Displaying gathered facts structured for the report generator.
⬇ output_json (ReportData format)
{
"entity_name": "MS_TEST_GLN",
"entity_full_name": "MS_TEST_GLN",
"subject_context": {
"MS_TEST_GLN": {
"name": "MS_TEST_GLN",
"context": " (Dane: NIP: 7741588941, country: PL, description: VAT Information Exchange System)"
}
},
"facts_by_category": {},
"facts_by_subject": {},
"facts_by_relation": {},
"total_cost": {
"task_costs": [],
"total_override": 0.023838750000000002
},
"screening_tasks": [
{
"task_id": "5672422d-34b5-49e3-b84d-47f5be3d2d10",
"subject_type": "ENTITY",
"subject_name": "MS_TEST_GLN",
"subject_full_name": "MS_TEST_GLN",
"subject_node_id": "7cb649dc-e2c7-4326-a3e7-3e5843839d47",
"context_description": "MS_TEST_GLN",
"context_data": {
"NIP": "7741588941",
"country": "PL",
"description": "VAT Information Exchange System"
},
"search_state": {
"iterations": [
{
"iteration_number": 1,
"category": "CRIMINAL",
"prompt_text": "Przeprowadź screning adverse media dla podmiotu:\n**MS_TEST_GLN**\nKontekst pomocniczy: MS_TEST_GLN, MS_TEST_GLN, (Dane: NIP: 7741588941, 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 MS_TEST_GLN 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 MS_TEST_GLN 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 spełniających kryteria wyszukiwania w zakresie spraw karnych i postępowań prokuratorskich dotyczących podmiotu MS_TEST_GLN. Przeprowadzone zapytania nie zwróciły żadnych artykułów ani źródeł opisujących postępowania karne, śledztwa, zarzuty, zatrzymania lub aresztowania związane z tym podmiotem.\"\n}",
"findings_count": 0,
"facts_extracted": 0,
"cost": {
"input_tokens": 13553,
"output_tokens": 942,
"total_tokens": 14495,
"cost_usd": 0.00259815
},
"information_gain": 0.0,
"timestamp": "2026-04-03T15:22:40.991757"
},
{
"iteration_number": 2,
"category": "CORRUPTION",
"prompt_text": "Przeprowadź screning adverse media dla podmiotu:\n**MS_TEST_GLN**\nKontekst pomocniczy: MS_TEST_GLN, MS_TEST_GLN, (Dane: NIP: 7741588941, 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 MS_TEST_GLN 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 MS_TEST_GLN 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 wskazujących na przypadki korupcji, łapownictwa lub postawienie zarzutów korupcyjnych związanych z podmiotem MS_TEST_GLN. Nie znaleziono artykułów, które spełniałyby kryteria dokładnego dopasowania nazwy (MS_TEST_GLN) oraz wymogów dotyczących korupcji.\"\n}",
"findings_count": 0,
"facts_extracted": 0,
"cost": {
"input_tokens": 75872,
"output_tokens": 1171,
"total_tokens": 77043,
"cost_usd": 0.0120834
},
"information_gain": 0.0,
"timestamp": "2026-04-03T15:22:56.592297"
},
{
"iteration_number": 3,
"category": "GOVERNANCE",
"prompt_text": "Przeprowadź screning adverse media dla podmiotu:\n**MS_TEST_GLN**\nKontekst pomocniczy: MS_TEST_GLN, MS_TEST_GLN, (Dane: NIP: 7741588941, 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 MS_TEST_GLN 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 MS_TEST_GLN 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\": \"Brak wyników wyszukiwania dla podmiotu MS_TEST_GLN w kategorii audytów, nieprawidłowości zarządczych i governance; nie znaleziono informacji o nieuregulowanych zobowiązaniach, likwidacji, upadłości, audytach, kontrolach, nieprawidłowościach zarządczych ani sporach z pracownikami lub członkami zarządu.\"\n}\n```",
"findings_count": 0,
"facts_extracted": 0,
"cost": {
"input_tokens": 14368,
"output_tokens": 779,
