Zero Treinamento, Sem Código

Alternativa ao Google Document AI — Extraia Dados Sem Treinar Nenhum Modelo

O Google Document AI vive dentro do GCP: você cria um projeto, define um esquema de processador e o chama a partir de código SDK, um projeto de engenharia de várias semanas antes que um único campo saia. O ImageToTable entrega Excel estruturado no momento em que você faz o upload: nomeie suas colunas, e a IA encontra os dados por compreensão semântica. Sem projeto GCP. Sem esquema para definir. Sem integração SDK.

5-10s por página · 99% de precisão em texto impresso · Zero treinamento necessário · Sem programação

Sem Treinamento
Colunas Calculadas
Link de Coleta

O que você ganha ao trocar o Google Document AI

Além do recurso principal de extração, estes são os itens que substituem um projeto no GCP, um esquema de processador e o código do SDK que você manteria de outra forma.

Sem necessidade de treinamento
Extração de Colunas Personalizadas
Colunas calculadas
Colunas inferidas
Link de Coleta
Processamento em lote
Complemento do Google Sheets
Vários idiomas
OCR de manuscrito
Exportação para Excel / CSV / JSON

Nenhum deles precisa de um projeto no GCP, de um esquema a definir ou de código para chamar. Funcionam da mesma forma no primeiro documento e no décimo milésimo.

O Google Doc AI exige um projeto GCP e código. O ImageToTable lê semanticamente.

As duas plataformas exigem coisas diferentes de você antes que qualquer dado seja extraído. O Google Document AI pede que você monte uma infraestrutura de nuvem e defina um esquema de campos dentro dela. O ImageToTable pede apenas os nomes das colunas que você deseja, e nada mais.

O jeito Google: projeto GCP, processador, esquema, SDK

01

Você cria um projeto GCP, ativa APIs e cria um processador. O Google Document AI não é uma aplicação web que você acessa — é um serviço de ML em nuvem acessado pelo Console do GCP ou por API. Você precisa criar um projeto do Google Cloud, ativar o faturamento, ativar a API Document AI, criar uma conta de serviço, configurar papéis do IAM e baixar uma chave JSON de credenciais. Um desenvolvedor descreveu o processo de configuração nos próprios fóruns do Google como "um tanto confuso" — encontrar a página da galeria de processadores exigia pesquisar na barra de ferramentas do console. Só os pré-requisitos levam de 45 minutos a uma hora para um desenvolvedor experiente.

02

Processadores pré-construídos extraem apenas campos fixos. Campos personalizados exigem que você defina um esquema no GCP primeiro. O Google oferece processadores pré-treinados para faturas, recibos, W-2s e extratos bancários, mas eles extraem os campos de entidade predefinidos do Google, não o seu esquema personalizado. Precisa de um campo que o Doc AI não extrai por padrão? Você usa o Custom Document Extractor. Ele agora roda em um modelo de base Gemini, então um esquema zero-shot extrai sem nenhum documento rotulado, e uma versão ajustada (50+ documentos rotulados) troca mais configuração por maior precisão. De qualquer forma, a configuração fica por sua conta: defina o esquema de campos no Console do GCP, crie e implante uma versão do processador e depois chame-a pelo SDK. Nada disso é opcional.

03

Você escreve código para chamar a API e processar a resposta. A extração exige escrever código em Python ou Node.js usando o SDK do Google Cloud. Você inicializa um DocumentProcessorServiceClient, monta um ProcessRequest com o caminho do processador e o documento codificado em base64, trata o objeto de resposta e analisa as entidades extraídas da estrutura JSON aninhada. Cada mudança de tipo de documento, cada nova versão de processador, cada atualização de esquema exige alterações no código. Membros da equipe que não são desenvolvedores não conseguem usar a ferramenta de forma independente — eles dependem da equipe de engenharia para cada fluxo de extração.

O Jeito ImageToTable: Nomeie e Extraia

01

Zero configuração — abra um navegador, envie um documento, extraia os dados. Sem projeto no GCP, sem ativação de API, sem conta de serviço, sem JSON de credenciais, sem SDK. O ImageToTable é uma aplicação web: abra, envie um documento, digite os nomes das colunas que deseja e veja os resultados da extração em segundos. A ferramenta foi projetada para equipes financeiras, gerentes de operações e usuários de negócios, não apenas para desenvolvedores. As equipes de finanças, operações e administração realizam a extração por conta própria, sem precisar de um chamado de engenharia.

