### Француски регулатор открива распрострањену неусаглашеност у онлајн увозу
Француска агенција за заштиту потрошача, DGCCRF, открила је да 75% производа увезених преко великих онлајн платформи није у складу са стандардима ЕУ. Тестирање на седам неименованих платформи показало је да 46% артикала представља ризик по безбедност, у распону од неисправних електричних производа до опасних играчака и хемикалија. Истрага, детаљно описана у извештају објављеном крајем 2024. године, узорковала је преко 1.200 производа из земаља ван ЕУ, првенствено из Кине, истичући системске проблеме у означавању, документацији и безбедности материјала[1].
Ова акција произилази из појачане контроле након ажурирања Опште уредбе о безбедности производа (GPSR) ЕУ из 2022. године, која наређује дигиталне пасоше производа и строжију следљивост. Производи који нису у складу често су заобилазили захтеве за CE ознаке или су садржали забрањене супстанце као што су фталати који прелазе границе за факторе од 10 или више. Власти су нагласиле да платформе сносе заједничку одговорност према Закону о дигиталним услугама (ДСА), појачавајући спровођење кроз новчане казне до 6% глобалног промета.
### Ефекти таласа на феедове производа и стандарде каталога
Оператори е-трговине који се ослањају на увезене феедове сада се суочавају са појачаним притисцима верификације. **Феедови производа** – структурирани токови података који храни тржишта – морају да интегришу провере усклађености са ЕУ, као што су REACH хемијски регистри и RoHS директиве за електронику. Несаглашеност нарушава уношење феедова, покрећући аутоматизована одбијања или брисање са листе, као што је виђено у сличним суспензијама Амазона у ЕУ где је 20-30% листи трећих страна захтевало преправке 2024. године.
Стандарди каталога еволуирају ка обавезним schema.org екстензијама за атрибуте безбедности, као што су класификације опасности према CLP уредби. Платформе које тестирају ML-базиране парсере феедова пријављују дуплирање стопа грешака приликом руковања непровереним увозом, што је подстакло усвајање стандардизованих онтологија за означавање неслагања пре отпремања.
### Квалитет и комплетност product cards
Product cards, срж поверења купаца, највише пате од непотпуних података. Француски тестови су показали да 60% њих нема декларације о пореклу или упутства за употребу на језицима ЕУ, смањујући стопе конверзије за 15-25% по индустријским мерилима на погрешно означеним листама. Артикли високог ризика, као што је 46% за које се сматрало да су опасни, погоршавају трошкове повлачења и штету по углед.
Аутоматизација то решава путем обогаћивања вођеног вештачком интелигенцијом: алати скенирају слике ради откривања дефеката и унакрсно се позивају на базе података ЕЦХА, повећавајући комплетност card-а са 70% на 95% у усклађеним феедовима. Међутим, празнине остају у динамичким атрибутима као што је следљивост серије, где ручне ревизије заостају за обимом увоза који расте за 40% годишње.
### Убрзање обрта избора усред препрека усклађености
Брзина распореда асортимана успорава се како се провере пре листе множе. Традиционални цевоводи, који обрађују 10.000 СКU дневно, сада укључују задржавања од 24-48 сати за procene usklađenosti, компресујући прозоре покретања за 30%. Уредба ЕУ о надзору тржишта из 2024. године спроводи надзор у реалном времену, приморавајући тржишта да гуше несагласне токове.
No-code платформе то ублажавају, омогућавајући радне токове усклађености типа drag-and-drop који аутоматизују отпремање CE самосертификације. Оператори пријављују 2x бржи излазак на тржиште за верификоване увозе, очувајући брзину без прилагођеног развијања.
### AI и No-Code реформишу инфраструктуру усклађености
Вештачка интелигенција се појављује као главни ослонац за скалабилно спровођење. Генеративни модели анализирају спецификације у односу на 1.500+ директива ЕУ, предвиђајући неусаглашеност са 92% тачности у пилот пројектима великих трговаца. Рачунарски вид означава визуелне сигнале као што су одсутна упозорења, док NLP анализира документа добављача за REACH придржавање.
No-code интеграције, као што су програмери типа Zapier повезани са регулаторним API-јима, омогућавају продавцима средњег нивоа да распореде AI класификаторе без инжењеринга. Овај дует смањује време ревизије са недеља на сате, одржавајући ширину асортимана упркос стопи неуспелог увоза од 75%. Рани усвојитељи примећују 40% мање прекршаја након имплементације, позиционирајући усклађене феедове као ров брзине у регулисаном окружењу е-трговине.
*Le Monde; Reuters (2024 извештавање о извештају DGCCRF).*
Из перспективе NotPIM-а, овај извештај наглашава растући императив да предузећа е-трговине дају приоритет квалитету података и усклађености. Повећана контрола увезених производа наглашава рањивост трговаца који се ослањају на непотпуне или нетачне **феедове података о производима**. Видимо јасан тренд ка аутоматизацији провера усклађености и обогаћивању података као критичном за одржавање приступа тржишту и избегавање казни. Поједностављивањем управљања подацима о производима и интеграцијом радних токова усклађености, трговци могу да ублаже ове ризике и одрже конкурентску предност у све регулисанијем окружењу.