Displaying gathered facts structured for the report generator.
⬇ output_json (ReportData format)
{
"entity_name": "DN_D,C,C_2",
"entity_full_name": "DN_D,C,C_2",
"subject_context": {
"DN_D,C,C_2": {
"name": "DN_D,C,C_2",
"context": " (Dane: NIP: 5344837073, country: PL, description: VAT Information Exchange System)"
}
},
"facts_by_category": {},
"facts_by_subject": {},
"facts_by_relation": {},
"total_cost": {
"task_costs": [],
"total_override": 0.020214450000000002
},
"screening_tasks": [
{
"task_id": "6f460bda-e37a-492a-8000-65e779d96d6d",
"subject_type": "ENTITY",
"subject_name": "DN_D,C,C_2",
"subject_full_name": "DN_D,C,C_2",
"subject_node_id": "4f4a50ba-7069-4ea4-b87d-3723a11a5e48",
"context_description": "DN_D,C,C_2",
"context_data": {
"NIP": "5344837073",
"country": "PL",
"description": "VAT Information Exchange System"
},
"search_state": {
"iterations": [
{
"iteration_number": 1,
"category": "CRIMINAL",
"prompt_text": "Przeprowadź screning adverse media dla podmiotu:\n**DN_D,C,C_2**\nKontekst pomocniczy: DN_D,C,C_2, DN_D,C,C_2, (Dane: NIP: 5344837073, country: PL, description: VAT Information Exchange System)\n\nDla każdrgo etapu postępuj zgodnie z regułami:\n- Match entity names EXACTLY as provided.\n- Do NOT return phonetic, similar, or misspelled names.\n- Do NOT infer alternative spellings.\n- Do NOT normalize or autocorrect names.\n- Levenshtein distance must be <= 2.\n- If no exact match exists, return an empty result.\n- Do NOT suggest similar entities.\n- Use Kontekst pomocniczy to validate reasult.\n- Nie wnioskuj sam o podmiotach powiąznych. Powiązane podmioty są tylko \"Kontekst pomocniczy\"\n\n\nChcę mieć:\nETAPY:\nSzukaj adverse media dla DN_D,C,C_2 w kategorii: \"Sprawy karne i postępowania prokuratorskie\nUwzględniaj tylko informacje dotyczące:\n- postępowań karnych\n- śledztw lub dochodzeń prowadzonych przez prokuraturę lub organy ścigania\n- zarzutów karnych, aktu oskarżenia, zatrzymań, aresztowań\n- przestępstw lub podejrzeń popełnienia przestępstwa\n\nNie uwzględniaj informacji dotyczących:\n- kar administracyjnych\n- decyzji regulatorów (np. GIIF, KNF, UOKiK, organy nadzorcze)\n- postępowań administracyjnych\n- sporów cywilnych lub gospodarczych\n- kontroli regulatora bez zarzutów karnych\n\nJeśli sprawa dotyczy wyłącznie sankcji administracyjnej lub naruszenia regulacyjnego, pomiń ją.\" \"\n\nIteracja: 1\nDotychczas sprawdzone kategorie: brak\n\n1. Skup się na podmiocie DN_D,C,C_2 i powiązanych osobach/firmach.\n2. Znajdź konkretne fakty, daty, kwoty, numery spraw.\n\nWYMAGANY FORMAT ODPOWIEDZI (JSON):\n{\n \"findings\": [\n {\n \"title\": \"Krótki tytuł znaleziska (10-15 słów)\",\n \"description\": \"Szczegółowy opis oparty na źródłach (3-5 zdań)\",\n \"severity\": \"HIGH|MEDIUM|LOW|NEUTRAL\",\n \"date\": \"YYYY-MM-DD lub null\",\n \"status\": \"ongoing|resolved|alleged|pending\",\n \"source_urls\": [\"tylkojeden url. nie łącz wielu url1 w jeden finding\" ],\n \"raw_text\": \"Dokładny cytat ze źródła potwierdzający znalezisko\",\n \"context\": {\"birthDate\":\"data urodzenia\",\"secondName\":\"drugie imię\",\"PESEL\":\"numer