02

Zero treinamento — digite os nomes das colunas e obtenha resultados em qualquer documento. Você não define um esquema de campos em um console de nuvem. Você não rotula documentos de treinamento. Você não espera um modelo ser treinado. Digite "Invoice Number", "Vendor Name", "Total"; a IA de visão entende o significado semântico desses termos e encontra os valores correspondentes em qualquer lugar do documento. Funciona desde o primeiro envio, em qualquer tipo de documento, qualquer layout, qualquer formato. Campos personalizados não são um recurso premium — são o comportamento padrão.

03

A IA calcula, infere e estrutura durante a extração. Além de apenas extrair valores da página, o ImageToTable pode calcular durante a extração (coluna calculada como "Line Total (Qty × Unit Price)") e inferir informações que não estão escritas no documento (coluna inferida como "Category (options: Meals/Transport/Office/Other)"). O Google Document AI retorna as entidades para as quais seus processadores foram configurados, e qualquer cálculo ou classificação exige processamento posterior no BigQuery, Dataflow ou em uma aplicação personalizada. O ImageToTable retorna datas, valores e números de referência já normalizados em um formato consistente, então não há etapa de análise ou limpeza entre a extração e o arquivo que você abre.

Google Document AI vs ImageToTable vs Nanonets

Uma comparação lado a lado nas dimensões que mais importam ao escolher uma ferramenta de extração de documentos. O Google Doc AI é uma plataforma API-first para equipes nativas do GCP. O Nanonets é uma plataforma no-code que ainda treina um modelo por tipo de documento. O ImageToTable extrai a partir dos nomes das colunas que você digita em um navegador, sem nada para configurar por tipo de documento.

RecursoGoogle Document AIImageToTable.aiNanonets
Abordagem de extraçãoServiço de ML baseado em API — processadores pré-treinados para documentos padrão; campos personalizados exigem um esquema definido no GCP, executando zero-shot, few-shot ou fine-tuned (50+ documentos rotulados)Vision LLM — lê a semântica do documento diretamente; sem treinamento, sem rotulagem, sem configuração. Digite os nomes das colunas, a IA encontra os valores pelo significadoBaseado em modelo com interface de treinamento drag-and-drop — exige 50+ documentos de amostra para treinar um modelo por tipo de documento
Tempo de configuração até a primeira extraçãoDias a semanas — configuração do projeto no GCP (1 h), esquema do processador e versão implantada, integração com SDK (40-80 h de desenvolvimento), treinamento rotulado opcional para um modelo fine-tunedMenos de 30 segundos — abra o navegador, envie o documento, digite os nomes das colunas, obtenha os resultadosDias — o treinamento do modelo exige 50+ amostras rotuladas por tipo de documento, o tempo de treinamento varia
Campos personalizados / esquemaProcessadores pré-construídos têm conjuntos de campos fixos; esquemas personalizados são definidos no GCP e podem rodar zero-shot, com fine-tuning (50+ documentos rotulados) para maior precisãoQualquer esquema funciona imediatamente — digite qualquer nome de campo, a IA o extrai semanticamente. Zero-shot, sem necessidade de dados de treinamentoCampos personalizados exigem treinar um modelo com amostras rotuladas; alterações no esquema exigem retreinamento
Necessidade de programaçãoSim — SDK Python/Node.js ou chamadas à API REST; autenticação, construção de requisições e análise de respostas exigem códigoNão — interface no navegador; o complemento do Google Sheets também dispensa códigoNão — interface web com construtor de modelos drag-and-drop; API disponível para desenvolvedores
Requisitos de infraestruturaProjeto no GCP com faturamento ativado, Cloud Storage para documentos, configuração de IAM, conta de serviçoNavegador web — nada para instalar, configurar ou manterBaseado em nuvem — sem infraestrutura, mas o treinamento do modelo consome muito tempo
Integração com GCP/BigQueryNativa — exportação direta para BigQuery, pipelines do Cloud Storage, Vertex AI, Pub/Sub; incomparável no ecossistema GCPNão disponível — exporta Excel/CSV/JSON/Word para importação em qualquer sistema, incluindo BigQueryIntegrações com Zapier/Make; sem suporte nativo a pipelines do BigQuery ou GCP
Colunas calculadas / inferidasNão disponível na camada de extração — cálculos e classificações feitos no BigQuery, Dataflow ou aplicação downstreamNativo — colunas calculadas (ex.: Total da Linha = Qtd × Preço Unitário) e colunas inferidas (a IA classifica durante a extração)Limitado — processamento pós-extração disponível através do construtor de fluxos de trabalho
Documentos digitalizados / manuscritosBom OCR em documentos limpos; a precisão piora em layouts complexos, caligrafia variada, digitalizações de baixa qualidade — usuários relatam OCR "ridiculamente pior" que as alternativas em documentos dobrados ou capturados por celularO LLM de visão lida nativamente com digitalizações, fotos, caligrafia, letra cursiva, caixas de seleção, carimbos e conteúdo mistoModerado — lida bem com texto digitado; mais fraco em caligrafia e layouts complexos, a menos que seja especificamente treinado
Formatos de saídaObjeto de resposta JSON com entidades, pontuações de confiança e dados em nível de página — requer código de análiseExcel (XLSX), CSV, JSON, Word diretamente — download com um clique; complemento do Google Sheets para saída direta em planilhaJSON, CSV, Excel; integra-se via Zapier/Make para roteamento downstream
Nível gratuito$300 em créditos de teste gratuito do Google Cloud para novas contas (90 dias); cobrança baseada em uso depois dissoModo visitante gratuito — sem conta, sem cartão de crédito, sem limite de tempo$200 em créditos gratuitos para começar; depois planos pagos ~$0,30/página
Preço inicial (150 docs/mês)~$0,23 em custos brutos de API (OCR) a ~$4,50 (extrator personalizado) para 150 páginas + Cloud Storage + hospedagem ($0,05/hora/versão implantada) + tempo de desenvolvimento$9/mês para 150 créditos — todos os recursos incluídos, sem custos ocultos~$45/mês a $0,30/página; o preço baseado em blocos pode aumentar os custos com etapas de fluxo de trabalho

