O valor mais significativo da Hyperscience é a extração de dados estruturados. Estamos observando alta precisão e um alto nível de automação - especialmente com modelos de produção ajustados.
A segunda coisa que eu gosto é a rapidez no mapeamento de cada campo e a simplicidade de adicionar novos documentos estruturados. Apenas uma amostra em branco é necessária para adicioná-la à biblioteca de documentos. Análise coletada por e hospedada no G2.com.
A extração semiestruturada não é tão suave quanto a estruturada devido à necessidade de envolvimento humano em várias etapas. A máquina frequentemente precisa de ajuda na etapa de classificação de campos e transcrição - isso leva à interrupção do processo de extração em duas partes.
A segunda questão é que o treinamento na extração semiestruturada requer um mínimo de 400 amostras, que não são fáceis de obter. Isso leva tempo e torna a implementação mais lenta do que eles estão antecipando.
Finalmente, mas mais importante - não há recursos de IA disponíveis. Eles estão ficando para trás em comparação com ferramentas IDP semelhantes no mercado. Análise coletada por e hospedada no G2.com.





