Tull
Skatter & regler för export/import
Tullen är Sveriges filter mot omvärlden: varje container, lastbil och paket som korsar gränsen ska klassificeras, beskattas och ibland öppnas. E-handeln har förvandlat flödet till miljontals små försändelser i stället för några få stora. Det gör tullen till ett dataproblem lika mycket som ett gränsproblem, och just sådana problem är vad AI är byggt för.
Hur AI skulle kunna förändra detta
Tullverket befinner sig enligt regeringens genomgång av myndigheternas AI-arbete i en tidig uppskalningsfas: myndigheten bygger analysplattformar och GPU-resurser, utvecklar AI för dataanalys i brottsbekämpningen och testar en egen generativ assistent, TullGPT. Målet är riskanalys som pekar ut vilka försändelser som är värda att öppna, så att kontrollerna träffar smuggling oftare än slumpen. Samtidigt pågår interna riskanalyser kring automatiserat beslutsfattande och informationssäkerhet.
En riskprofil är också myndighetsutövning. Företaget som gång på gång får sina leveranser stoppade, eller resenären som alltid plockas ut, har sällan insyn i varför modellen flaggar just dem. Gränskontroll hör dessutom till de områden där EU:s AI-förordning ställer särskilda krav; i Sverige föreslås en kompletterande lag träda i kraft i augusti 2026 med PTS som huvudansvarig tillsynsmyndighet. Och kapprustningen är dubbel: även smugglarna har tillgång till samma teknik.
Frågor att diskutera
Vad är en rimlig balans mellan träffsäkra kontroller och risken att samma företag eller resenärer flaggas gång på gång?
Hur mycket insyn i tullens riskmodeller tål systemet innan smugglarna lär sig spelet?
Vem bär ansvaret när en algoritm släpper igenom något farligt eller stoppar något fullt lagligt?
Hur förändras gränsbrottsligheten när båda sidor använder AI?
Vilken roll vill Sverige ta när EU bygger gemensam AI-driven riskhantering för tullen?
Att tänka på
- Tullverket bygger just nu intern AI-kapacitet: analysplattformar, GPU-resurser och egna assistenter som TullGPT.
- Riskprofilering vid gränsen kan klassas som högrisk-AI enligt EU:s AI-förordning, med krav på dokumentation, mänsklig kontroll och tillsyn.
- Vinsten är fler träffar per kontroll; priset är systematiska fel som upprepas i stor skala om modellen lärt sig snett.