PESEL\",\"NIP\":\"numer NIP\",\"KRS\":\"numer KRS\",\"REGON\":\"numer REGON\"}\n \"levenshtein_distance\": \"Obliczone Levenshtein distance\",\n \"matched_name\": \"Dopasowana nazwa\"\n }\n ],\n \"no_findings_reason\": \"Jeśli brak wyników, wyjaśnij dlaczego\"\n}\n\nZASADY:\n- Każde znalezisko MUSI być poparte cytatem ze źródła\n- NIE generuj informacji bez potwierdzenia w źródłach\n- NIE podsumowuj, NIE oceniaj ryzyka – to zrobi inny system\n- Podaj tylko FAKTY i ŹRÓDŁA\n- Jeżeli znajdziesz w artykule takie dane identyfikacyjne jak: data urodzenia, drugie imię, PESEL, NIP, KRS, REGON, zwróć je w sekcji context\n",
"response_text": "{\n \"findings\": [],\n \"no_findings_reason\": \"Brak wyników wyszukiwania dotyczących podmiotu DN_D,C,C_2 w kategorii Sprawy karne i postępowania prokuratorskie. Nie znaleziono żadnych informacji spełniających kryteria (postępowania karne, śledztwa, zarzuty, aresztowania) przy zachowaniu wymogu dokładnego dopasowania nazwy podmiotu.\"\n}",
"findings_count": 0,
"facts_extracted": 0,
"cost": {
"input_tokens": 14928,
"output_tokens": 640,
"total_tokens": 15568,
"cost_usd": 0.0026232
},
"information_gain": 0.0,
"timestamp": "2026-04-03T13:24:33.121166"
},
{
"iteration_number": 2,
"category": "CORRUPTION",
"prompt_text": "Przeprowadź screning adverse media dla podmiotu:\n**DN_D,C,C_2**\nKontekst pomocniczy: DN_D,C,C_2, DN_D,C,C_2, (Dane: NIP: 5344837073, country: PL, description: VAT Information Exchange System)\n\nDla każdrgo etapu postępuj zgodnie z regułami:\n- Match entity names EXACTLY as provided.\n- Do NOT return phonetic, similar, or misspelled names.\n- Do NOT infer alternative spellings.\n- Do NOT normalize or autocorrect names.\n- Levenshtein distance must be <= 2.\n- If no exact match exists, return an empty result.\n- Do NOT suggest similar entities.\n- Use Kontekst pomocniczy to validate reasult.\n- Nie wnioskuj sam o podmiotach powiąznych. Powiązane podmioty są tylko \"Kontekst pomocniczy\"\n\n\nChcę mieć:\nETAPY:\nSzukaj adverse media dla DN_D,C,C_2 w kategorii: \"Korupcja, łapownictwo i przestępstwa korupcyjne.\n\nUwzględniaj tylko informacje, które wskazują na:\n\n* podejrzenie korupcji lub łapownictwa w spółce,\n* śledztwo lub dochodzenie dotyczące korupcji prowadzone przez prokuraturę lub organy ścigania,\n* postawienie zarzutów korupcyjnych osobie powiązanej ze spółką (np. członkowi zarządu, pracownikowi, właścicielowi),\n* akt oskarżenia, zatrzymanie lub skazanie w sprawie korupcyjnej.\n\nNie uwzględniaj informacji dotyczących:\n\n* kar administracyjnych lub sankcji regulatorów (np. GIIF, KNF, UOKiK),\n* postępowań administracyjnych lub naruszeń regulacyjnych,\n* kar finansowych nałożonych przez organy nadzorcze,\n* ogólnych nieprawidłowości lub sporów biznesowych, które nie dotyczą korupcji.\n\nDodawaj wynik tylko wtedy, gdy artykuł jasno wskazuje na **korupcję lub zarzuty korupcyjne**, a nie jedynie na naruszenie przepisów lub sankcję administracyjną.\n\"\n\nIteracja: 2\nDotychczas sprawdzone kategorie: CRIMINAL\n\n1. Skup się na podmiocie DN_D,C,C_2 i powiązanych osobach/firmach.