Preços em 2026-06. Os custos do Google Document AI refletem as tarifas publicadas da API mais a estimativa de infraestrutura e custos de engenharia. Consulte a página de preços de cada fornecedor para as tarifas atuais.

Como migrar do Google Document AI

Migrar de uma plataforma baseada em API não exige migrar seus modelos de ML — porque o ImageToTable não os utiliza. Veja o caminho prático.

1 Exporte os resultados de extração do seu Doc AI

O Google Document AI retorna os resultados de extração como objetos JSON contendo entidades, pontuações de confiança e metadados em nível de página. Exporte esses resultados do seu pipeline de processamento — seja onde os armazenou no Cloud Storage, no BigQuery ou em um banco de dados personalizado. Salve as exportações em JSON ou CSV como referência dos seus dados históricos. Elas contêm os campos e valores que seus processadores treinados extraíram.

2 Envie os mesmos documentos de origem para o ImageToTable

Reúna os PDFs originais, imagens digitalizadas ou arquivos de documento que seus processadores do Doc AI estavam processando. Envie-os para o ImageToTable — pela interface web, pelo complemento do Google Sheets ou por um Link de Coleta compartilhável. Digite os nomes das colunas que deseja extrair — os mesmos nomes de campo que você configurou no esquema do seu processador do Doc AI ou nas definições de entidade do extrator personalizado. A IA as extrai semanticamente sem qualquer treinamento, rotulagem ou configuração de esquema. A maioria dos usuários vê o primeiro resultado em menos de 30 segundos.

3 Compare os resultados lado a lado

Faça uma comparação em nível de campo nos seus primeiros 50–100 documentos. Exporte seus dados JSON do Doc AI junto com os resultados de extração do ImageToTable para os mesmos documentos de origem. Verifique a precisão dos campos, trate os casos extremos e anote onde uma ferramenta supera a outra. Normalmente você descobrirá que a IA semântica iguala ou supera a precisão do Doc AI na maioria dos campos padrão, com uma vantagem significativa em documentos que ficam fora da distribuição de layout do seu processador, sem exigir nenhum treinamento extra.

