O que é o Docsumo?
O Docsumo é uma plataforma cloud de document AI fundada em 2019 por Rushabh Sheth e Bikram Dahal, construída em torno de modelos de extração pré-treinados para um conjunto definido de verticais: crédito comercial e crédito hipotecário, avaliação de risco em imobiliário comercial (CRE), logística e seguros (formulários ACORD). Esse foco vertical é real e é o seu maior trunfo, com clientes em produção identificados no CRE como a Arbor Realty Trust, que é também investidora. A empresa tem escritórios em Singapura, no Delaware, em Bombaim e em Catmandu, com engenharia em Catmandu, e o financiamento mantém-se em fase seed desde uma ronda de 3,5 M$ em março de 2022, sem qualquer Série A registada. O Docsumo tem ainda uma visibilidade invulgar nos assistentes de IA: no nosso próprio acompanhamento de respostas de IA sobre extração documental entre junho e julho de 2026, o Docsumo apareceu 148 vezes com uma posição média de 7,1 (acompanhamento de respostas de IA da anyformat, 2026), o que explica a frequência com que surge quando as equipas perguntam ao ChatGPT ou ao Gemini o que usar para faturas.
Modelos pré-treinados versus tipos de documento personalizados
A promessa de zero treino do Docsumo aplica-se à sua biblioteca pré-treinada, não aos seus próprios tipos de documento. Os mais de 30 modelos pré-treinados para faturas, extratos bancários, rent rolls, formulários ACORD e documentos semelhantes funcionam mesmo sem configuração; para tudo o que fique fora dessa biblioteca, a própria documentação de modelos personalizados do Docsumo pede que treine com cerca de 20 amostras de documento para atingir mais de 90% de precisão. Uma funcionalidade de auto-extração com LLM sugere campos a partir de uma única amostra carregada, o que encurta o desenho do esquema mas mantém um fluxo baseado em amostras. A anyformat extrai contra um esquema definido pelo utilizador em zero-shot: defina os campos, carregue um documento, receba JSON validado, sem ronda de etiquetagem e sem novo treino quando o esquema muda. Em mais de 1.000 documentos reais de mais de 30 tipos, a anyformat obteve 78,1% num parse score combinado (benchmark da anyformat, 2026).
Confiança, ancoragem visual e revisão humana
É aqui que o Docsumo e a anyformat estão mais próximos, e convém dizê-lo com clareza: o Docsumo associa uma pontuação de confiança e um excerto de origem a cada campo, e ao clicar num campo destaca-se a sua posição exata na página. Isso é confiança por campo com ancoragem com clique para a origem, a mesma forma das citações visuais da anyformat, e não é uma capacidade que a anyformat possa reivindicar como exclusiva. As extrações de baixa confiança são encaminhadas para um ecrã de revisão onde as correções realimentam o modelo. A diferença está na calibração, não no mecanismo: o Docsumo não publica metodologia de calibração nem configuração numérica de limiares de straight-through processing, enquanto a anyformat mede a calibração em 99,1% de precisão de calibração com um Adaptive ECE de 0,009 (benchmark da anyformat, 2026), pelo que um 90% reportado acerta cerca de 90% das vezes. A calibração é o que permite a uma equipa fixar um limiar de automação e confiar nele.
Tabelas e documentos longos
Os números de precisão em tabelas do Docsumo são declarados pelo fornecedor e não auditados: mais de 90% na extração de tabelas e mais de 99% nos dados de extratos bancários, nenhum verificado de forma independente, e não é publicado qualquer limite de páginas ou de tamanho em produção (o limite de 5 páginas e 35 MB que alguns compradores citam é uma restrição do widget de demonstração do seu site, não da API). A anyformat publica as suas medições em documentos longos: ~99% de recuperação de linhas em tabelas de linhas de detalhe que vão de 1 a 50 páginas e cerca de 2.400 linhas, 94% das faturas complexas extraídas na perfeição com todos os campos, linhas e totais reconciliados, e 80% em documentos com 16 ou mais páginas contra 53% do melhor modelo seguinte testado (benchmark da anyformat, 2026). A documentação pública do Docsumo não cobre a interpretação de figuras, gráficos ou diagramas; a anyformat deteta elementos visuais e devolve descrições estruturadas dos mesmos.
