulurlar. Size programın çalıştığını söyleyebilirler ama program doğru çalışmamaktadır; çünkü aslında aldıkları kokain değil hap alarmıdır” (Öztürk, 2023, s.33)

HGİ’de, personelin teknolojik dönüşümdeki rolüne vurgu yapan yaklaşım, kurumun sosyal inovasyon yaklaşımıdır. Bu kavrama, hem İnovasyon Üçgeni Yaklaşımı’nda hem de İnovasyon Temaları’nda yer verilmektedir (PEN-CP, 2021). Sosyal inovasyon, bir kurumun, personelini teknolojik dönüşüm sürecine dahil ederek ve inovasyon projeleri için gerekli bilgi ve yetenekleri onlara kazandırarak mevcut iş prosedürlerini değiştirebilme potansiyelini ifade eder. PEN-CP Mazagin tarafından yapılan bir röportajda HGİ’den bir yönetici sosyal inovasyonun önemine şöyle dikkat çekmiştir:

 “En iyi fikirleri, en zekice fikirleri ortaya koyabilirsiniz, ancak insanlar bunları kabul etmediklerinde, bunlara inanmadıklarında, o zaman asla işe yaramazlar.” (PEN-CP, 2021, s.78).

Sosyal inovasyon yaklaşımının çıktıları, proje pilot uygulaması boyunca, operatörlerin YZ teknolojisini benimsemeye istekli olup olmaması ile YZ modelinin başarısı arasındaki ilişkide kendini göstermektedir. Operatörler, teknoloji hakkında daha fazla bilgi sahibi olduklarında, modelin başarısını artırmak için geri bildirim aşamasında daha fazla çaba harcamaktadırlar. Aynı mantıkla, modelin düşük başarım oranları, operatörlerin yeni sistemi kullanmaya istekli olmamasından kaynaklanabilecektir. Bu durum da, en nihayetinde, operatörlerin başarısız gördükleri bir modeli kullanma isteklerini azaltabilir ve sadece klasik usül ile analiz yönetimine devam etmelerine sebep olabilir. Bu kısır döngü sonucunda ortaya çıkan düşük başarım oranları, gümrük personelini, kendisi ile YZ modeli arasında bir karşılaştırma yapmaya yönlendirebilir. Bu kapsamda, HGİ’den bir yetkili, sistemi kullanacak personeli pilot projelere dahil ederek gerekli bilgilendirmelerin yapılmasının önemini şu şekilde ifade eder:

“Eski ekol gümrük personeli anomalileri neredeyse koklayarak anlayan kişiydi. Modern gümrük personeli ise teknolojik araçlarla çalışabilen, onlara iyi bir geri bildirim sağlayabilen ve YZ algoritmasının gerçekten iyi olmasını sağlayabilen kişidir. Ve eğer modelleri uygun beslemezseniz, bunlar zamanla daha kötü hale gelebilir. Dolayısıyla size sistemin gerçekten çalışmasını ve beslenmesini isteyen bir ekip gereklidir, bu modellerin yanlış olduğunu kanıtlamaya çalışan değil.” (Öztürk, 2023, s.35).

Bu evrilen zihniyetle, HGİ, personelin yeni teknolojilere uyum sağlayabilmesi için Stratejik İstihdam Programı’nı hayata geçirmiştir (Dutch Customs, 2022, s.20). Bu program, öğrenme döngüsünün sürdürülerek mevcut personelin yeni teknolojileri kullanma konusunda hizmet içi eğitim alması, ayrıca yeni personelin seçiminde temel analitik yeteneklere sahip olmalarının göz önünde bulundurulması gibi ilkelere dayanır.

Bu çalışmanın teorik eksenini oluşturan TUÇ kapsamında, HGİ’nin YZ projelerinin dayandığı politika belgeleri ve kurumsal yapı incelenerek, projelerin tasarım ve uygulama aşamalarını gösteren, “Hollanda Gümrük İdaresi’nin YZ Teknolojisi Uygulama Akış Şeması” hazırlanmıştır (Şekil-4). Yeşil ile gösterilerin Proje Tasarım ve Uygulama aşamalarını etkileyen ve her biri farklı renk ile gösterilen kurumsal düzenlemeler, bürokratik ve ağ tipi kurumsal yapılar, dışsal faktörler ve proje uygulama süreçlerinin alt aşamaları/birimleri arasındaki ilişki, söz konusu akış şeması ile özetlenmeye çalışılmıştır.