4 Mescle os dados históricos e faça a transição

Agora você tem dois conjuntos de dados: extrações históricas do Doc AI (JSON/CSV) e novas extrações do ImageToTable. Ambos produzem dados estruturados com nomes de campo consistentes — mesclá-los é uma operação simples de planilha ou banco de dados. Daqui em diante, encaminhe todos os novos documentos pelo ImageToTable. Nenhum projeto do GCP para manter. Nenhuma versão de processador para atualizar. Nenhum código de SDK para modificar quando suas necessidades de extração evoluírem. Nenhuma cobrança de hospedagem inesperada por versões de processador implantadas. O preço é transparente e previsível — você paga pelo volume de extração, não pela infraestrutura.

Dica Pro: Não Migre Processadores — Migre Nomes de Campos

A pergunta mais comum que as equipes fazem ao deixar o Google Document AI é "podemos importar nosso processador treinado para o ImageToTable.ai?" A resposta é: você não precisa. Os campos de entidade que você configurou no seu processador do Doc AI — Número da Fatura, Nome do Fornecedor, Total, Itens de Linha — se tornam os nomes das suas colunas no ImageToTable.ai. A IA realiza a extração de forma semântica, sem nenhuma importação de modelo. Sua lógica de extração é transferida como cabeçalhos de coluna, não como pesos treinados. Os dados de que você precisa são os mesmos; apenas a ferramenta que os encontra muda.

Quando o ImageToTable é a escolha — e quando o Google Doc AI é

Uma análise honesta de onde cada plataforma se destaca, para você escolher com base no seu fluxo de trabalho real — e não no posicionamento de marketing. O Google Document AI é uma plataforma genuinamente capaz para um conjunto específico de compradores. O ImageToTable é uma abordagem genuinamente diferente para outro conjunto.

ImageToTable é a melhor escolha quando

✓

Sua equipe não tem recursos dedicados de ML ou engenharia de nuvem. O Google Document AI pressupõe que você tenha desenvolvedores capazes de configurar a infraestrutura do GCP, escrever código de integração de SDK e gerenciar fluxos de treinamento de ML. Se sua equipe é de operações, finanças ou pequenos negócios — sem engenheiros no quadro — a abordagem baseada em navegador do ImageToTable.ai é a única opção prática. As pessoas que precisam dos dados podem extraí-los sozinhas.

✓

Você precisa da extração funcionando hoje, não depois de um sprint. O ImageToTable.ai é autoatendimento: crie uma conta, envie um documento, receba dados estruturados. Sem criação de processador, sem rotulagem de documentos, sem espera de treinamento, sem implantação. Para equipes que querem a extração funcionando em menos de um minuto, em vez de depois de um projeto no GCP e da implantação de um processador, o primeiro envio é toda a configuração. Veja como a extração sem treinamento se compara no mercado.

✓

Você extrai dados de muitos tipos e layouts de documentos diferentes. Os processadores pré-treinados do Google Doc AI cobrem faturas, recibos, W-2s, extratos bancários — um conjunto fixo. Todo o resto exige a criação de um processador personalizado e a definição de seu esquema dentro do GCP. O ImageToTable.ai lida com qualquer tipo de documento no primeiro envio: contratos, pedidos de compra, romaneios, folhas de ponto, notas de entrega, COIs, formulários manuscritos, cotações de fornecedores, contas de serviços públicos e muito mais. Sem treinamento, sem troca de processador, sem configuração por tipo de documento.

✓

Você precisa de colunas calculadas e inferidas durante a extração. O Google Document AI extrai entidades brutas — qualquer cálculo, classificação ou enriquecimento acontece depois no BigQuery, no Dataflow ou em um aplicativo personalizado. As colunas calculadas do ImageToTable.ai calculam durante a extração (Total da Linha = Qtd × Preço Unitário), e as colunas inferidas permitem que a IA classifique informações não escritas no documento — como categorizar despesas de um recibo sem campo "Categoria". Isso elimina totalmente o processamento pós-extração.

✓

Seu orçamento não inclui custos de infraestrutura. O preço por página do Google Doc AI parece acessível — $1.50–$30 por 1.000 páginas — mas o custo total inclui Cloud Storage para preparação de documentos, taxas de hospedagem de processadores ($0.05/hora por versão implantada), Cloud Functions ou Compute Engine para orquestração de pipeline e 40–80 horas de tempo de integração do desenvolvedor. O preço da assinatura do ImageToTable.ai inclui tudo. Com 150 documentos por mês, o custo total é $9 — sem cobranças surpresa de infraestrutura, sem sobrecarga de engenharia a considerar.