\n2. Znajdź konkretne fakty, daty, kwoty, numery spraw.\n\nWYMAGANY FORMAT ODPOWIEDZI (JSON):\n{\n \"findings\": [\n {\n \"title\": \"Krótki tytuł znaleziska (10-15 słów)\",\n \"description\": \"Szczegółowy opis oparty na źródłach (3-5 zdań)\",\n \"severity\": \"HIGH|MEDIUM|LOW|NEUTRAL\",\n \"date\": \"YYYY-MM-DD lub null\",\n \"status\": \"ongoing|resolved|alleged|pending\",\n \"source_urls\": [\"tylkojeden url. nie łącz wielu url1 w jeden finding\" ],\n \"raw_text\": \"Dokładny cytat ze źródła potwierdzający znalezisko\",\n \"context\": {\"birthDate\":\"data urodzenia\",\"secondName\":\"drugie imię\",\"PESEL\":\"numer PESEL\",\"NIP\":\"numer NIP\",\"KRS\":\"numer KRS\",\"REGON\":\"numer REGON\"}\n \"levenshtein_distance\": \"Obliczone Levenshtein distance\",\n \"matched_name\": \"Dopasowana nazwa\"\n }\n ],\n \"no_findings_reason\": \"Jeśli brak wyników, wyjaśnij dlaczego\"\n}\n\nZASADY:\n- Każde znalezisko MUSI być poparte cytatem ze źródła\n- NIE generuj informacji bez potwierdzenia w źródłach\n- NIE podsumowuj, NIE oceniaj ryzyka – to zrobi inny system\n- Podaj tylko FAKTY i ŹRÓDŁA\n- Jeżeli znajdziesz w artykule takie dane identyfikacyjne jak: data urodzenia, drugie imię, PESEL, NIP, KRS, REGON, zwróć je w sekcji context\n",
"response_text": "{\n \"findings\": [],\n \"no_findings_reason\": \"Brak konkretnych informacji w źródłach wskazujących na korupcję, łapownictwo lub przestępstwa korupcyjne bezpośrednio związane z podmiotem DN_D,C,C_2 (NIP 5344837073). Wyszukane wyniki dotyczą jedynie ogólnych definicji i przepisów dotyczących korupcji, a nie konkretnego przypadku dotyczącego tego podmiotu.\"\n}",
"findings_count": 0,
"facts_extracted": 0,
"cost": {
"input_tokens": 23889,
"output_tokens": 1044,
"total_tokens": 24933,
"cost_usd": 0.00420975
},
"information_gain": 0.0,
"timestamp": "2026-04-03T13:24:47.471260"
},
{
"iteration_number": 3,
"category": "GOVERNANCE",
"prompt_text": "Przeprowadź screning adverse media dla podmiotu:\n**DN_D,C,C_2**\nKontekst pomocniczy: DN_D,C,C_2, DN_D,C,C_2, (Dane: NIP: 5344837073, country: PL, description: VAT Information Exchange System)\n\nDla każdrgo etapu postępuj zgodnie z regułami:\n- Match entity names EXACTLY as provided.\n- Do NOT return phonetic, similar, or misspelled names.\n- Do NOT infer alternative spellings.\n- Do NOT normalize or autocorrect names.\n- Levenshtein distance must be <= 2.\n- If no exact match exists, return an empty result.\n- Do NOT suggest similar entities.\n- Use Kontekst pomocniczy to validate reasult.\n- Nie wnioskuj sam o podmiotach powiąznych. Powiązane podmioty są tylko \"Kontekst pomocniczy\"\n\n\nChcę mieć:\nETAPY:\nSzukaj adverse media dla DN_D,C,C_2 w kategorii: \"Audyty, nieprawidłowości zarządcze i governance.\n Uwzględnij:\n - informacje o nieuregulowanych zobowiązaniach.\n - oficjalne informacje o likwidacji i upadłości.\n - informacje o audytach i kontrolach w spółce.\n - informacje o nieprawidłowościach zarządczych w spółce.\n - informacje o sporach z pracownikami i byłymi pracownikami.\n - informacje o sporach z byłymi członkami zarządu i pracownikami.