Strise Teknologi og AI
Vår tese
Autonom compliance legges ikke på toppen av dagens stack – det krever et annet fundament. Å legge AI oppå fragmenterte data, retningslinjer som ikke håndheves, og glemsomme arbeidsflyter gjør stacken skjør, ikke autonom.
Strise ble grunnlagt i 2019 med et annet utgangspunkt: AI innen bekjempelse av økonomisk kriminalitet fungerer bare når tre ting er samlet på ett sted – kanoniske data, innkodet regelverk og vedvarende hukommelse. Vi har brukt seks år på å bygge dette fundamentet. I dag kjører ledende nordiske banker, toneangivende europeiske betalingsselskaper og Big 4-selskaper compliance på toppen av det.
Plattformen, tre lag
| Lag | Hva det er |
|---|---|
| SuperData | Data- og entitetsresolusjon. Fragmenterte registre, grensekryssende eierskap og kildedokumenter samles til én kanonisk entitet. |
| RiskLense | Risiko og regulatorisk kontekst. AMLR, AMLA, 6AMLD, DORA og jurisdiksjonsspesifikk logikk innkodet i plattformen. Deres egne retningslinjer legges på toppen. |
| Compliance Memory | Hver agenthandling og menneskelige beslutning loggføres med begrunnelse, dataversjon og anvendte retningslinjer. |
Alt annet – SaaS-moduler, API og MCP, agentbasert arbeidsstyrke – bygger på dette fundamentet.
Hvordan AI kobles inn
AI er ikke en funksjon som er klistret på toppen. Det er slik fundamentet leverer arbeid:
- Entitetsresolusjon bruker maskinlæring til å avstemme oppføringer på tvers av registre, dokumenter og kundeleverte data til én kanonisk entitet. Se Strise Knowledge Graph.
- Screening og varseltriagering bruker fuzzy matching og klassifiseringsmodeller for å løfte frem reelle treff og filtrere bort falske positive. Se Matching på PEP og sanksjoner.
- Adverse media-screening bruker NLP og store språkmodeller (LLM-er) til å finne, klassifisere og oppsummere relevante nyheter på tvers av titalls språk. Se Adverse media-screening.
- AI-funksjoner som Review AI Summary og Remediation Agent hviler på det samme fundamentet og deler de samme sikkerhetsrammene. Se AI-funksjoner.
Arkitektoniske høydepunkter
- Innholdsberikere og NLP-pipeline – innhenting, normalisering og entitetskobling for ustrukturerte data.
- Maskinlæring og entitetsgjenkjenning – kontinuerlig læring fra nye data på tvers av registre og kilder.
- Knowledge Graph – dynamisk, kontinuerlig oppdatert oversikt over entiteter, eierskap, roller og relasjoner som alle moduler leser fra.
- Policy-as-code-motor – RiskLense-regler evalueres ved beslutningstidspunktet og propageres uten ny distribusjon.
- Strukturert minnelager – hver beslutning loggføres med aktør, begrunnelse, data-øyeblikksbilde og policyversjon.
- Sikker datahåndtering – kryptering, finkornet tilgangsstyring, leietakerisolasjon.
- API-first-design – all funksjonalitet er tilgjengelig via REST-API og MCP-server.
Sikkerhet og compliance
- SOC 2 Type II-sertifisert.
- ISO 27001-sertifisert.
- Datalagring kun i EU på Google Cloud (Belgia).
- Streng GDPR-etterlevelse.
- Se Compliance i Strise og trust.strise.ai.
Veien videre
- Alt klargjort for agenter. All funksjonalitet i plattformen blir til verktøy agenter kan kalle, med policy-as-code-sikkerhetsrammer ved inferens.
- Samhandlende compliance. Delt infrastruktur med tilsynsmyndigheter der det regulatoriske rammeverket tillater det.
- Nettverksomfattende risikoskanning. Risikovurdering som strekker seg utover den umiddelbare entiteten og inn i dens eierskaps- og motpartsnettverk.
- Forklarbart som standard. Hver agentbeslutning leveres med sin begrunnelse, sine data og sin policyhenvisning.
- Mønstersimulering. Modellering av kriminelle mønstre for å stressteste policyer før de settes i produksjon.
Se Den autonome FinCrime-avdelingen for produktinnrammingen og SuperData / RiskLense / Compliance Memory for detaljer lag for lag.
Sist oppdatert