Português
← Todos os produtos
Sentinel ◆ Triagem · Lista de monitoramento · SAR

Seu sistema de monitoramento de transações tem 95% de falsos positivos.

Seus investigadores sabem disso. O Sentinel é a camada de raciocínio que resolve o problema — triagem de alertas de AML assistida por IA com evidências citadas e uma trilha de auditoria completa, projetada para funcionar sobre Actimize, SAS, Verafin, Oracle FCCM ou qualquer sistema interno de monitoramento.

40–60%

Volume de alertas encerrados automaticamente

4–12 s

Análise por alerta

100%

Rastreável em auditoria

$1B–$50B

Faixa ideal de ativos sob gestão

O custo oculto

Quatro das cinco etapas de investigação são de reunião de informações, não de julgamento.

Por alerta · investigador L1

15–45 min

  • Obter 90 dias de histórico de transações
  • Verificar alertas anteriores do cliente
  • Comparar o comportamento com referências de pares
  • Revisar KYC + dados de partes relacionadas
  • Redigir a justificativa da decisão ← a parte que sempre precisou de uma pessoa

Por alerta · com Sentinel

4–12 s

O contexto é reunido pelo Sentinel. Uma análise em duas etapas com Claude retorna uma decisão estruturada com evidências citadas. O investigador revisa um caso preparado, não uma tela de triagem.

Casos simples são encerrados automaticamente com justificativas fundamentadas em citações. Casos ambíguos chegam com perguntas específicas para o investigador responder. Casos difíceis mantêm a pessoa firmemente no processo — com as evidências já diante dela.

Quanto isso vale

As contas em três escalas diferentes.

Premissas conservadoras: tempo médio de tratamento L1 de 30 minutos, redução de 50% na taxa de falsos positivos (o ponto médio da faixa de 40–60%), custo salarial total de $85,000 para um analista L1 (USD).

$1B–$3B

Banco pequeno

12,000 alertas/ano

Alertas encerrados automaticamente

6,000

Horas economizadas

3,000

Equivalente em profissionais em tempo integral

1.6

Custo total anual recuperado

US$ 134.211

Falsos positivos encerrados 50%
Mais comum

$5B–$20B

Banco de médio porte

30,000 alertas/ano

Alertas encerrados automaticamente

15,000

Horas economizadas

7,500

Equivalente em profissionais em tempo integral

3.9

Custo total anual recuperado

US$ 335.526

Falsos positivos encerrados 50%

$20B–$50B

Neobanco / Tier-2

80,000 alertas/ano

Alertas encerrados automaticamente

40,000

Horas economizadas

20,000

Equivalente em profissionais em tempo integral

10.5

Custo total anual recuperado

US$ 894.737

Falsos positivos encerrados 50%
Premissas: Tempo médio de tratamento L1 de 30 minutos por alerta · redução de 50% no volume de falsos positivos (ponto médio da faixa observada de 40–60%) · custo salarial total de $85,000 para um analista L1 · 1,900 horas produtivas de trabalho por ano. Os números reais variam conforme a combinação de tipologias, a taxa atual de falsos positivos e a senioridade dos analistas L1. Calibraremos com seus dados reais no projeto de prova de valor.

Três módulos · mesma arquitetura

Um padrão de raciocínio, três filas de AML.

01

Triagem

Análise comportamental de alertas de monitoramento de transações.

Obtém 90 dias de histórico de transações, referências de pares, alertas anteriores e KYC. Executa uma análise em duas etapas com Claude. Retorna uma decisão estruturada (encerrar · encerrar com observação · encaminhar ao L2 · encaminhar para SAR · solicitar informações) com evidências citadas.

Contexto de 90 diasReferência de paresAnálise crítica em duas etapasDecisão + justificativa
02

Lista de monitoramento

Avaliação de correspondências aproximadas em sanções + PEP.

Correspondência de identidade e análise jurisdicional de resultados aproximados. A divisão híbrida entre modelos (Haiku 4.5 na primeira etapa, Sonnet 4.5 na análise crítica) mantém os custos baixos e preserva o rigor nas decisões importantes.

Correspondência de identidadeRisco jurisdicionalHíbrido Haiku + SonnetTrilha de auditoria por correspondência
03

SAR

Redação de narrativas para o FinCEN Form 111.

Utiliza a análise anterior de Triagem e produz uma narrativa de 7 seções (quem, o quê, quando, onde e por quê + como + ações). Cada seção contém citações; cada citação remonta a um ID específico de transação, campo de KYC ou alerta anterior.

Narrativa de 7 seçõesVinculada a citaçõesSonnet nas duas etapasLinhagem: alerta → triagem → SAR

O produto em mãos

Três casos do ambiente de demonstração.

Caso 1

Falso positivo evidente

Riverbend Hardware · pontuação 12/100 · descarte automático

Uma regra de fracionamento de operações é acionada para o proprietário de uma pequena empresa com 24 meses de histórico consistente de depósitos em dinheiro. O Sentinel encerra o alerta em 4 segundos, com citações.

