El valor más significativo de Hyperscience es la extracción de datos estructurados. Estamos viendo una alta precisión y un alto nivel de automatización, especialmente con modelos de producción ajustados.
Lo segundo que me gusta es la rapidez en el mapeo de cada campo y la simplicidad para agregar nuevos documentos estructurados. Solo se requiere una muestra en blanco para agregarla a la biblioteca de documentos. Reseña recopilada por y alojada en G2.com.
La extracción semiestructurada no es tan fluida como la estructurada debido a la necesaria participación de humanos en múltiples pasos. La máquina a menudo necesita ayuda con el paso de clasificación de campos y transcripción, lo que lleva a detener el proceso de extracción en dos partes.
La segunda cosa es que el entrenamiento en extracción semiestructurada requiere un mínimo de 400 muestras que no son fáciles de conseguir. Esto lleva tiempo y hace que la implementación sea más lenta de lo que anticipan.
Finalmente, pero lo más importante, no hay características de IA disponibles. Están quedando atrás en comparación con herramientas IDP similares en el mercado. Reseña recopilada por y alojada en G2.com.