"total_tokens": 15147,
"cost_usd": 0.0026226
},
"information_gain": 0.0,
"timestamp": "2026-04-03T15:23:05.226117"
},
{
"iteration_number": 4,
"category": "REPUTATIONAL",
"prompt_text": "Przeprowadź screning adverse media dla podmiotu:\n**MS_TEST_GLN**\nKontekst pomocniczy: MS_TEST_GLN, MS_TEST_GLN, (Dane: NIP: 7741588941, 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 MS_TEST_GLN 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 MS_TEST_GLN 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\": \"Brak wyników wyszukiwania dla podmiotu MS_TEST_GLN w dostępnych źródłach przy zachowaniu wymogu dokładnego dopasowania nazwy (Levenshtein ≤ 2) i wykluczeniu podobnych lub fonetycznych wariantów.\"\n}\n```",
"findings_count": 0,
"facts_extracted": 0,
"cost": {
"input_tokens": 21045,
"output_tokens": 1048,
"total_tokens": 22093,
"cost_usd": 0.00378555
},
"information_gain": 0.0,
"timestamp": "2026-04-03T15:23:21.678025"
},
{
"iteration_number": 5,
"category": "POLITICAL_EXPOSURE",
"prompt_text": "Przeprowadź screning adverse media dla podmiotu:\n**MS_TEST_GLN**\nKontekst pomocniczy: MS_TEST_GLN, MS_TEST_GLN, (Dane: NIP: 7741588941, 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 MS_TEST_GLN w kategorii: \"Ekspozycja polityczna i wpływ państwa\"\n\nIteracja: 5\nDotychczas sprawdzone kategorie: CRIMINAL, CORRUPTION, GOVERNANCE, REPUTATIONAL\n\n1. Skup się na podmiocie MS_TEST_GLN 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\": \"Brak istotnych wyników wyszukiwania dla podmiotu MS_TEST_GLN w kategorii \\\"Ekspozycja polityczna i wpływ państwa\\\" przy zachowaniu wymogu dokładnego dopasowania nazwy.\"\n}\n```",
"findings_count": 0,
"facts_extracted": 0,
"cost": {
"input_tokens": 9933,
"output_tokens": 615,
"total_tokens": 10548,
"cost_usd": 0.00185895
},
"information_gain": 0.0,
"timestamp": "2026-04-03T15:23:28.420584"
}
],
"categories_checked": [
"CRIMINAL",
"CORRUPTION",
"GOVERNANCE",
"REPUTATIONAL",
"POLITICAL_EXPOSURE"
],
"findings": [],
"facts": [],
"cumulative_cost": 0.02294865,
"information_gain_history": [
0.0,
0.0,
0.0,
0.0,
0.0
],
"stop_reason": "Max iterations reached: 5 >= 5",
"stopped_at": "2026-04-03T15:23:28.420745",
"failed_iterations": 0,
"errors": []
}
}
],
"total_facts": 0,
"total_findings": 0,
"structure_summary": "Dane wejściowe dotyczą jedynie podstawowych informacji o podmiocie **MS_TEST_GLN** – numeru NIP **7741588941**, kraju (Polska) oraz typu określonego jako VAT Information Exchange System. Brak jest szczegółowych danych dotyczących struktury własnościowej, osób zarządzających oraz podmiotów powiązanych, co uniemożliwia precyzyjne opisanie łańcucha właścicielskiego i powiązań.\n\nZ uwagi na fakt, że podmiot uczestniczy w systemie wymiany informacji o podatku VAT, z perspektywy AML wymaga on szczególnej uwagi pod kątem przejrzystości transakcji i identyfikacji beneficjentów rzeczywistych. W praktyce oznacza to konieczność przeprowadzenia weryfikacji klienta (KYC) oraz monitorowania operacji pod kątem potencjalnych sygnałów prania pieniędzy lub finansowania terroryzmu.\n\nBrak dostępnych informacji o właścicielach, kluczowych menedżerach i podmiotach zależnych stanowi istotne ograniczenie w ocenie ryzyka AML. W sytuacji, gdy podmiot jest częścią systemu VAT, zaleca się dodatkową analizę dokumentacji rejestrowej oraz ewentualne uzyskanie uzupełniających danych, aby spełnić wymogi regulacyjne i zapewnić pełną zgodność z przepisami przeciwdziałania praniu pieniędzy."
}