Adverse Media Screening (AMS)

Sammendrag

Adverse Media Screening (AMS) er en kjernekomponent i Strises compliance-plattform som automatisk skanner og klassifiserer nyhetsartikler og mediekilder for å identifisere potensielle risikoindikatorer knyttet til selskaper og personer. AMS kombinerer datainnsamling i stor skala, NLP-drevet klassifisering og AI-drevet oppsummering for å levere handlingsrettet innsikt fra adverse media.

Automatisering og monitorering

AMS kjører kontinuerlig som en del av Strises prosess for monitorering. Når nytt adverse media oppdages for entiteter i porteføljen din, genereres det varsler automatisk – noe som muliggjør hendelsesbasert compliance uten manuelle mediesøk.

Slik fungerer det

AMS opererer gjennom en femtrinns prosess:

1. Datainnsamling

Strise henter inn omtrent 3 millioner nyhetsartikler daglig fra Opoint, en global leverandør av medieovervåking. Disse artiklene spenner over tusenvis av kilder på tvers av flere språk og geografier.

Opoint utgjør hoveddelen av datagrunnlaget, men er ikke det eneste opphavet til et AMS-treff. Hvert treff registrerer hvor det kom fra:

Opprinnelse	Hva det er
Opoint	Det kontinuerlig innhentede globale nyhetskorpuset beskrevet ovenfor.
Dow Jones	Adverse media fra Dow Jones-datasettet, for team med Dow Jones aktivert.
AI-søk	En artikkel funnet gjennom et AI-drevet nettsøk i stedet for det innhentede korpuset.
Opprettet av bruker	En artikkel et teammedlem la til manuelt på en entitet, tilskrevet brukeren som la den til.

2. Datanormalisering og NLP

Råartikler behandles gjennom Strises NLP-pipeline, som trekker ut sentrale entiteter (selskaper, personer, lokasjoner), klassifiserer innhold etter emne, og normaliserer dataene til et strukturert format egnet for integrasjon i Knowledge Graph.

3. Knowledge Graph-integrasjon

Uttrukkede entiteter og relasjonene deres kobles til eksisterende noder i Strise Knowledge Graph. Denne kontekstuelle koblingen sikrer at medieomtaler tilskrives riktige selskaper og personer, selv når navn er flertydige.

4. Nøkkelfrasesøk

Artikler matches mot entiteter ved hjelp av søkealgoritmer basert på nøkkelfraser som identifiserer relevante adverse media-treff, samtidig som støy og falske positive filtreres ut.

5. AMS-oppsummering

Matchede artikler oppsummeres ved hjelp av Google Gemini, noe som gir konsise oppsummeringer som fremhever den viktigste risikorelevante informasjonen for de som gjør vurderinger.

AMS-emner

AMS klassifiserer artikler inn i følgende emnekategorier:

Sentrale kriminelle handlinger -- Bedrageri, tyveri, underslag, korrupsjon, bestikkelser
Vold -- Overfall, drap, voldskriminalitet
Terrorisme og spionasje -- Terrorfinansiering, spionasje, statsstøttede trusler
Narkotika og rusmidler -- Narkotikahandel, rusmiddelrelaterte lovbrudd
Næringsliv og økonomi -- Skatteunndragelse, markedsmanipulasjon, innsidehandel, regnskapssvindel
Juridisk og rettslig -- Søksmål, håndheving fra tilsynsmyndigheter, rettssaker
Spesialisert -- Menneskehandel, miljøkriminalitet, cyberkriminalitet
Diverse -- Andre risikorelevante medier som ikke passer inn i kategoriene ovenfor

Ny funksjonalitet (Q3 2025)

Innstillingsside for AMS

En dedikert innstillingsside for AMS lar team konfigurere sine parametere for adverse media screening:

Søkevarighet -- Velg hvor langt tilbake det skal søkes: 1 år, 2 år, 3 år eller 5 år
Søkespråk -- Velg hvilke språk som skal inkluderes: dansk (DA), engelsk (EN), finsk (FI), svensk (SV), norsk (NO)
Nøkkelord -- Definer egendefinerte nøkkelord for å avgrense screeningkriteriene
Filtrering etter kilder -- Inkluder eller ekskluder spesifikke mediekilder
Filtrering etter emner -- Velg hvilke AMS-emnekategorier det skal screenes for

AMS for selskaper og personer

Selskaps- og personsider, og vurderingssidene deres, viser opptil 100 AMS-treff per entitet

Vurdere et AMS-treff

Ved å klikke på et treff åpnes hele artikkelen, sammen med konteksten Strise har utledet fra den.

AI-sammendrag

Hver artikkel har et AI-sammendrag – en kort, risikofokusert oppsummering av artikkelen, generert på forespørsel når du åpner den. Artikler som et teammedlem har lagt til manuelt har ikke dette, ettersom sammendraget genereres fra den innhentede artikkelteksten.

Fargeguide

Strise uthever entitetsomtalene som finnes i artikkelteksten og fargekoder dem etter hvordan entiteten fremstår i artikkelen. Panelet Fargeguide ved siden av artikkelen lister opp hver kategori med et antall for hvor mange omtaler som faller inn under den:

Farge	Kategori	Betydning
Lilla	Berørt	Entiteten er nevnt i forbindelse med det negative innholdet, men er ikke gjenstand for det.
Oransje	Negativ	Entiteten er gjenstand for det negative innholdet.
Ingen utheving	Nøytral	Omtalen inneholder ikke noe negativt signal.

En omtale klassifisert som Negativ har forrang over Berørt, så en entitet som telles som Negativ, telles ikke også som Berørt.

Dette er uavhengig av emneklassifiseringen beskrevet under AMS-emner: emner angir hva artikkelen handler om, mens fargeguiden angir hvordan denne bestemte entiteten opptrer i den.

Markere et treff som relevant eller irrelevant

Hvert treff har to handlinger som brukes til å registrere en vurdering av om artikkelen faktisk gjelder entiteten som screenes:

Handling	Effekt
Inkluder som relevant treff	Bekrefter at treffet er et reelt treff. Det forblir på entiteten og teller med i entitetens antall AMS-treff.
Skjul som irrelevant treff	Markerer treffet som et falskt positivt og skjuler det fra arbeidsvisningen.

Beslutningen gjelder for hele klyngen av dupliserte artikler som rapporterer samme sak, ikke bare den kopien du åpnet, slik at tilnærmet identisk syndikert dekning verifiseres én gang. Beslutninger gjelder på tvers av entitetssiden og Vurdering-modulen, og oppdaterer umiddelbart entitetens treffantall i screeningmatrisen.

Alle teammedlemmer med redigeringstilgang til adverse media kan verifisere et treff; det er ikke begrenset til ledere.

Kontakt

For spørsmål om konfigurasjon eller funksjonalitet i AMS, ta kontakt med support@strise.ai.

På denne siden