Kontinuerlig övervakning som bara eskalerar vid träff

Du väljer hur ofta varje övervakad entitet omscreenas — dagligen, veckovis eller månadsvis — och du ställer in det per entitet snarare än för hela portföljen. En högriskmotpart eller ett namn på gränsen till en listning kan köras dagligen, medan en lågriskleverantör körs månadsvis, så att screeningfrekvensen följer risken i varje ärende istället för en enda generell takt. Intervallet är det som förvandlar en engångsscreening till kontinuerlig täckning: entiteten kontrolleras automatiskt enligt sitt schema mot det aktuella läget för varje källa, utan manuell ominmatning, så en listning som läggs till efter onboarding fångas nästa cykel istället för nästa gång någon råkar titta.

Anledningen till att övervakning inte dränker analytiker i brus är ändringsdetektering. Varje gång en entitet omscreenas beräknar plattformen ett fingeravtryck av resultatet och jämför det med det föregående. Om inget har ändrats förblir den tyst — ingen avisering, inget ärende, inget upprepat friande att gå igenom i onödan. När fingeravtrycket skiljer sig skapas en avisering, eftersom något som spelar roll faktiskt förändrats: en ny träff dök upp, en listning lades till eller togs bort, en identifierare ändrades, eller ett negativt fynd framkom. Det är den här mekanismen som gör en avisering meningsfull: den betyder att entitetens utfall skiljer sig från senaste gången du tittade, vilket är precis när ett complianceteam behöver granska — inte en periodisk påminnelse om att samma kända resultat fortfarande är detsamma.

Övervakning är utformad för att köras deterministiskt i stor skala och bara involvera AI där det är motiverat. Du kan övervaka tusentals entiteter med den deterministiska Quick Check, som inte skickar någon data till AI-modeller alls, och spara AI-Enhanced- och AI Review-nivåerna för den handfull entiteter som en ändring faktiskt flaggar. När ändringsdetektering skapar en avisering är det ögonblicket att eskalera det specifika namnet till en AI Review Check för läsbart matchningsresonemang och indikatorer för falska positiva. Massövervakning skickar därför noll personuppgifter till AI-modeller — grundcykeln är ren deterministisk screening — medan intelligensen bara läggs på de ärenden som faktiskt ändrats, vilket håller både din dataexponering och din faktura proportionerlig mot verklig risk.

När en övervakad entitets resultat ändras visas aviseringen på din dashboard, där du ser vilken entitet som förändrades, vad som ändrades jämfört med föregående cykel, och det aktuella screeningresultatet. Därifrån granskar du ändringen, avgör om den ska eskaleras till en djupare nivå, och dokumenterar utfallet som bevisning. Under betan är aviseringar bara i appen: du granskar ändringar när du loggar in, och e-postaviseringar är inte tillgängliga ännu. Ändringshistoriken bevaras så att historiken för en övervakad entitet — varje cykel där dess utfall förändrades — är granskningsbar, vilket är vad en tillsynsmyndighet förväntar sig av ett program för löpande övervakning snarare än en enskild ögonblickskontroll.