Google Document AI é a melhor escolha quando

⚠

Você já está profundamente inserido no ecossistema GCP. Se seus dados já estão no BigQuery, sua infraestrutura roda em Cloud Storage e Cloud Run, e sua equipe domina o GCP IAM e os SDKs, o Document AI se integra nativamente aos seus pipelines existentes. Os resultados fluem diretamente para tabelas do BigQuery, disparam eventos do Pub/Sub e alimentam modelos do Vertex AI. Para equipes de engenharia nativas do GCP, o valor da integração é real e significativo.

⚠

Você processa milhões de páginas por mês. Em escala extrema, o preço por página do Document AI se torna econômico. O processador Enterprise Document OCR cai para $0.60 por 1.000 páginas acima de 5 milhões de páginas por mês — cerca de $0.0006 por página. Para organizações que processam mais de 5 milhões de documentos por mês, a economia passa a favorecer o Google, especialmente quando você considera a infraestrutura do GCP que já está pagando.

⚠

Você precisa de pipelines de dados nativos do BigQuery. Se seu fluxo de extração é "ingerir documentos → extrair entidades → analisar no BigQuery → criar dashboards no Looker", a exportação nativa para BigQuery do Document AI elimina a etapa intermediária de planilha. Para equipes de dados que tratam a extração de documentos como uma fonte de dados do BigQuery, essa integração é valiosa. As exportações estruturadas do ImageToTable.ai podem ser enviadas ao BigQuery como uma etapa em lote, mas o pipeline automatizado não existe.

⚠

Você exige conformidade com HIPAA ou SOC 2 integrada à sua infraestrutura de extração. O Google Cloud Platform oferece conformidade com HIPAA, SOC 1/2/3, FedRAMP e outras certificações empresariais no nível da infraestrutura. Se a estrutura de conformidade da sua organização exige essas atestações para todas as ferramentas de processamento de dados, o Document AI se beneficia da postura de conformidade do Google Cloud. O ImageToTable.ai trata dados com criptografia TLS 1.3 em trânsito, mas não oferece a mesma amplitude de certificações de conformidade que o GCP.

⚠

Você já tem uma implantação do Doc AI que funciona. Se seus processadores personalizados estão treinados e implantados, sua precisão de extração atende aos seus requisitos e sua equipe de engenharia já absorveu o custo de manutenção, permanecer no Document AI é uma decisão válida. O ROI da migração é maior quando você enfrenta novos tipos de documentos que exigem treinamento de novos processadores, seu contrato atual gera pressão de custos ou sua equipe não tem a capacidade de engenharia para manter o pipeline.

Perguntas Frequentes

O ImageToTable exige treinar um processador personalizado como o Google Document AI?

Não. O Custom Document Extractor do Google Document AI agora roda em um modelo de base Gemini: um esquema zero-shot extrai sem documentos rotulados, e uma versão ajustada (50+ documentos rotulados) troca mais configuração por maior precisão. O que permanece igual nos três modos é onde o trabalho acontece: você define o esquema no Console do GCP, cria e implanta uma versão do processador e a chama pelo SDK. O ImageToTable usa extração semântica zero-shot: você digita os nomes das colunas que deseja (como "Invoice Number", "Date", "Total"), e o LLM de visão encontra esses valores entendendo o significado deles, não correspondendo a um modelo treinado. Não há esquema a definir, nem rotulagem, nem implantação, nem código, nem espera. Funciona desde o primeiro upload, em qualquer tipo de documento. Saiba como a IA extrai dados sem treinamento.

Como os preços se comparam entre o ImageToTable e o Google Document AI quando você inclui todos os custos?

As tarifas publicadas da API do Google Document AI começam em $1.50 por 1.000 páginas para OCR básico e chegam a $30 por 1.000 páginas para extratores personalizados e analisadores de formulários. Mas o custo real inclui: Cloud Storage para preparação de documentos, hospedagem de implantação do processador a $0.05 por hora por versão implantada ($36/mês por versão), Cloud Functions ou Compute Engine para orquestração do pipeline, e 40–80 horas de tempo de desenvolvedor para integração inicial do SDK e manutenção contínua. Uma equipe que processa 1.000 documentos por mês com um extrator personalizado poderia facilmente gastar $300–800/mês quando infraestrutura e tempo de engenharia entram na conta. O ImageToTable usa preços transparentes de autoatendimento: o Basic é $9/mês para 150 credits, o Pro é $19/mês para 400, o Max é $59/mês para 1.500. O modo convidado gratuito não exige conta nem cartão de crédito. Não há taxas de hospedagem, nem cobranças de infraestrutura, nem sobrecarga de engenharia. Veja o detalhamento completo dos preços de extração de documentos.

