IBM, Nvidia и Red Hat запустили инициативу DocLang для формата документов, ориентированного на ИИ
Рабочая группа DocLang объявила о разработке спецификации для машиночитаемых бизнес‑документов, изначально рассчитанных на обработку системами ИИ. Формат описывается как AI‑native и «созданный с нуля для LLM tokenizers». Идея в том, чтобы изменить привычную ситуацию, когда документы создают прежде всего для людей, а не для алгоритмов.
Группу основали IBM, Nvidia и Red Hat. Она работает под эгидой проекта LF AI & Data внутри Linux Foundation. Задача инициативы, создать открытый универсальный формат документов, который упростит подготовку, обмен и управление документными данными в корпоративных системах ИИ. В разработке участвуют ABBYY и Human Signal; к проекту также приглашают другие компании.
По словам инициаторов, компании сегодня вынуждены работать с разрозненным набором форматов, среди них PDFs, JPEGs и другие типы файлов, изначально рассчитанные на человеческое чтение. Из‑за этого сложнее извлекать смысл из деловых документов, растет стоимость обработки и падает надежность результатов. Проблема становится заметнее по мере того, как организации активнее внедряют generative AI и agentic systems.
Исполнительный директор LF AI & Data Mark Collier пояснил, что задача рабочей группы DocLang Specification, разработать vendor-neutral и interoperable стандарт для работы с документами, более подходящий для систем искусственного интеллекта.
Ключевые факты
Рабочая группа DocLang разрабатывает спецификацию машиночитаемых бизнес‑документов, «созданных с нуля для токенизаторов LLM».
Рабочая группа основана IBM, Nvidia и Red Hat и размещена в проекте LF AI & Data фонда Linux Foundation.
К разработке DocLang также присоединились ABBYY и Human Signal; к участию приглашаются и другие контрибьюторы.
По заявлению группы, предприятия работают с фрагментированным набором форматов документов, включая PDF и JPEG, что усложняет, удорожает и снижает надежность извлечения смысла из бизнес‑документов для систем ИИ.