\n \"\n\nIteracja: 3\nDotychczas sprawdzone kategorie: CRIMINAL, CORRUPTION\n\n1. Skup się na podmiocie DN_D,C,C_2 i powiązanych osobach/firmach.\n2. Znajdź konkretne fakty, daty, kwoty, numery spraw.\n\nWYMAGANY FORMAT ODPOWIEDZI (JSON):\n{\n \"findings\": [\n {\n \"title\": \"Krótki tytuł znaleziska (10-15 słów)\",\n \"description\": \"Szczegółowy opis oparty na źródłach (3-5 zdań)\",\n \"severity\": \"HIGH|MEDIUM|LOW|NEUTRAL\",\n \"date\": \"YYYY-MM-DD lub null\",\n \"status\": \"ongoing|resolved|alleged|pending\",\n \"source_urls\": [\"tylkojeden url. nie łącz wielu url1 w jeden finding\" ],\n \"raw_text\": \"Dokładny cytat ze źródła potwierdzający znalezisko\",\n \"context\": {\"birthDate\":\"data urodzenia\",\"secondName\":\"drugie imię\",\"PESEL\":\"numer PESEL\",\"NIP\":\"numer NIP\",\"KRS\":\"numer KRS\",\"REGON\":\"numer REGON\"}\n \"levenshtein_distance\": \"Obliczone Levenshtein distance\",\n \"matched_name\": \"Dopasowana nazwa\"\n }\n ],\n \"no_findings_reason\": \"Jeśli brak wyników, wyjaśnij dlaczego\"\n}\n\nZASADY:\n- Każde znalezisko MUSI być poparte cytatem ze źródła\n- NIE generuj informacji bez potwierdzenia w źródłach\n- NIE podsumowuj, NIE oceniaj ryzyka – to zrobi inny system\n- Podaj tylko FAKTY i ŹRÓDŁA\n- Jeżeli znajdziesz w artykule takie dane identyfikacyjne jak: data urodzenia, drugie imię, PESEL, NIP, KRS, REGON, zwróć je w sekcji context\n",
"response_text": "{\n \"findings\": [],\n \"no_findings_reason\": \"Brak wyników wyszukiwania dla podmiotu DN_D,C,C_2 w kontekście audytów, nieprawidłowości zarządczych i governance, przy zachowaniu wymogu dokładnego dopasowania nazwy.\"\n}",
"findings_count": 0,
"facts_extracted": 0,
"cost": {
"input_tokens": 33743,
"output_tokens": 2413,
"total_tokens": 36156,
"cost_usd": 0.00650925
},
"information_gain": 0.0,
"timestamp": "2026-04-03T13:25:12.988387"
},
{
"iteration_number": 4,
"category": "REPUTATIONAL",
"prompt_text": "Przeprowadź screning adverse media dla podmiotu:\n**DN_D,C,C_2**\nKontekst pomocniczy: DN_D,C,C_2, DN_D,C,C_2, (Dane: NIP: 5344837073, country: PL, description: VAT Information Exchange System)\n\nDla każdrgo etapu postępuj zgodnie z regułami:\n- Match entity names EXACTLY as provided.\n- Do NOT return phonetic, similar, or misspelled names.\n- Do NOT infer alternative spellings.\n- Do NOT normalize or autocorrect names.\n- Levenshtein distance must be <= 2.\n- If no exact match exists, return an empty result.\n- Do NOT suggest similar entities.\n- Use Kontekst pomocniczy to validate reasult.\n- Nie wnioskuj sam o podmiotach powiąznych. Powiązane podmioty są tylko \"Kontekst pomocniczy\"\n\n\nChcę mieć:\nETAPY:\nSzukaj adverse media dla DN_D,C,C_2 w kategorii: \"Ryzyko reputacyjne oraz wpływ na media i opinię publiczną.\n Uwzględnij:\n - informacje o pokrzywdzonych klientach.\n - opinie pracowników i klientów.\n - negatywne opinie o spółce w mediach i internecie.\n Nie uwzględniaj informacji:\n - z oficjalnych rejestrów.\n \"\n\nIteracja: 4\nDotychczas sprawdzone kategorie: CRIMINAL, CORRUPTION, GOVERNANCE\n\n1. Skup się na podmiocie DN_D,C,C_2 i powiązanych osobach/firmach.