O ImageToTable exige programação ou infraestrutura do GCP para ser usado?

Não. O ImageToTable é um aplicativo web baseado em navegador. Você o abre, faz upload de um documento, digita os nomes das colunas e recebe os dados estruturados de volta — sem escrever código, sem provisionar infraestrutura, sem configurar chaves de API. Ele também oferece um complemento para Google Sheets que grava os resultados da extração diretamente na sua planilha ativa. O Google Document AI, em contrapartida, exige um projeto no GCP com faturamento ativado, habilitação de APIs, credenciais de conta de serviço, configuração de funções do IAM e código de SDK em Python/Node.js para chamar a API e analisar a resposta. Se sua equipe não tem recursos de engenharia, o Google Document AI não é praticamente utilizável.

O ImageToTable consegue lidar com os mesmos tipos de documento que o Google Document AI?

O Google Document AI oferece processadores pré-treinados para faturas, recibos, W-2s, extratos bancários, holerites, contas de serviços públicos, documentos de compras, documentos de identidade e pacotes de empréstimo. O ImageToTable lida com todos esses — além de contratos, pedidos de compra, romaneios de embalagem, planilhas de horas, notas de entrega, cotações de fornecedores, certificados de seguro, relatórios de despesas, formulários manuscritos, sinistros médicos, relatórios de inspeção, leituras de medidores e qualquer outro documento estruturado ou semiestruturado. A diferença é que o ImageToTable lida com qualquer tipo de documento no primeiro upload sem treinamento, enquanto o Google Doc AI exige um processador pré-treinado correspondente ou um esquema personalizado que você define e implanta no GCP para qualquer coisa fora do seu conjunto fixo.

E quanto à descontinuação de processadores do Google em junho de 2026 — devo me preocupar?

O Google desativou uma onda de processadores pré-treinados legados em 30 de junho de 2026. As equipes que haviam construído pipelines nessas versões tiveram que migrar para as versões atuais da API e, para muitas, isso significou reestruturar o tratamento de esquemas e a análise de respostas. A data importa menos que o padrão: o Google regularmente descontinua versões antigas de processadores e as substitui por novas que trazem esquemas de campos, semântica de API e preços diferentes. Para qualquer equipe que use uma versão prestes a ser desativada, migrar para a próxima versão do Google e trocar de ferramenta pode custar aproximadamente a mesma quantidade de trabalho. O ImageToTable não tem versões de processador para desativar. A extração funciona da mesma forma independentemente do tipo de documento, formato ou versão da API.

O ImageToTable consegue extrair tabelas de itens de faturas e pedidos de compra?

Sim. O LLM de visão lê tabelas de itens — descrições de itens, quantidades, preços unitários, totais de linha, valores de impostos — com a mesma precisão com que lê campos de cabeçalho como número da fatura e data. Extraia colunas individuais de tabelas de itens e a IA as mapeia corretamente mesmo quando as estruturas das tabelas variam entre documentos. Diferentemente do Google Document AI, que exige configurar a extração de entidades para cada campo de tabela dentro de um esquema de processador personalizado, o ImageToTable trata os dados de tabela semanticamente em qualquer layout de documento automaticamente. Veja como a extração sem treinamento se compara entre as ferramentas.

Quanto tempo leva para migrar do Google Document AI para o ImageToTable?

A maioria das equipes conclui a migração em um único dia — e a maior parte desse tempo é gasta exportando dados históricos do GCP e reunindo os documentos de origem. A configuração real do ImageToTable leva menos de um minuto: abra a ferramenta, faça upload de um documento de teste, digite os nomes das suas colunas, verifique os resultados. Não há processador para criar, nem dados de treinamento para rotular, nem modelo para implantar, nem código para reescrever. As equipes prontas para fazer a troca normalmente concluem a fase de validação — testando em 50–100 documentos lado a lado — em uma única tarde. O primeiro lote de produção roda no mesmo dia. Compare isso com configurar um novo processador personalizado do Google Document AI, que levaria semanas.

📮 contact email: [email protected]