Strise teknologi & AI

Vår tes

Autonom compliance läggs inte ovanpå dagens teknikstack – det är en helt annan grund. Att bygga AI ovanpå fragmenterade data, policyer som inte efterlevs och arbetsflöden som saknar minne gör stacken bräcklig, inte autonom.

Strise grundades 2019 utifrån en annan övertygelse: AI inom bekämpning av finansiell brottslighet fungerar bara när tre saker finns på samma plats – kanoniska data, kodade regelverk och ett beständigt minne. Vi har ägnat sex år åt att bygga den grunden. Idag hanterar nordiska storbanker, ledande europeiska betalningsföretag och Big 4-bolag sin compliance ovanpå den.

Plattformen, tre lager

Lager	Vad det är
SuperData	Data och entitetsmatchning. Fragmenterade register, gränsöverskridande Äganderätt och kunddokument sammanförs till en kanonisk Entitet.
RiskLense	Risk- och regelverkskontext. AMLR, AMLA, 6AMLD, DORA och jurisdiktionslogik inbäddad i plattformen. Era egna policyer läggs ovanpå.
Compliance Memory	Varje agentåtgärd och mänskligt beslut loggas med motivering, dataversion och tillämpad policy.

Allt annat – SaaS-moduler, API och MCP, agentbaserad arbetsstyrka – bygger på denna grund.

Hur AI integreras

AI är inte en funktion som klistrats på i efterhand. Det är hur grunden utför arbetet:

Entitetsmatchning använder maskininlärning för att stämma av uppgifter mellan register, dokument och kundtillhandahållna data till en kanonisk Entitet. Se Strise Knowledge Graph.
Screening och larmhantering använder fuzzy matching och klassificeringsmodeller för att identifiera verkliga träffar och filtrera bort falska positiva. Se Matchning mot PEP och Sanktioner.
Screening av negativ media använder NLP och LLM:er för att hitta, klassificera och sammanfatta relevanta nyheter på dussintals språk. Se Screening av negativ media.
AI-funktioner såsom Review AI Summary och Remediation Agent vilar på samma grund och delar samma guardrails. Se AI-funktioner.

Arkitektoniska höjdpunkter

Innehållsberikare och NLP-pipeline – inläsning, normalisering och entitetslänkning för ostrukturerade data.
Maskininlärning och entitetsigenkänning – kontinuerligt lärande från nya data i register och källor.
Knowledge Graph – dynamisk, kontinuerligt uppdaterad vy över entiteter, Äganderätt, roller och relationer som alla moduler läser från.
Motor för policy-as-code – RiskLense-regler utvärderas i beslutstillfället och distribueras utan driftsättningar.
Strukturerad minneslagring – varje beslut loggas med aktör, motivering, ögonblicksbild av data och policyversion.
Säker datahantering – kryptering, finkornig åtkomstkontroll, isolering mellan hyresgäster (tenant isolation).
API-first-design – alla funktioner är tillgängliga via REST API och MCP Server.

Säkerhet och regelefterlevnad

SOC 2 Type II-certifierad.
ISO 27001-certifierad.
Datalagring uteslutande inom EU på Google Cloud (Belgien).
Strikt efterlevnad av GDPR.
Se Compliance i Strise och trust.strise.ai.

Vår riktning framåt

Allt är agent-redo. Varje plattformsfunktion blir ett verktyg som agenter kan anropa, med policy-as-code-guardrails vid inferens.
Samarbetsinriktad compliance. Delad infrastruktur med tillsynsmyndigheter där regelverket tillåter det.
Riskskanning över hela nätverket. Riskanalys som sträcker sig bortom den direkta Entiteten till dess nätverk av Äganderätt och motparter.
Förklaringsbart som standard. Varje agentbeslut levereras med dess motivering, underliggande data och policyhänvisning.
Mönstersimulering. Modellering av brottsmönster för att stresstesta policyer innan de driftsätts i produktion.

Se Den autonoma FinCrime-avdelningen för produktramverket och SuperData / RiskLense / Compliance Memory för detaljer kring varje lager.