Confronto con altri strumenti

Entrambi sono open source e coprono annotazione di testo, immagini, audio e video. Potato è gratis per sempre senza un livello Enterprise; le funzionalità di adjudication, accordo tra annotatori, valutazione con ground truth e flussi LLM basati su prompt di Label Studio sono riservate all'Enterprise (prezzo su richiesta). Potato include anche funzionalità di livello ricerca che Label Studio non offre: flussi multi-fase (consenso → training → annotazione → questionario), stima della competenza degli annotatori MACE, tracciamento comportamentale (tasti, mouse, tempi), 55 strumenti di questionario validati, integrazione nativa con MTurk/Prolific e infrastruttura completa di valutazione di agenti con 13 formati di tracce. La configurazione usa YAML invece di template XML.

Sì. Potato copre le capacità principali di Prodigy — classificazione del testo, span NER, relazioni, segmentazione audio/video, bounding box immagini, active learning, IAA, adjudication — e aggiunge flussi di ricerca multi-fase, MACE, tracciamento comportamentale, supporto più ampio dei provider LLM, Solo Mode e valutazione di agenti. La configurazione è YAML (nessuna ricetta Python richiesta). Potato è gratuito e open source; Prodigy costa circa 490 $ per postazione (disponibili licenze accademiche gratuite). Lo schema triage di Potato copre il flusso accetta/rifiuta di Prodigy.

INCEpTION rimane la piattaforma più solida per l'annotazione linguistica complessa con collegamento a knowledge base (Wikidata, DBPedia, OWL, SKOS) e flussi ricchi di coreference. Potato eguaglia le capacità principali di span/relazione/evento/coreference di INCEpTION e aggiunge annotazione immagini/audio/video, valutazione completa di agenti, configurazione YAML (niente Java/XML), flussi multi-fase, questionari, tracciamento comportamentale, integrazione LLM/AI più ampia e un deployment Python/Flask più leggero. Per progetti di KB-linking profondo scegli INCEpTION; per tutto il resto scegli Potato.

Per le esigenze tipiche di annotazione in visione artificiale, sì. Potato supporta bounding box, poligoni, polilinee, ellissi, cuboidi 2D, scheletri di keypoint, maschere di segmentazione, tracciamento video, nuvole di punti e cuboidi 3D, mappe di profondità e calibrazione camera-lidar, ed esporta in COCO (con maschere RLE), YOLO, Pascal VOC, KITTI e altri 25 formati. La segmentazione al clic e l'etichettatura tramite prompt testuale girano entrambe nel browser, senza GPU. Su pipeline ad alto volume dedicate alla sola visione, CVAT va comunque più a fondo: attributi per oggetto, gestione di task e job più ricca e un ecosistema di formati più ampio tramite Datumaro. CVAT non supporta l'NLP e riporta la concordanza come IoU grezzo o corrispondenza esatta, senza correzione per il caso. Scegli Potato quando il lavoro di visione convive con compiti di testo, audio o valutazione, oppure quando serve una concordanza tra annotatori difendibile.

doccano è più semplice da configurare per classificazione del testo e NER di base, ma Potato offre molto di più: oltre 60 tipi di annotazione che vanno oltre il testo (immagini, audio, video, tracce di agenti), integrazione AI/LLM con 13 tipi di endpoint, active learning con 5 strategie di query, controllo qualità (attention check, gold standard, MACE), flussi di ricerca multi-fase, strumenti di questionario validati, integrazione nativa con crowdsourcing (MTurk, Prolific) e infrastruttura di valutazione di agenti.

Tre motivi. **Costo**: le piattaforme commerciali costano da 1.000 a 10.000 $+ al mese; Potato è gratis per sempre. **Privacy dei dati**: Potato è self-hosted, quindi i dati sensibili (cartelle cliniche, contenuti proprietari, tracce interne) non lasciano mai la tua infrastruttura. **Flussi di ricerca**: le piattaforme commerciali sono pensate per il labeling di dati di produzione; Potato supporta nativamente i pattern accademici (studi multi-fase, flussi di consenso compatibili con IRB, tracciamento comportamentale per la ricerca sui fattori umani, questionari post-studio validati, stima di competenza MACE e pagamenti in crowdsourcing). Potato è stato pubblicato ad ACL 2026 e EMNLP 2022 e ha vinto il premio Miglior Demo a HCOMP 2024.

Diverse capacità sono uniche o quasi uniche. **Infrastruttura di valutazione di agenti**: osservazione di navigazione web in diretta con takeover, rendering di tracce di coding agent (Claude Code, Cursor, Aider, SWE-Agent), annotazione errori passo-per-passo con trajectory_eval. **Solo Mode** con escalation di confidenza a cascata per la qualità di un singolo annotatore. **Stima della competenza degli annotatori MACE** per pesare le etichette con disaccordo frequente. **Razionali AI** che spiegano ciascuna etichetta suggerita. **55 strumenti di questionario validati** (SUS, NASA-TLX, UMUX, AttrakDiff) per la valutazione post-studio. **Annotazione di eventi n-ari**, annotazione di alberi di dipendenza tramite span-linking. **8 tipi di sorgenti dati** tra cui Google Drive, Dropbox, S3, HuggingFace, Google Sheets e database. **Flussi multi-fase** con branching.

Sì. Capacità che altrove sono livelli a pagamento sono gratuite in Potato: accordo tra annotatori (kappa di Cohen, Fleiss, alpha di Krippendorff), interfaccia di adjudication, gold standard, attention check, valutazione con ground truth, SSO/OAuth (Google, GitHub, OIDC generico), integrazione webhook con firma HMAC-SHA256, esportazione su HuggingFace Hub con DatasetCard generati automaticamente, integrazione LLM multi-provider e log di audit completi. Il compromesso: te lo ospiti da solo. Non esiste un livello cloud gestito.