Diego Pérez SastreAggiornato: Scegli LandingAI ADE per un parsing vision-first con citazioni a coordinate in uno stack orientato al codice; scegli anyformat per confidenza calibrata, workflow no-code e giurisdizione europea. Entrambi restituiscono ancoraggio visivo, ma LandingAI documenta la propria confidenza come sperimentale e non come probabilità di correttezza, mentre anyformat misura il 99,1% di accuratezza di calibrazione.
| Funzionalità | anyformat | LandingAI |
|---|---|---|
| Sovranità dei dati UE | Sì | No |
| ISO 27001 | Sì | No |
| GDPR nativo | Sì | Parziale |
| Nessuna conservazione dei dati | Sì | Sì |
| Deployment on-premise | Sì | Sì |
| Costruttore di workflow no-code | Sì | No |
| Estrazione zero-shot | Sì | Sì |
| Punteggio di confidenza per campo | Sì | Parziale |
| Estrazione di tabelle complesse | Sì | Sì |
| Rilevamento e spiegazione delle figure | Sì | Sì |
Agentic Document Extraction è la piattaforma di document intelligence di LandingAI, lanciata intorno a marzo 2025 e ricostruita a settembre 2025 su DPT-2, un transformer pre-addestrato sui documenti che tratta la pagina come un sistema visivo e non come un flusso di testo. LandingAI è stata fondata da Andrew Ng e ha sede a Palo Alto, in California; vende anche LandingLens, una piattaforma separata di computer vision no-code per l'ispezione industriale che non condivide nulla con ADE oltre all'azienda. ADE espone sei API REST (Parse, Extract, Split, Classify, Section e Build Schema), con librerie Python e TypeScript, e accetta PDF, immagini, file Office e fogli di calcolo. Un singolo job di parsing è limitato a 1 GB o 6.000 pagine, e il playground ospitato a 100 pagine (documentazione LandingAI, 2026).
Entrambe le piattaforme estraggono in zero-shot contro uno schema definito dall'utente, senza esempi etichettati né addestramento di template, quindi qui non vince nessuno. L'API Extract di ADE accetta uno schema JSON con strutture piatte, annidate, ad array e multi-tabella, un'API Build Schema ne redige una bozza a partire da un documento campione, e il parsing è agnostico al layout per progettazione (documentazione LandingAI, 2026). anyformat estrae contro uno schema allo stesso modo su oltre 100 formati e affianca al modello regole di validazione deterministiche, così un campo può essere vincolato e non soltanto predetto. La differenza operativa è chi possiede lo schema: quelli di ADE vivono nel codice che un developer rilascia, mentre quelli di anyformat vengono modificati nel prodotto dagli utenti operativi, senza ciclo di release.
LandingAI fa davvero ancoraggio visivo, e non è un elemento differenziante di anyformat: ogni blocco analizzato e ogni campo estratto restituisce numero di pagina e coordinate del riquadro, incluso l'ancoraggio a livello di cella di tabella, ed Extract restituisce un valore di confidenza per campo da 0 a 1 nei suoi metadati di estrazione (documentazione LandingAI, 2026). La differenza sta nella calibrazione. La guida di LandingAI descrive il punteggio come un segnale relativo di triage e non come una probabilità di correttezza, raccomanda 0,95 come soglia di partenza ed etichetta la confidenza come funzione sperimentale in cui tabelle e campi con formattazione personalizzata restituiscono null (documentazione LandingAI, 2026). La confidenza per campo di anyformat è calibrata, misurata al 99,1% di accuratezza di calibrazione con un Adaptive ECE di 0,009 (benchmark anyformat, 2026), e ogni valore porta con sé una citazione visiva che lo collega alla sua posizione esatta nella pagina. La calibrazione è ciò che rende difendibile davanti a un auditor una soglia di elaborazione automatica: un segnale relativo non ti dice quale quota di campi approvati automaticamente sarà errata, mentre uno calibrato sì.
