Monitoraggio continuo che escala solo sui riscontri

Sceglie con quale frequenza ogni entità monitorata viene ri-verificata — giornalmente, settimanalmente o mensilmente — e lo imposta per entità invece che per l'intero portafoglio. Una controparte ad alto rischio o un nome vicino a una designazione può girare giornalmente, mentre un fornitore a basso rischio gira mensilmente, così la frequenza di screening segue il rischio di ogni caso invece di un'unica cadenza generale. L'intervallo è ciò che trasforma uno screening una tantum in una copertura continua: l'entità viene ri-verificata automaticamente secondo la sua pianificazione rispetto allo stato attuale di ogni fonte, senza reinserimento manuale, così una designazione aggiunta dopo l'onboarding viene colta al ciclo successivo invece che la prossima volta che qualcuno controlla per caso.

Il motivo per cui il monitoraggio non sommerge gli analisti di rumore è il rilevamento delle modifiche. Ogni volta che un'entità viene ri-verificata, la piattaforma calcola un'impronta del risultato e la confronta con quella precedente. Se nulla è cambiato, resta silenzioso — nessun alert, nessun ticket, nessun lavoro inutile di riconferma. Quando l'impronta differisce, genera un alert, perché qualcosa di rilevante si è davvero mosso: è comparsa una nuova corrispondenza, una designazione è stata aggiunta o rimossa, un identificativo è cambiato, o è emerso un riscontro negativo. Questo è il meccanismo che rende un alert significativo: significa che l'esito dell'entità è diverso rispetto all'ultima volta che ha guardato, che è esattamente il momento in cui un team di conformità deve rivedere, invece di un promemoria periodico che lo stesso risultato noto è ancora lo stesso.

Il monitoraggio è progettato per funzionare in modo deterministico su larga scala e coinvolgere l'IA solo dove ne guadagna il costo. Può monitorare migliaia di entità con il Quick Check deterministico, che non invia alcun dato ai modelli IA, e riservare i livelli AI-Enhanced e AI Review alla manciata di entità che una modifica segnala effettivamente. Quando il rilevamento delle modifiche genera un alert, quello è il momento di escalare il nome specifico a un AI Review Check per un ragionamento leggibile sulla corrispondenza e indicatori di falso positivo. Il monitoraggio massivo invia quindi zero dati personali ai modelli IA — il ciclo base è puro screening deterministico — mentre l'intelligenza viene spesa solo sui casi che sono cambiati, mantenendo sia l'esposizione dei dati sia il costo proporzionali al rischio reale.

Quando il risultato di un'entità monitorata cambia, l'alert compare nella Sua dashboard, dove può vedere quale entità si è mossa, cosa è cambiato rispetto al ciclo precedente e il risultato attuale dello screening. Da lì rivede la modifica, decide se escalare a un livello più approfondito e documenta l'esito come evidenza. Durante la beta, gli alert sono solo in-app: rivede le modifiche quando accede, e le notifiche via email non sono ancora disponibili. Il record delle modifiche viene conservato, così la cronologia di un'entità monitorata — ogni ciclo in cui il suo esito si è mosso — è verificabile, ciò che un'autorità di vigilanza si aspetta da un programma di monitoraggio continuo invece che da un singolo controllo point-in-time.