合同管理智能化——信息化的未来式

合同界面风险管理的内涵

合同界面风险管理就是在对大型建设工程合同体系进行系统分析的基础上，对合同界面风险进行识别、评价和分析，并运用先进的技术和管理手段有效地预防和控制合同界面风险，最大程度地降低风险发生的概率或减少风险所造成的损失，继而保证大型建设工程的各项目标顺利实现。

合同界面风险管理的适用范围

合同界面风险管理主要面向的是复杂的大型建设工程项目，这些项目一般具有以下特点；

（1）工程内容和专业技术复杂性高，且各专业之间存在众多复杂的接口问题；

（2）大量不同专业、不同类型和不同层次的合同组成错综复杂的合同关系网络；

（3）这些合同涉及众多利益相关方，这些利益相关方的利益诉求各异；’

（4）合同之间的关系在项目生命周期内不断变动。

合同界面风险管理与合同风险管理的区别

管理对象不同。合同界面风险管理针对的是同—个合同体系的两个或两个以上合同之间的界面风险问题，而合同风险管理的对象是该合同体系中的某一个合同，基于合同条款对于合同双方当事人蕴含的风险。

管理目的不同。合同界面风险管理主要以项目整体利益为导向，其目标是提高项目的成功率、预防和避免合同之间的矛盾和冲突以提高所有利益相关方的满意度;而合同风险管理则是以某一个合同当事人的目标为导向，减少或消除因可归责于任何一方合同当事人的意外事件结合同当事人造成的损失，从而维护组织自身的合法利益。

管理重点不同。合同界面风险的管理重点是减少或消除“合同界面壁垒”和“合同界面矛盾”，协调项目利益相关方的关系，以达到更好的项目实施外部环境;而合同风险管理的重点则是分析和识别合同条款涉及的影响合同风险分担的风险要素，选择适当的风险应对策略。

从信息化到智能化

在人工智能时代，应用场景为王。只有找到真正的可落地的应用场景，技术的变革才变得有意义。在法律服务领域，法律+科技已经是大家讨论的热点，而聚焦于企业内部应用的合同管理是否能成为人工智能技术的应用热土呢？

场景一：合同文本的关键信息的智能化提取。

合同文本是一种典型的非结构化数据，一般需要人工将结构化信息录入到合同管理系统中，例如：合同名称、合同甲方乙方、合同标的、合同金额、币种、争议解决方式等。现在通过人工智能的技术手段，能够将上述关键信息智能抽取，节省了人工的成本，也降低了操作失误带来的风险。结构化的信息也对后续的业务规则应用、数据分析带来了极大的便利性。

场景二：纸质合同与电子文件智能比对。

企业的合同管理过程中一直有一个巨大的风险点，就是纸质的待盖章合同与线上审批的终版文件是否一致。有的企业也确实发生过纸质文件被换页而导致的重大法律纠纷。人工的校对难免有所疏漏，有的条款差别一个字，意思就完全不同了。现在利用OCR技术或者图像识别技术能够较好地解决这个问题，采用深度神经网络智能比对文件，确认打印文本与数字文档的一致性。

场景三：合同智能预审。

合同文本一般必须包括当事人名称、标的、数量、质量、价款或报酬、履行期限和地点、违约责任、解决争议的办法八要素，这是合同的结构化信息；可标准化、结构性强、重复性高的合同文档数据处理在法务工作中经常出现，可以借助目前人工智能的技术将审核工作自动化。人工智能技术能够将企业法务从简单重复的劳动中释放出来，更多关注到企业商业的本质上，为业务的推进提供建议。

通过调研发现这三个场景是目前大家关注度最高的，也是最能解决企业的管理实际问题的。无论是节省人工成本，还是防控法律风险，人工智能技术在企业的合同管理领域已经开始发挥作用。

下面从技术的角度来分析各个场景的落地难度：

场景二采用的图像识别技术或者OCR技术，目前成熟度比较高，已经能够较好的在实际业务场景中应用。现在已经有成熟的SAAS服务，可以直接调用，准确率能够达到90%以上。图像识别技术较依赖于图片的质量，如果扫描的合同图片达不到质量要求，那么效果很难保证；OCR技术现在对于文字的识别准确率很高，但是对于表格、符号的准确率还有问题。

场景一和场景三采用的是对自然语言处理（NLP）技术，这是目前人工智能领域中难度最大的。整个过程可以简单的分为训练和预测两个步骤，目前主要采用的是监督学习。在训练过程中，首先要对合同文本进行分词，再通过特征标注的方式进行模型训练，而最后的预测效果非常依赖于数据的数量和质量。

在保证数据质量和数量的前提下，通过标注训练以后，合同文本结构化信息抽取的准确率能达到90%以上。

在保证数据质量和数量的前提下，通过对通用合同审核规则的训练，场景三的准确率能达到70%以上；

以上两个场景都需要根据每个企业的业务情况，合同数据质量情况进行定制化实施，才能达到预期效果。建议企业从示范文本应用较好的合同类型入手，采用较为简单的规则开始训练，逐步优化和提升模型。

转自公众号：注册风险管理师

文章来源网络，除我们确实无法确认作者外，我们都会注明作者和来源。如果您认为我们有问题，请告知我们，我们会立即修改或删除。谢谢！