ADE è un'API di estrazione e non una piattaforma di orchestrazione, e LandingAI lo dichiara apertamente: il suo stesso materiale comparativo descrive ADE come orientato agli sviluppatori, che richiede codice Python per costruire pipeline di estrazione ricorrenti e non adatto a team che vogliono un'automazione ricorrente completamente no-code (LandingAI, 2026). L'instradamento basato sulla confidenza vive nella pipeline che scrive il cliente, e l'interfaccia di revisione che mostra un valore, il suo punteggio e la sua posizione di origine è documentata come indicazione di ciò che il cliente dovrebbe costruire. anyformat consegna quel livello come superficie di prodotto: un costruttore visuale di workflow (Studio) con ramificazioni, condizioni, classificazione, suddivisione e instradamento, più una coda di revisione in cui il valore corretto rientra nell'esecuzione e prosegue verso i sistemi a valle. Configurare un workflow di produzione con l'assistente Annie richiede circa 5 minuti contro circa 4 ore di configurazione manuale (benchmark interno anyformat, 2026).
ADE fattura crediti a 0,01 $ ciascuno, con Parse a 3 crediti per pagina, o 4 con la retention zero dei dati attiva, il che porta la pagina analizzata a 0,03 $ e 0,04 $ rispettivamente, ovvero 30 $ e 40 $ ogni 1.000 pagine (documentazione LandingAI, 2026). Extract, Split, Section e Build Schema sono misurati sui caratteri e non sulle pagine, con 1 credito ogni 5.000 caratteri in ingresso e 1 credito ogni 1.000 in uscita, quindi il costo di estrazione segue la densità del documento invece del numero di pagine ed è più difficile da prevedere per documento; Classify costa 0,5 crediti per pagina. I piani sono Explore a consumo con 1.000 crediti gratuiti che scadono dopo 90 giorni, Team da 250 $ al mese per 25.000 crediti, ed Enterprise su misura (prezzi LandingAI, 2026). anyformat fattura crediti per pagina e per operatore a 10 crediti per 0,01 €: Parse costa 25 crediti per pagina (0,025 €, pubblicato come 25 $ ogni 1.000 pagine), Extract 35, Classify 10, Split 25 e Validate 25 crediti per regola (prezzi anyformat, 2026). A tariffa di listino, un abbonamento Team da 250 $ copre circa 8.300 pagine analizzate al mese, mentre il piano Business da 499 € copre 500.000 crediti, circa 20.000 pagine analizzate, e la retention zero è un controllo incluso in Enterprise anziché un sovrapprezzo per pagina.
Il dato pubblicato da LandingAI è il 99,16% sullo split di validazione di DocVQA, con 5.286 risposte corrette su 5.331 domande a partire dal solo testo analizzato, e una metodologia riproducibile da un repository pubblico (LandingAI, 2026). È trasparenza reale sui benchmark, migliore di quella della maggior parte del mercato, ma misura se l'output analizzato consente di rispondere a una domanda, non se uno schema a molti campi viene estratto correttamente su tipi di documento diversi. anyformat ha ottenuto il 78,1% in un punteggio combinato di parsing su oltre 1.000 documenti reali di oltre 30 tipi (benchmark anyformat, 2026), ha mantenuto circa il 99% di recupero delle righe su tabelle che arrivano a 50 pagine e circa 2.400 righe, e ha estratto il 94% delle fatture complesse in formato misto con tutti i campi e le righe corretti (benchmark anyformat, 2026). Sulle figure sono alla pari: ADE rileva blocchi di tipo figura, logo, card e codice a barre e ne restituisce descrizioni concise, e anyformat classifica gli elementi visivi nel contesto e restituisce descrizioni strutturate.