Şekil-4: Hollanda Gümrük İdaresi’nin YZ Teknolojisi Uygulama Akış Şeması

6. SONUÇ VE ÖNERİLER

YZ, yasadışı ticaretin daha hızlı ve kesin bir şekilde tespit edilmesi için gümrüklerde umut vadeden bir teknolojik çözüm haline gelmektedir. Çalışma, HGİ’nin aşağıda yer verilen uygulamalarını, YZ projelerinin başarısını artıran iyi uygulama örnekleri olarak tespit etmiştir:

• Veri Bilimi Birimi’nin kurulması ve veri bilimcilerin istihdam edilmesi
• İnovasyon Koordinasyon Grubu’nun oluşturulması
• Teknoloji-spesifik politika belgelerinin (İnovasyon Gündemi, İnovasyon Temaları gibi) hazırlanması
• Proje yönetiminde ürün ‘tedarik’ anlayışından ürün ‘geliştirme’ anlayışına geçiş
• Sosyal İnovasyon Yaklaşımı’nın benimsenmesi
• Ulusal ve uluslararası seviyede kurumlar arası iş birliğinin güçlendirilmesi

Sonuç olarak, kamu kurumlarının YZ projelerinin başarısı için teknik unsurların yanı sıra çok sayıda çevresel unsuru da dikkate alması önem arz etmektedir. Bunlar arasında; projenin mevcut operasyonel süreçler üzerindeki yansımaları, çeşitli rollerdeki personelin sorumluluklarına getireceği potansiyel değişiklikler, kurumun diğer stratejik teknolojik yatırımlarıyla uyumu, ulusal YZ stratejilerine ve uluslararası kuruluşların tavsiyelerine uyumu sayılabilir. Bu tür hususlar, bir YZ projesi hayata geçirilmeden önce kapsamlı bir şekilde ele alınarak ve projenin uygulama döngüsüyle paralel olarak çözüme kavuşturulmalıdır.

KAYNAKÇA

Berryhill, J., Heang, K., Clogher, R., McBride, K. (2019). Hello, World: Artificial intelligence and its use in the public sector. OECD Working Papers on Public Governance, 36. Paris: OECD Publishing.

Dutch Customs. (2021). Multi-Year Strategic Plan of Dutch Customs (2020-2025). Strategisch Meerjarenplan Douane (2020-2025) https://open.overheid.nl/documenten/ronl-9c52bf23-637b-49e3-9fe0-181243a4d28e/pdf

Dutch Customs. (2022). Dutch Customs in 2021. https://www.government.nl/documents/annual-reports/2022/06/30/dutch-customs-in-2021

Dutch Customs. (2022, October 4). Smarter Supervision with the Help of AI Models and Autodetection. https://www.aboutnetherlandscustoms.nl/latest/articles/customs-articles/2022/smarter-supervision-with-the-help-of-ai-models-and-autodetection

Dutch Customs. (t.y.). Pushing Boundaries. https://www.belastingdienst.nl/wps/wcm/connect/bldcontenten/belastingdienst/customs/about-us/how-we-work/pushing-boundaries/

European Commission. (2015). Automated Comparison of X-Ray Images for Cargo Scanning. https://cordis.europa.eu/project/id/312998

European Commission. (2021). Third Progress Report on the Implementation of the EU Strategy and Action Plan for Customs Risk Management.

Fountain, J. E. (2001). Building the Virtual State – Information Technology and Institutional Change. Washington: The Brookings Institution.

Fountain, J. E. (2004). Prospects of the Virtual State. University of Tokyo 21st Century COE Program: Invention of Policy Systems in Advanced Countries.

Harison, E. (2023). EU Artificial Intelligence (AI) Act & What Customs Can And Cannot Do With AI. PEN-CP-2022-ER6 Expert Report.

Ireland, R. (2009). The WCO SAFE Framework of Standards: Avoiding Excess in Global Supply Chain Security Policy, Global Trade and Customs Journal,4(11-12).

