2023年5月召开的二十届中央审计委员会第一次会议，要求进一步推动审计工作高质量发展。审计工作要高质量发展，离不开大数据资源和先进的信息化技术及手段。

当前，数字技术及其应用迅猛发展，可以通过加强审计信息化建设，促进数字技术与审计业务有机融合，以数字化提升审计质量和效能。

一、面临的问题

合同管理审计是很多油气企业每年都会开展的常规审计内容，通过合同审计可以改善企业内部管理水平，预防和降低经营、管理风险，维护企业合法权益，促进企业价值增加及目标实现。目前，大部分企业的合同审计模式还是以事后审计为主，存在以下三大业务难点及痛点：

一是合同审计难以实现全覆盖。企业每年合同签订量较大，考虑到所需的审计时间成本只能选择抽查的形式进行部分审查。

二是合同审计线索来源未形成体系。审计人员通常以过往审计经验作为线索，对于经验不足的审计人员易造成线索遗漏；

三是审计方法传统。多以人工翻查原始资料方式为主，受时间、空间、人力资源等因素影响较大，容易导致审计效率偏低。

二、应对建议

利用大数据和智能化手段，搭建数据资源与数据分析工具，融合审计分析逻辑和查证思路，建立与合同审计实际业务同步演变的数据模型，对合同的内容、价格、订立、执行与变更等全过程要素进行分析与监控，发现合同管理过程中存在的相关问题，为合同审计工作提供数据支持。相关合同审计数据模型可从以下四个方面进行考虑。

一是针对合同基本信息建模，审查归档的准确性和完整性。对历年合同签订情况、合同要素及合同内容与招标条款的一致性等进行横向、纵向对比分析，对合同整体签订情况的变化趋势和合同内容的完整性实施监控并对比核查异常信息。

二是针对合同订立管理环节建模，审查合同文件的公平性和合法性。对支出性合同事前审计提供历史信息对比及预警，包括采购价格、供应商资质以及是否存在合同拆分风险等多个方面。

三是针对合同执行与变更环节建模，审查合同各方履行合同约定的合规性和完整性。如在一次招标有多个供应商中标的情况下，核查是否存在有供应商中标但不供货，或者单一供应商结算比例异常的问题；核查合同是否存在变更记录，且变更金额的幅度是否超出公司规定。

四是引入机器学习技术，探索创新的审计方式方法。机器学习是一种通用的数据处理技术，通过对大量历史数据进行学习，利用生成的经验模型指导业务进行预测和判断。在合同审计中，可尝试运用机器学习技术来判断不同合同文本之间相似程度，缩短人工核对时间，增加判断准确度。比如，可通过预训练语言模型（BERT、RoBERTa）将合同文本转化成表示向量，这可以理解为将合同内容数字化为一个“合同指纹”，然后再引入余弦相似度或欧氏距离来比较向量相似度，即不同“合同指纹”的相似度，如果相似度过高可认为是疑似拆分合同问题的线索，然后交由人工进行复核判断。

三、应用及推广

重庆能源大数据中心研发的合同审计数据模型已在某大型油气企业成功运用，效益型显著，为其每年节约支出1000万元以上；同时降低了单一项目人力投入，其合同审计专项小组由7人减少到2人；审计覆盖率由50%提高到100%；单份合同审计查证的时长由半天缩减到几分钟。

由此可见，在合同审计领域通过引入数字化和智能化的模型，可提升核查问题、评价判断、宏观分析的能力，通过技术方法创新带动审计覆盖范围和查证深度的不断拓展和深化，可帮助油气企业提高审计效率、效果和质量，节约审计成本，推动审计工作高质量发展。