LandingAI è un'azienda statunitense sotto giurisdizione degli Stati Uniti, possiede SOC 2 Type II, dichiara conformità a GDPR e HIPAA e non pubblica la ISO 27001 su nessuna delle sue pagine dedicate alla sicurezza (sicurezza LandingAI, 2026). Le sue opzioni di deployment sono serie: un deployment dedicato di ADE nell'UE su AWS Irlanda con portale proprio e chiavi API non interscambiabili con quelle statunitensi, un deployment containerizzato dentro una VPC gestita dal cliente su AWS, Azure o GCP, on-premise nel piano Enterprise, e una Snowflake Native App. La retention zero elabora i documenti in memoria senza conservare nulla a riposo, sui piani Team ed Enterprise, con un credito aggiuntivo per pagina. anyformat è nativa europea e certificata ISO 27001 sull'intera pipeline documentale, con elaborazione a retention zero e deployment in cloud, cloud privato o on-premise in ambienti air-gapped. Una regione europea è residenza dei dati, non un cambio di giurisdizione, e per i buyer soggetti a GDPR o DORA quella distinzione è esattamente ciò che chiede l'ufficio acquisti.
Una suite di valutazione e la pipeline di produzione attorno all'estrazione. La qualità dell'estrazione è una variabile; mantenerla corretta dopo il go-live è dove i progetti documentali spendono la maggior parte del budget di ingegneria.
Valutazioni, disponibili oggi. Ogni workflow Extract e Classify di anyformat ha una scheda Health. Costruisci un dataset con ground truth verificato, promuovendo un documento che il workflow ha già elaborato e confermandone i valori nell'interfaccia di revisione, oppure caricando documenti etichettati con il loro JSON atteso. I file sono taggabili in sotto-dataset, così l'accuratezza si legge per fornitore, per tipo di documento o per fascia di difficoltà invece che come una media unica. Una valutazione riestrae ogni documento incluso contro una versione scelta del workflow e lo valuta campo per campo, con una vista risultato contro atteso su ogni errore; le esecuzioni sono numerate e immutabili, quindi l'effetto di una modifica viene misurato e non supposto. Health Overview affianca poi il benchmark del dataset all'accuratezza, alla confidenza e al tasso di passaggio della produzione reale, e riporta lo scarto tra i due (Evals). LandingAI pubblica un benchmark di ricerca su un dataset pubblico, che è un segnale di credibilità più che una funzionalità per il cliente: in ADE non compaiono né un gestore di dataset di ground truth, né la segmentazione in sotto-dataset, né uno storico immutabile delle esecuzioni, né il confronto tra benchmark e produzione.
Optimizer, annunciato e non ancora disponibile. anyformat ha annunciato Optimizer, un workflow che si ottimizza da solo contro il proprio dataset usando le tue valutazioni come obiettivo. È nella roadmap, non nel prodotto di oggi (Evals).
La pipeline che non devi costruire. ADE restituisce markdown, JSON gerarchico, coordinate dei blocchi e campi conformi allo schema, il che costituisce una solida primitiva di estrazione. La produzione richiede anche classificazione e instradamento, validazione dello schema, gestione dei retry, un'interfaccia di revisione, monitoraggio dell'accuratezza e ritaratura ogni volta che cambia un layout o un modello sottostante, e la guida di LandingAI assegna quella pipeline al codice Python del cliente. anyformat la consegna come prodotto: workflow no-code in Studio, confidenza calibrata per campo con instradamento alla revisione, citazioni visive per l'audit e il ciclo di valutazione descritto sopra.
Scegli LandingAI quando hai ingegneri che vogliono una primitiva di estrazione pulita e ben documentata e sono disposti a farsi carico della pipeline che le sta attorno. L'ancoraggio di ADE è accurato, la sua metodologia su DocVQA è pubblicata e riproducibile, il modello DPT-2 è progettato appositamente per layout visivi densi, e un job di parsing da 1 GB o 6.000 pagine insieme alla Snowflake Native App e al deployment nella VPC del cliente copre requisiti tecnici impegnativi. Se stai costruendo RAG o ricerca sui documenti invece di un back office operativo, se la giurisdizione statunitense e SOC 2 Type II soddisfano il tuo framework di conformità e se un avvio a consumo con 1.000 crediti gratuiti si adatta alla tua valutazione, è una scelta valida.
Scegli anyformat quando la confidenza deve essere calibrata e non solo indicativa, perché una soglia di elaborazione automatica è difendibile soltanto se il punteggio corrisponde a una probabilità reale; quando i team operativi e non gli sviluppatori devono possedere schemi e workflow; quando la giurisdizione europea e la ISO 27001 sono requisiti d'acquisto che una regione europea da sola non soddisfa; oppure quando vuoi che le modifiche ai workflow siano misurate contro un dataset di ground truth prima di arrivare in produzione.