Implementação, jurisdição e certificações
O Docsumo é apenas cloud, sem opção on-premise, VPC ou air-gapped documentada em qualquer plano, incluindo o Enterprise. A plataforma corre em AWS e GCP, com AWS, GCP, MongoDB Atlas e Cloudflare listados como subcontratantes de infraestrutura. A jurisdição é o detalhe que os compradores europeus costumam ignorar: a política de privacidade do Docsumo indica que o contrato é regido e interpretado ao abrigo das leis de Singapura, e os diretórios de terceiros que apresentam a empresa como sediada em Nova Iorque não são corroborados pelas páginas do próprio Docsumo. Quanto a certificações, a SOC 2 Type II está confirmada e datada (Type I por volta de setembro de 2021, Type II por volta de março de 2022), enquanto a ISO 27001 não é reivindicada publicamente em nenhum ponto do seu site, cujos selos de rodapé listam apenas RGPD, SOC 2 Type 2 e HIPAA; isso é a ausência de uma declaração pública, não uma prova de ausência, e é uma pergunta a colocar diretamente à sua equipa comercial. A anyformat é nativa da UE, tem certificação ISO 27001 sobre todo o pipeline documental e implementa-se em cloud, cloud privada ou ambientes on-premise air-gapped.
Para onde vão realmente os seus documentos
A lista publicada de subcontratantes do Docsumo nomeia a Anthropic, PBC e a OpenAI OpCo, LLC como subcontratantes de APIs de modelos de IA (subcontratantes do Docsumo), o que significa que o conteúdo dos documentos é processado por APIs de LLM norte-americanas de terceiros no funcionamento normal do serviço. É uma constatação factual sobre o fluxo de dados, não um achado de segurança: ambas são APIs empresariais padrão com os seus próprios DPA, e divulgá-las é mais transparência do que a que vários concorrentes oferecem. Importa porque um comprador europeu tem de mapear essas transferências no seu registo de atividades de tratamento e no seu DPA, e porque afasta o pressuposto de que os documentos ficam dentro do perímetro de um único fornecedor. A anyformat também executa LLMs no seu motor de extração, com uma arquitetura agnóstica ao modelo e certificação ISO 27001 sobre o pipeline; a diferença prática é que o processamento sem retenção está disponível como um interruptor e as implementações Enterprise correm na sua própria VPC ou on-premise, onde o pipeline fica dentro da sua infraestrutura.
Retenção de dados
O Docsumo não se compromete com qualquer período de retenção. A sua política de privacidade indica que os dados submetidos são conservados durante o tempo que o Docsumo considerar necessário para prestar um serviço adequado, e que os dados pessoais só são eliminados no prazo de dois meses após o encerramento da conta (política de privacidade do Docsumo). Não há qualquer modo de retenção zero ou de processamento efémero documentado em nenhum plano. Para um comprador regulado, uma cláusula de retenção em aberto é normalmente a cláusula que tem de ser renegociada antes da assinatura. A anyformat oferece retenção zero de dados como configuração nos planos Enterprise, pelo que os documentos são processados e não armazenados.
Transparência de preços
O Docsumo não publica preços. Business e Enterprise surgem ambos como preço à medida, sem tarifa por página, sem tarifa de excedente nem compromisso mínimo na página de preços; o único número publicado é o período experimental gratuito de 14 dias, limitado a 1.000 páginas e 10 licenças de utilizador, o que constitui um orçamento de avaliação genuinamente generoso. Os valores por página de terceiros que circulam sobre o Docsumo contradizem-se entre si numa ordem de grandeza e não são rastreáveis até ao Docsumo, pelo que não os repetimos aqui. A anyformat publica a lista de preços completa e fatura em créditos, por página e por operador: 10 créditos custam 0,01 €, pelo que o Parse são 25 créditos por página (0,025 €, publicado como 25 $ por 1.000 páginas), o Extract 35 créditos por página, o Classify 10, o Split 25 e o Validate 25 créditos por regra (preços da anyformat, 2026). O Pay As You Go é gratuito para começar, com uma atribuição única de 50.000 créditos; o Business custa 499 € por mês (399 € com faturação anual) com 500.000 créditos; e o Enterprise tem preço à medida, com implementação em VPC ou on-premise e retenção zero de dados.