\n2. Znajdź konkretne fakty, daty, kwoty, numery spraw.\n\nWYMAGANY FORMAT ODPOWIEDZI (JSON):\n{\n \"findings\": [\n {\n \"title\": \"Krótki tytuł znaleziska (10-15 słów)\",\n \"description\": \"Szczegółowy opis oparty na źródłach (3-5 zdań)\",\n \"severity\": \"HIGH|MEDIUM|LOW|NEUTRAL\",\n \"date\": \"YYYY-MM-DD lub null\",\n \"status\": \"ongoing|resolved|alleged|pending\",\n \"source_urls\": [\"tylkojeden url. nie łącz wielu url1 w jeden finding\" ],\n \"raw_text\": \"Dokładny cytat ze źródła potwierdzający znalezisko\",\n \"context\": {\"birthDate\":\"data urodzenia\",\"secondName\":\"drugie imię\",\"PESEL\":\"numer PESEL\",\"NIP\":\"numer NIP\",\"KRS\":\"numer KRS\",\"REGON\":\"numer REGON\"}\n \"levenshtein_distance\": \"Obliczone Levenshtein distance\",\n \"matched_name\": \"Dopasowana nazwa\"\n }\n ],\n \"no_findings_reason\": \"Jeśli brak wyników, wyjaśnij dlaczego\"\n}\n\nZASADY:\n- Każde znalezisko MUSI być poparte cytatem ze źródła\n- NIE generuj informacji bez potwierdzenia w źródłach\n- NIE podsumowuj, NIE oceniaj ryzyka – to zrobi inny system\n- Podaj tylko FAKTY i ŹRÓDŁA\n- Jeżeli znajdziesz w artykule takie dane identyfikacyjne jak: data urodzenia, drugie imię, PESEL, NIP, KRS, REGON, zwróć je w sekcji context\n",
"response_text": "{\n \"findings\": [],\n \"no_findings_reason\": \"Brak wyników wyszukiwania dla podmiotu DN_D,C,C_2 w kategorii ryzyka reputacyjnego oraz wpływu na media i opinię publiczną przy zachowaniu wymogu dopasowania nazwy dokładnie i ograniczenia odległości Levenshteina do ≤2.\"\n}",
"findings_count": 0,
"facts_extracted": 0,
"cost": {
"input_tokens": 20983,
"output_tokens": 885,
"total_tokens": 21868,
"cost_usd": 0.00367845
},
"information_gain": 0.0,
"timestamp": "2026-04-03T13:25:31.565288"
},
{
"iteration_number": 5,
"category": "POLITICAL_EXPOSURE",
"prompt_text": "Przeprowadź screning adverse media dla podmiotu:\n**DN_D,C,C_2**\nKontekst pomocniczy: DN_D,C,C_2, DN_D,C,C_2, (Dane: NIP: 5344837073, country: PL, description: VAT Information Exchange System)\n\nDla każdrgo etapu postępuj zgodnie z regułami:\n- Match entity names EXACTLY as provided.\n- Do NOT return phonetic, similar, or misspelled names.\n- Do NOT infer alternative spellings.\n- Do NOT normalize or autocorrect names.\n- Levenshtein distance must be <= 2.\n- If no exact match exists, return an empty result.\n- Do NOT suggest similar entities.\n- Use Kontekst pomocniczy to validate reasult.\n- Nie wnioskuj sam o podmiotach powiąznych. Powiązane podmioty są tylko \"Kontekst pomocniczy\"\n\n\nChcę mieć:\nETAPY:\nSzukaj adverse media dla DN_D,C,C_2 w kategorii: \"Ekspozycja polityczna i wpływ państwa\"\n\nIteracja: 5\nDotychczas sprawdzone kategorie: CRIMINAL, CORRUPTION, GOVERNANCE, REPUTATIONAL\n\n1. Skup się na podmiocie DN_D,C,C_2 i powiązanych osobach/firmach.\n2. Znajdź konkretne fakty, daty, kwoty, numery spraw.