Русский
← Все продукты
Sentinel ◆ Разбор · Списки наблюдения · SAR

В вашей системе мониторинга транзакций 95% ложных срабатываний.

Ваши аналитики это знают. Sentinel — аналитический слой, который решает проблему: разбор сигналов AML с ИИ, ссылками на доказательства и полным аудитом поверх Actimize, SAS, Verafin, Oracle FCCM или любой внутренней системы мониторинга.

40–60%

Сигналов закрывается автоматически

4–12 с

Анализ одного сигнала

100%

Прослеживаемость для аудита

$1 млрд–$50 млрд

Оптимальный объём активов под управлением

Скрытые затраты

Четыре из пяти этапов расследования — сбор информации, а не экспертное суждение.

На сигнал · аналитик L1

15–45 мин

  • Собрать историю транзакций за 90 дней
  • Проверить предыдущие сигналы по клиенту
  • Сравнить поведение с похожими клиентами
  • Изучить KYC и данные связанных лиц
  • Написать обоснование решения ← та часть, для которой всегда был нужен человек

На сигнал · с Sentinel

4–12 с

Sentinel собирает контекст. Двухпроходный анализ Claude возвращает структурированное решение со ссылками на доказательства. Аналитик изучает подготовленное дело, а не экран первичного разбора.

Простые случаи закрываются автоматически с обоснованиями и ссылками. Неоднозначные поступают с конкретными вопросами для аналитика. В сложных случаях человек обязательно участвует в решении, а доказательства уже перед ним.

Какова ценность

Расчёт для трёх масштабов.

Консервативные допущения: среднее время обработки L1 — 30 минут, снижение ложных срабатываний на 50% (середина диапазона 40–60%), полные годовые затраты на аналитика L1 — $85,000 (USD).

$1B–$3B

Небольшой банк

12,000 сигналов/год

Автоматически закрытых сигналов

6,000

Сэкономленных часов

3,000

Эквивалент полной занятости

1.6

Годовая экономия полных затрат

134 211 $

Закрыто ложных срабатываний 50%
Самый распространённый

$5B–$20B

Средний банк

30,000 сигналов/год

Автоматически закрытых сигналов

15,000

Сэкономленных часов

7,500

Эквивалент полной занятости

3.9

Годовая экономия полных затрат

335 526 $

Закрыто ложных срабатываний 50%

$20B–$50B

Необанк / банк второго эшелона

80,000 сигналов/год

Автоматически закрытых сигналов

40,000

Сэкономленных часов

20,000

Эквивалент полной занятости

10.5

Годовая экономия полных затрат

894 737 $

Закрыто ложных срабатываний 50%
Допущения: Среднее время L1 на сигнал — 30 минут · снижение объёма ложных срабатываний на 50% (середина наблюдаемого диапазона 40–60%) · полные затраты на аналитика L1 — $85,000 · 1,900 продуктивных рабочих часов в год. Реальные показатели зависят от сочетания типологий, текущей доли ложных срабатываний и опыта L1. В ходе проверки ценности настроим расчёт по вашим фактическим данным.

Три модуля · одна архитектура

Один принцип анализа, три очереди AML.

01

Разбор

Поведенческий анализ сигналов мониторинга транзакций.

Собирает историю транзакций за 90 дней, показатели похожих клиентов, предыдущие сигналы и KYC. Выполняет двухпроходный анализ Claude. Возвращает структурированное решение (закрыть · закрыть с примечанием · передать на L2 · передать на SAR · запросить данные) со ссылками на доказательства.

Контекст за 90 днейПоказатели похожих клиентовКритическая проверка в два проходаРешение и обоснование
02

Списки наблюдения

Проверка нечётких совпадений с санкциями и PEP.

Сопоставление личности и анализ юрисдикции при нечётких совпадениях. Гибридное распределение моделей (Haiku 4.5 для первого прохода, Sonnet 4.5 для критики) снижает затраты, сохраняя строгость важных решений.

Сопоставление личностиРиск юрисдикцииГибрид Haiku + SonnetАудит каждого совпадения
03

SAR

Подготовка описательной части формы FinCEN 111.

Получает результат первичного разбора и формирует текст из 7 разделов: кто, что, когда, где, почему, как и действия. Каждый раздел содержит ссылки, каждая ссылка ведёт к конкретному ID транзакции, полю KYC или предыдущему сигналу.

Текст из 7 разделовПривязка к источникамОба прохода на SonnetПрослеживаемость: сигнал → разбор → SAR

Продукт перед вами

Три примера из демонстрационной песочницы.

Пример 1

Очевидное ложное срабатывание

Riverbend Hardware · оценка 12/100 · автоматическое закрытие

Правило дробления срабатывает на владельца малого бизнеса с 24 месяцами стабильной истории внесения наличных. Sentinel закрывает сигнал за 4 секунды со ссылками.