Uma suite de avaliações, um otimizador anunciado e o ciclo de etiquetagem que, de outro modo, manteria por sua conta.
Avaliações, disponíveis hoje. Cada workflow de Extract e Classify da anyformat tem um separador Health. Constrói um dataset com verdade de referência verificada, promovendo um documento que o workflow já processou e confirmando os seus valores na interface de revisão, ou carregando documentos etiquetados com o respetivo JSON esperado. Os ficheiros podem ser etiquetados em sub-datasets, pelo que a precisão se lê por fornecedor, por tipo de documento ou por nível de dificuldade em vez de como uma média única. Uma avaliação volta a extrair cada documento abrangido contra uma versão escolhida do workflow e pontua-o campo a campo, com uma vista de resultado versus esperado em cada falha; as execuções são numeradas e imutáveis, pelo que o efeito de uma alteração é medido em vez de presumido. O Health Overview coloca depois o benchmark do dataset ao lado da precisão de produção em tempo real, da confiança e do through rate, e reporta a diferença entre ambos (Evals). O Docsumo disponibiliza um painel de relatórios com métricas de precisão e alertas por Slack ou Gmail, com a analítica em tempo real reservada ao Enterprise. Dito com precisão: isso é reporting operacional sobre o tráfego em produção, não avaliação contra um dataset de verdade de referência fixo. Não existe gestor de datasets, nem segmentação por sub-datasets, nem histórico imutável de execuções, nem comparação entre benchmark e produção.
Optimizer, anunciado e ainda não disponível. A anyformat anunciou o Optimizer, um workflow que se ajusta a si próprio contra o seu dataset usando as suas avaliações como alvo. Está no roadmap, não no produto de hoje (Evals).
O pipeline que não tem de construir. Esta não é uma comparação de API contra plataforma: o Docsumo entrega ingestão, uma interface de revisão e um construtor de workflows que combina uma interface por prompts com blocos visuais, e isso é produto a sério. O trabalho que a anyformat elimina é mais específico: recolher e etiquetar cerca de 20 amostras para cada tipo de documento personalizado, voltar a etiquetar quando um fornecedor muda um layout, e interpretar painéis operacionais sem um benchmark fixo com que os comparar. A anyformat cobre isso com esquemas zero-shot, workflows sem código no Studio, confiança calibrada por campo com encaminhamento para revisão, citações visuais para auditoria e o ciclo de avaliação acima. Montar um workflow de produção com o assistente Annie demora cerca de 5 minutos contra aproximadamente 4 horas de configuração manual (benchmark interno da anyformat, 2026).
Quando escolher o Docsumo
Escolha o Docsumo quando os seus documentos couberem na biblioteca pré-treinada e nas suas verticais: crédito comercial, crédito hipotecário, avaliação de risco em CRE, logística e formulários de seguros ACORD, em formatos padrão norte-americanos. A profundidade vertical é autêntica, a interface de revisão com ancoragem com clique para a origem é madura e foi desenhada para isso em vez de acrescentada depois, e o período experimental gratuito de até 1.000 páginas com 10 licenças de utilizador permite validar a precisão nos seus próprios documentos antes de qualquer conversa comercial. Encaixa em equipas confortáveis com um fornecedor apenas cloud sob jurisdição de Singapura e capazes de absorver um ciclo de etiquetagem para os tipos de documento fora do conjunto pré-treinado.
Escolha a anyformat quando os tipos de documento personalizados tiverem de funcionar desde o primeiro documento sem amostras etiquetadas; quando a residência europeia dos dados, a certificação ISO 27001 sobre o pipeline, a retenção zero ou a implementação on-premise e air-gapped forem requisitos e não preferências; quando os seus documentos forem longos, com tabelas que se estendem por dezenas de páginas ou ficheiros acima das 16 páginas onde a maioria dos motores se degrada; ou quando precisar de confiança calibrada e de um ciclo de avaliação para manter um workflow correto depois da entrada em produção, em vez de um painel que reporta o que já aconteceu.