\n\nWYMAGANY FORMAT ODPOWIEDZI (JSON):\n{\n \"findings\": [\n {\n \"title\": \"Krótki tytuł znaleziska (10-15 słów)\",\n \"description\": \"Szczegółowy opis oparty na źródłach (3-5 zdań)\",\n \"severity\": \"HIGH|MEDIUM|LOW|NEUTRAL\",\n \"date\": \"YYYY-MM-DD lub null\",\n \"status\": \"ongoing|resolved|alleged|pending\",\n \"source_urls\": [\"tylkojeden url. nie łącz wielu url1 w jeden finding\" ],\n \"raw_text\": \"Dokładny cytat ze źródła potwierdzający znalezisko\",\n \"context\": {\"birthDate\":\"data urodzenia\",\"secondName\":\"drugie imię\",\"PESEL\":\"numer PESEL\",\"NIP\":\"numer NIP\",\"KRS\":\"numer KRS\",\"REGON\":\"numer REGON\"}\n \"levenshtein_distance\": \"Obliczone Levenshtein distance\",\n \"matched_name\": \"Dopasowana nazwa\"\n }\n ],\n \"no_findings_reason\": \"Jeśli brak wyników, wyjaśnij dlaczego\"\n}\n\nZASADY:\n- Każde znalezisko MUSI być poparte cytatem ze źródła\n- NIE generuj informacji bez potwierdzenia w źródłach\n- NIE podsumowuj, NIE oceniaj ryzyka – to zrobi inny system\n- Podaj tylko FAKTY i ŹRÓDŁA\n- Jeżeli znajdziesz w artykule takie dane identyfikacyjne jak: data urodzenia, drugie imię, PESEL, NIP, KRS, REGON, zwróć je w sekcji context\n",
"response_text": "```json\n{\n \"findings\": [],\n \"no_findings_reason\": \"W przeprowadzonych poszukiwaniach nie odnaleziono żadnych informacji w mediach dotyczących podmiotu DN_D,C,C_2 w kategorii \\\"Ekspozycja polityczna i wpływ państwa\\\". Nie istnieją źródła zawierające dokładne fakty, daty, kwoty ani numery spraw powiązane z tym podmiotem, a jednocześnie nie spełniono kryterium dokładnego dopasowania nazwy (Levenshtein ≤ 2).\"\n}\n```",
"findings_count": 0,
"facts_extracted": 0,
"cost": {
"input_tokens": 12549,
"output_tokens": 720,
"total_tokens": 13269,
"cost_usd": 0.00231435
},
"information_gain": 0.0,
"timestamp": "2026-04-03T13:25:39.957088"
}
],
"categories_checked": [
"CRIMINAL",
"CORRUPTION",
"GOVERNANCE",
"REPUTATIONAL",
"POLITICAL_EXPOSURE"
],
"findings": [],
"facts": [],
"cumulative_cost": 0.019335,
"information_gain_history": [
0.0,
0.0,
0.0,
0.0,
0.0
],
"stop_reason": "Max iterations reached: 5 >= 5",
"stopped_at": "2026-04-03T13:25:39.957282",
"failed_iterations": 0,
"errors": []
}
}
],
"total_facts": 0,
"total_findings": 0,
"structure_summary": "Na podstawie jedynie dostępnych danych podmiot oznaczony kodem **DN_D,C,C_2** posiada numer identyfikacji podatkowej **5344837073**, jest zarejestrowany w Polsce i klasyfikowany jako „VAT Information Exchange System”. Taki typ wskazuje, że podmiot uczestniczy w systemie wymiany informacji dotyczących podatku od wartości dodanej, co sugeruje jego działalność gospodarczą związaną z VAT.\n\nW przekazanych informacjach nie ma żadnych danych o właścicielach, beneficjentach rzeczywistych, członkach zarządu ani o podmiotach powiązanych. Brak tych elementów uniemożliwia określenie łańcucha własnościowego, wskazanie kluczowych osób zarządzających oraz identyfikację ewentualnych podmiotów zależnych lub powiązanych.\n\nZ perspektywy AML nie można wskazać konkretnych ryzyk, ponieważ nie ma informacji o anonimowych właścicielach, skomplikowanej strukturze własnościowej ani o powiązaniach z podmiotami państwowymi. W związku z tym, jedyną zauważalną kwestią jest konieczność uzyskania dodatkowych danych, które pozwolą na pełną ocenę ryzyka AML."
}