I team che confrontano le due piattaforme finiscono di solito sugli stessi tre punti: chi scrive l'orchestrazione, se il numero di confidenza regge un audit e quale diritto governa i dati.
Agentic Document Extraction di LandingAI è un insieme di sei API REST (Parse, Extract, Split, Classify, Section e Build Schema) che uno sviluppatore richiama da Python o TypeScript. anyformat è una piattaforma: le stesse primitive di estrazione più un costruttore di workflow no-code, una coda di revisione umana, confidenza calibrata per campo e una suite di valutazione, il tutto utilizzabile da profili non tecnici. La domanda pratica è se il tuo team voglia scrivere e mantenere l'orchestrazione attorno all'estrazione oppure consumarla come prodotto.
Sì. L'API Extract restituisce un valore di confidenza da 0 a 1 per campo nei suoi metadati di estrazione, e Parse restituisce la confidenza sui tipi di blocco supportati. LandingAI descrive quel punteggio come un segnale relativo di triage e non come una probabilità di correttezza, raccomanda 0,95 come soglia di partenza ed etichetta la funzione come sperimentale, con tabelle e campi a formattazione personalizzata che restituiscono null. La confidenza per campo di anyformat è calibrata, misurata al 99,1% di accuratezza di calibrazione con un Adaptive ECE di 0,009 (benchmark anyformat, 2026).
Sì, e qui c'è vera parità, non una differenza. ADE restituisce numero di pagina e coordinate del riquadro per ogni blocco analizzato e ogni campo estratto, incluso l'ancoraggio fino alla cella di tabella. anyformat restituisce lo stesso tipo di citazione visiva che collega ogni valore alla sua posizione esatta nella pagina, quindi una valutazione dovrebbe vertere su che cosa significhi davvero il numero di confidenza associato a quel valore, e non sul fatto che vengano restituite delle coordinate.
I crediti di ADE costano 0,01 $ ciascuno e Parse ne consuma 3 per pagina, o 4 con la retention zero attiva, quindi la pagina analizzata costa 0,03 $ o 0,04 $, ovvero 30 $ o 40 $ ogni 1.000 pagine. Extract, Split e Section sono misurati per carattere e non per pagina, quindi il costo di estrazione segue la densità del documento. anyformat addebita crediti per pagina e per operatore a 10 crediti per 0,01 €, il che porta Parse a 25 crediti per pagina, pubblicato come 25 $ ogni 1.000 pagine, con la retention zero inclusa in Enterprise anziché fatturata per pagina.
LandingAI possiede SOC 2 Type II e dichiara conformità a GDPR e HIPAA, ma non pubblica la ISO 27001 su nessuna delle sue pagine dedicate alla sicurezza. Offre però un deployment dedicato di ADE nell'UE su AWS Irlanda, con portale proprio e chiavi API non interscambiabili con quelle statunitensi. Questa è residenza dei dati e non un cambio di giurisdizione: l'azienda resta statunitense e soggetta al diritto statunitense, mentre anyformat è nativa europea e certificata ISO 27001 sull'intera pipeline documentale.
No. Il materiale comparativo di LandingAI descrive ADE come orientato agli sviluppatori, che richiede codice Python per costruire pipeline di estrazione ricorrenti e non adatto a team che vogliono un'automazione ricorrente completamente no-code. L'instradamento basato sulla confidenza vive nella pipeline che scrive il cliente, e l'interfaccia di revisione è documentata come qualcosa che il cliente dovrebbe costruire. anyformat include un costruttore visuale di workflow con ramificazioni e instradamento, più una coda di revisione in cui il valore corretto rientra nell'esecuzione.
anyformat fa il lavoro pesante sui documenti che mandano in crisi altri strumenti. Analizzali, estrai e valida fino a trasformarli in dati puliti e affidabili, e arriva in produzione in pochi minuti.
Nessuna carta di credito richiesta · 50.000 crediti gratis per iniziare