Matsudaira, T. & Koh, J. (2022). Customs Administration and Digitalization. In P. Azcárraga, A. Azael, T. Matsudaira, G. Montagnat-Rentier, J. Nagy, and R. J. Clark (Ed.). Customs Matters: Strengthening Customs Administration in a Changing World. (pp.203-234). Washington, DC: International Monetary Fund.

Michel, S., Mendes, M., Ruiter, J., Koomen, G.C.M., Schwaninger, A. (2014). Increasing X-Ray image interpretation competency of cargo security screeners. International Journal of Industrial Ergonomics,  44(4), pp. 551-560.

Mikalef, P., Lemmer, K., Schaefer, C., Ylinen, M., Fjørtoft, S.O., Torvatn, H.Y., Gupta, M., and Niehaves, B. (2022). “Enabling AI Capabilities in Government Agencies: A Study of Determinants for European Municipalities,” Government Information Quarterly, 39(4).

Mikalef, P., Lemmer, K., Schaefer, C., Ylinen, M., Fjørtoft, S.O., Torvatn, H.Y., Gupta, M., and Niehaves, B. (2023). Examining how AI capabilities can foster organizational performance in public organizations. Government Information Quarterly, 40(2).

Öztürk, G. (2023). Unravelling the Complexities of AI Implementation in Customs Controls: A Technology Enactment Framework Analysis of Automated Detection Projects.

Pan-European Network of Customs Practitioners (PEN-CP). (2021). Pushing boundaries – How Dutch Customs reforms innovation to pursue an ambitious vision. PEN-CP Magazine, Magazine 11 Special Issue.

Rahman, M.M. (2021). Border Control Technologies of Western Nations: Legal, Ethical and Financial Issues. International Journal of Science, Technology and Society, 9(6), Issue, 256-262.

Rogers,  T.  W Jaccard, N., Morton, E.J., Griffin, L.D. (2016). Automated X- Ray Image Analysis for Cargo Security: Critical Review and Future Promise. Journal of X- Ray Science and Technology (August), 33-56.

Schaefer, C., Lemmer, K., Samy Kret, K., Ylinen, M., Mikalef, P., & Niehaves, B. (2021). Truth or dare?–How can we influence the adoption of artificial intelligence in municipalities? 54th Hawaii international conference on system sciences.

UNCTAD. (2020, January  28). Global actors gather to forge a common front against illicit trade. https://unctad.org/news/global-actors-gather-forge-common-front-against-illicit-trade.

Urbach, N. & Röglinger, M. (2018). Digitalization Cases – How Organizations Rethink Their Business for the Digital Age. Cham: Springer International Publishing.

Vukadinovic, D. & Anderson, D. (2022). X-Ray baggage screening and AI. EUR 31123 EN, Publications Office of the European Union. Luxembourg.

WCO. (2019, March 7). WCO Members engage in a Pilot project to test the Unified File Format Development. https://www.wcoomd.org/en/media/newsroom/2019/march/wco-members-engage-in-a-pilot-project-to-test-the-unified-file-format-development.aspx

WCO. (2021, November 9). The WCO TEG-NII discusses how to enhance the Customs control efficiency. https://www.wcoomd.org/en/media/newsroom/2021/november/the-wco-teg-nii-discusses-how-to-enhance-the-customs-control-efficiency.aspx

WCO. (2022, October 12). Automated detection: Dutch Customs shares its experience. Disruptive Technologies. https://mag.wcoomd.org/magazine/wco-news-99-issue-3-2022/automated-detection-dutch-customs/

WCO & WTO. (2022). Study Report on Disruptive Technologies.

WTO. (2022). Evolution of trade under the WTO: handy statistics. https://www.wto.org/english/res_e/statis_e/trade_evolution_e/evolution_trade_wto_e.htm

World Bank. (2023). Connecting to Compete: Trade Logistics in the Global Economy, The Logistics Performance Index and Its Indicators. World Bank Group. https://lpi.worldbank.org/.

---

[1] “Automated Comparison of X-Ray Images for Cargo Scanning” (Kargo Tarama için X-Ray Görüntülerinin Otomatik Karşılaştırılması) Projesi hakkında detaylı bilgi için: Automated Comparison of X-ray Images for cargo Scanning | ACXIS | Project | Fact sheet | FP7 | CORDIS | European Commission (europa.eu)