🔍 Multilevel Screening Review
Dashboard
Reports
Subjects
Discrepancies
Rejected
+ New Report
← Back to ALLA-CLEANING, ALLA MELNYK
Prompts for: ALLA-CLEANING, ALLA MELNYK
1 prompts recorded
ADVERSE MEDIA
Iteration:
1
Cost:
$0.022333
In: 37643 tok
Out: 1144 tok
2026-05-08T09:20:59
⬆ Prompt
(editable)
Przeprowadź screening adverse media dla podmiotu: **ALLA-CLEANING, ALLA MELNYK** Kontekst pomocniczy: ALLA-CLEANING, ALLA MELNYK, ALLA-CLEANING, ALLA MELNYK, (Dane: NIP: 1231558961, industry: 5611Z - RESTAURACJE, country: PL, description: CENTRALNA EWIDENCJA I INFORMACJA O DZIAŁALNOŚCI GOSPODARCZEJ, city: Piaseczno) Dla każdego etapu postępuj zgodnie z regułami: - Match entity names EXACTLY as provided. - Do NOT return phonetic, similar, or misspelled names. - Do NOT infer alternative spellings. - Do NOT normalize or autocorrect names. - If no exact match exists, return an empty result. - Do NOT suggest similar entities. - Use Kontekst pomocniczy to validate reasult. - Nie wnioskuj sam o podmiotach powiąznych. Powiązane podmioty są tylko "Kontekst pomocniczy" - Gdy rozpoznasz, ze artykuł opowiada fikcyjną historię, nie zwracaj jej jako znalezisko. Chcę mieć: ETAPY: Szukaj adverse media dla ALLA-CLEANING, ALLA MELNYK w kategorii: "Negatywne doniesienia medialne Uwzględniaj tylko informacje dotyczące: - postępowania prokuratorskie lub sądowe - afery - nieprawidłowości zarządcze i audyty - kary administracyjne, finansowe lub inne sankcje nałożone przez organy regulacyjne - negatywnych opinii o pracownikach i klientach - negatywnych opinii o byłych pracownikach i klientach Nie uwzględniaj informacji dotyczących: - ogólnych informacji z rejestrów publicznych lub stron typu rejestr.io - oficjalnych stron internetowych badanego podmiotu. " Iteracja: 1 Dotychczas sprawdzone kategorie: brak 1. Skup się na podmiocie ALLA-CLEANING, ALLA MELNYK i powiązanych osobach/firmach. 2. Znajdź konkretne fakty, daty, kwoty, numery spraw. ZASADY: - Każde znalezisko MUSI być poparte cytatem ze źródła (raw_text) - NIE generuj informacji bez potwierdzenia w źródłach - NIE podsumowuj, NIE oceniaj ryzyka – to zrobi inny system - Podaj tylko FAKTY i ŹRÓDŁA - Jeżeli znajdziesz w artykule takie dane identyfikacyjne jak: - data urodzenia w polu context.birthDate - drugie imię w polu context.secondName - PESEL w polu context.PESEL - NIP w polu context.NIP - KRS w polu context.KRS - REGON w polu context.REGON - miasto działalności podmiotu w polu context.city - miasto opisywanego wydarzenia w polu context.eventCity - branża podmiotu w polu context.industry - data opisywanego zdarzenia jeśli istnieje w polu context.eventDate - data publikacji w polu context.publishedAt - source_urls: tylko jeden URL na finding; nie łącz wielu URL w jeden finding - Podawaj fakty wyłącznie w języku polskim, nawet jeśli źródła są w innym języku
💾 Save
🔄 Retry
⬇ Response
Plain Text
Markdown
JSON
{"findings":[],"no_findings_reason":"Brak negatywnych doniesień medialnych dotyczących podmiotu ALLA-CLEANING, ALLA MELNYK."}