Очевидное ложное срабатывание
Пример 2

Реальная схема расслоения средств

Apex Global Trading · оценка 90/100 · эскалация до SAR

Входящий перевод $187,500 с Британских Виргинских островов, $185,000 связанному лицу через пять часов, общий конечный бенефициар. Цепочка доказательств со ссылками и разъяснение FinCEN, ~12 секунд.

Реальная схема расслоения средств
Пример 3

Действительно неоднозначный случай

Northgate Realty · оценка 48/100 · проверка человеком

Переводы круглыми суммами могут быть законными расчётами по недвижимости или расслоением средств. Sentinel отмечает их с конкретными вопросами для аналитика.

Действительно неоднозначный случай

Как это устроено

Архитектура: единый подход, сквозная прослеживаемость.

Источник

Ваша система мониторинга транзакций

Actimize · SAS · Verafin · Oracle FCCM · внутренняя система

Шаг 1

Сборщик контекста

Транзакции за 90 дней · предыдущие сигналы · KYC · показатели похожих клиентов

Шаг 2

Двухпроходный анализ Claude

Анализ (Sonnet) → Критика (Sonnet) · JSON с проверкой Pydantic

Шаг 3

Структурированное решение и доказательства со ссылками

Закрыть · закрыть с примечанием · передать на L2 · передать на SAR · запросить данные

Шаг 4

Интерфейс аналитика · подготовленное дело

Очередь React · тревожные признаки · доказательства со ссылками · рекомендуемое действие

Всегда включено

Журнал аудита — каждое решение воспроизводимо

Версия промпта · версия модели · хеш контекста · исходные проходы · решение человека

Слой данных

DuckDB · встроенная аналитика в одном файле

Бэкенд

Python 3.11+ · FastAPI · схемы с проверкой Pydantic

Анализ

Anthropic SDK · Sonnet + Haiku · два прохода и критика

Фронтенд

React + Vite · Tailwind · shadcn/ui

Аудит

JSON каждого анализа · хеш содержимого · версии промпта и модели

Развёртывание

Работает в вашей среде · без передачи данных в SaaS

Обязательные принципы

  • Каждое обоснование ссылается на конкретные ID транзакций или данные клиента. Никаких расплывчатых рассуждений.
  • Только структурированный вывод. Каждый вызов Claude возвращает JSON, проверенный Pydantic.
  • Двухпроходный анализ. Анализ и критика, оба фиксируются.
  • Полный аудит каждого решения. Возможность восстановления спустя месяцы.
  • Никаких реальных персональных данных. В демо — только синтетические. В платных проектах — ваши данные в вашей среде.
  • Работает поверх вашей системы мониторинга транзакций. Синхронизируем, не заменяем.

Как проходит внедрение

Двухнедельная проверка ценности. Фиксированная цена.

Работаем с вашими очищенными или синтетическими данными. До 5 типологий. До 10,000 исторических сигналов. В конце — демонстрация на месте для руководства противодействия финансовым преступлениям и комплаенса. Документация по модельному риску для второй линии защиты.

Неделя 101

Исследование и загрузка данных

Очищенные или синтетические данные из вашей среды. Определяем типологии и допустимый риск. Развёртываем песочницу с вашей схемой сигналов.

Неделя 102

Настройка промптов и анализа

Настраиваем промпты под таксономию сигналов. Вручную оцениваем 30 сигналов каждой типологии, чтобы подтвердить качество обоснований до масштабирования.

Неделя 203

Журнал аудита и документы по модельному риску

Подключаем полный аудит: версия промпта, версия модели, хеш содержимого, исходные проходы, решение человека. Готовим документацию по модельному риску для MRM.

Неделя 204

Демонстрация на месте

Демонстрация руководству противодействия финансовым преступлениям и комплаенса на ваших данных. Управленческое резюме для совета директоров, документация MRM для второй линии защиты.

Вы получаете

  • · Работающая песочница в вашей среде
  • · Библиотека промптов под ваши типологии
  • · Полная документация журнала аудита
  • · Управленческое резюме для совета директоров

Работает на вашем стеке

  • · DuckDB или ваше существующее хранилище данных
  • · Python + FastAPI в вашей VPC
  • · Anthropic API или AWS Bedrock (Claude)
  • · Передача данных в SaaS не требуется

Для кого

  • · Средние банки ($1 млрд–$50 млрд активов под управлением)
  • · Необанки и финтех-компании, расширяющие AML
  • · Подготовка к надзорным мерам / устранение нарушений для их снятия
  • · Подразделения финансовой разведки, оценивающие настройку действующих систем

Следующий шаг

Уделите нам тридцать минут.

Покажем три демонстрационных примера на работающих данных, ответим на вопросы о модельном риске и в течение недели предложим объём проверки ценности под вашу таксономию. Две недели работы, фиксированная цена, без риска для рабочих систем.

SEYSO Services Inc. · Торонто, Онтарио · info@seysoservices.com