Falso positivo evidente
Caso 2

Padrão genuíno de ocultação

Apex Global Trading · pontuação 90/100 · escalar para SAR

Entrada de transferência de $187,500 das Ilhas Virgens Britânicas (BVI), $185,000 para uma entidade relacionada cinco horas depois, mesmo beneficiário final (UBO). Cadeia de evidências citadas e referência a um comunicado da FinCEN, ~12 segundos.

Padrão genuíno de ocultação
Caso 3

Genuinamente ambíguo

Northgate Realty · pontuação 48/100 · revisão humana

Transferências em valores redondos que podem ser liquidações imobiliárias legítimas — ou ocultação. O Sentinel sinaliza o caso com perguntas específicas para o investigador.

Genuinamente ambíguo

Como é construído

Arquitetura: um padrão, rastreável de ponta a ponta.

Origem

Seu sistema existente de monitoramento de transações

Actimize · SAS · Verafin · Oracle FCCM · interno

Etapa 1

Agregador de contexto

Transações de 90 dias · alertas anteriores · KYC · referências de pares

Etapa 2

Raciocínio do Claude em duas etapas

Analisador (Sonnet) → Crítica (Sonnet) · JSON validado por Pydantic

Etapa 3

Decisão estruturada + evidências citadas

Encerrar · encerrar com observação · encaminhar ao L2 · encaminhar para SAR · solicitar informações

Etapa 4

Interface do investigador · caso preparado

Fila em React · sinais de alerta · evidências citadas · ação recomendada

Sempre ativo

Registro de auditoria — cada decisão reproduzível

Versão do prompt · versão do modelo · hash do contexto · saídas brutas das etapas · decisão humana

Camada de dados

DuckDB · análise embarcada em arquivo único

Backend

Python 3.11+ · FastAPI · esquemas validados por Pydantic

Raciocínio

SDK da Anthropic · Sonnet + Haiku · duas etapas + análise crítica

Frontend

React + Vite · Tailwind · shadcn/ui

Auditoria

JSON por análise · hash do conteúdo · versão do prompt + modelo

Implantação

Executado no seu ambiente · sem fluxos de dados para SaaS

Pontos inegociáveis

  • Cada justificativa cita IDs específicos de transações ou dados do cliente. Sem raciocínio vago.
  • Somente saída estruturada. Cada chamada ao Claude retorna JSON validado por Pydantic.
  • Raciocínio em duas etapas. Análise + crítica, ambas registradas.
  • Trilha de auditoria completa por decisão. Reconstituível meses depois.
  • Nunca dados pessoais identificáveis reais. Apenas dados sintéticos na demonstração. Seus dados, no seu ambiente, nos projetos pagos.
  • Funciona sobre seu sistema existente de monitoramento de transações. Sincronizamos, nunca substituímos.

Como é implantado

Prova de valor em duas semanas. Preço fixo.

Trabalhamos com seus dados sanitizados ou sintéticos. Até 5 tipologias. Até 10,000 alertas históricos. Demonstração presencial para sua liderança de combate a crimes financeiros e compliance ao final. Documentação de risco de modelo dimensionada para sua segunda linha de defesa.

Semana 101

Descoberta + ingestão de dados

Dados sanitizados ou sintéticos do seu ambiente. Mapeamos suas tipologias e seu apetite a risco. Configuramos o ambiente de testes com seu esquema de alertas.

Semana 102

Ajuste de prompts + raciocínio

Calibramos os prompts do analisador para sua taxonomia de alertas. Avaliamos manualmente 30 alertas por tipologia para confirmar a qualidade das justificativas antes de escalar.

Semana 203

Trilha de auditoria + documentação de risco de modelo

Conectamos o registro completo de auditoria: versão do prompt, versão do modelo, hash do conteúdo, saídas brutas das etapas e decisão humana. Produzimos documentação de risco de modelo para sua equipe de MRM.

Semana 204

Demonstração presencial

Demonstração para sua liderança de combate a crimes financeiros + compliance com seus dados. Resumo executivo dimensionado para o material do conselho, documentação de MRM dimensionada para sua segunda linha de defesa.

Você fica com

  • · Ambiente de testes funcional no seu ambiente
  • · Biblioteca de prompts ajustada às suas tipologias
  • · Documentação completa da trilha de auditoria
  • · Resumo executivo adequado ao material do conselho

Funciona na sua stack

  • · DuckDB ou seu data warehouse existente
  • · Python + FastAPI, implantados na sua VPC
  • · API da Anthropic ou AWS Bedrock (Claude)
  • · Sem necessidade de saída de dados para SaaS

Para quem é

  • · Bancos de médio porte ($1B–$50B em ativos sob gestão)
  • · Neobancos + fintechs ampliando operações de AML
  • · Preparação para ações regulatórias / remediação para encerramento de medidas
  • · Unidades de inteligência financeira avaliando ajustes na solução atual

Próximo passo

Converse conosco por trinta minutos.

Apresentaremos os três casos de demonstração com dados em tempo real, responderemos às perguntas sobre risco de modelo e retornaremos em uma semana com um escopo de prova de valor dimensionado para sua taxonomia. Projeto de duas semanas, preço fixo, sem risco para o sistema de produção.

SEYSO Services Inc. · Toronto, ON · info@seysoservices.com