LF AI & Data: DocLang radna skupina razvija otvoreni standard za AI-nativne dokumente

LF AI & Data Foundation (Linux Foundation za AI i podatke) objavila je 9. lipnja 2026. pokretanje DocLang Specification Working Group — radne skupine čiji je zadatak razviti otvoreni, vendor-neutralni standard za AI-nativne dokumente (AI-native documents). Osnivački članovi su IBM, Red Hat i NVIDIA, a dodatni suradnici koji doprinose razvoju specifikacije su ABBYY i HumanSignal.

Temeljni problem: poslovni dokumenti nisu dizajnirani za AI

Apsolutna većina poslovnih dokumenata — PDF izvještaji, Word dopisi, Excel tablice, PowerPoint prezentacije — nastala je za ljudsku konzumaciju. Čovjek bez napora prepoznaje naslov, razliku između tablice i grafikona, kontekst bilješke u zagradi ili logičku hijerarhiju poglavlja. AI sustavi s tim imaju strukturalne teškoće.

Kada se takvi dokumenti unose u AI pipeline-ove, potrebni su višestruki koraci pretvorbe, gubitak konteksta je čest, a pouzdanost obrade varira ovisno o alatu koji obavlja pretvorbu. U poslovnom mjerilu — gdje tvrtke obrađuju milijune dokumenata godišnje — taj problem postaje kritičan i skupo ga je rješavati ad hoc integracijama.

DocLang želi premostiti upravo tu rascjep između kako dokumenti postoje i kako ih AI treba primiti.

Što DocLang čuva i kako je strukturiran?

DocLang je specifikacija formata koja u jednoj reprezentaciji čuva i semantičko značenje i geometrijski raspored dokumenta. To znači da format opisuje ne samo što piše u dokumentu, već i gdje, u kakvoj strukturi i s kakvim međusobnim odnosima elemenata.

Ključne tehničke karakteristike DocLang specifikacije:

• Strukturalni elementi: naslovi, odlomci i tablice opisani zajedno s položajem na stranici — što AI sustavima omogućuje razumijevanje prostornog konteksta sadržaja
• Governance kontrole: ugrađene informacije o privatnosti, dozvolama za ekstrakciju i pravima za trening modela — direktno u dokumentu, a ne kao vanjski metapodaci
• Optimizacija za tokenizaciju: format je dizajniran imajući na umu moderne LLM tokenizatore i pristupe modeliranja, što smanjuje gubitak informacija pri ulasku u AI sustave

Odnos prema Docling-u: komplementarni alati

Važno je razumjeti što DocLang nije: nije zamjena za Docling. Docling je open-source alat koji je već u upotrebi i koji dokumentima vrši konverziju — prihvaća PDF, DOCX, PPTX, XLSX, HTML i slike te ih pretvara u strukturirani izlaz. Docling rješava problem ingesta i pretvorbe.

DocLang djeluje na sljedećoj razini: standardizira kako se taj strukturirani izlaz razmjenjuje između sustava. Bez standardiziranog formata razmjene, svaki AI sustav koji prima dokument od drugog sustava mora poznavati specifičan izlazni format tog sustava — što rezultira mnoštvom prilagođenih integracija i rastućom kompleksnošću pri skaliranju.

Docling i DocLang stoga čine vertikalni slog: Docling za ingest i pretvorbu, DocLang za standardiziranu razmjenu strukturiranog izlaza.

Vendor-neutralno upravljanje i otvoreno članstvo

Industrijski standardi koji uspijevaju dijele jednu ključnu karakteristiku: niti jedan vendor ne kontrolira specifikaciju jednostrano. DocLang je smješten pod Joint Development Foundation (JDF) — organizaciju koja osigurava otvoreno upravljanje kroz konsenzus zajednice, a ne unilateralnim odlukama pojedinog sudionika.

To u praksi znači da IBM-ova implementacija DocLang-a mora biti kompatibilna s NVIDIA-inom ili Red Hatovom, i obrnuto. ABBYY, dugogodišnji igrač u dokumentnom procesiranju, i HumanSignal, platforma za anotaciju podataka, doprinose iskustvom iz domena gdje se AI pipeline-ovi za dokumente najčešće susreću s praktičnim izazovima: ekstrakcija informacija, upravljanje kvalitetom i priprema trening podataka.

Referentna stranica projekta dostupna je na doclang.ai.

Primarne primjene: RAG, razmjena i governance

DocLang je primarno fokusiran na tri kategorije primjene u enterprise kontekstu:

1. Priprema dokumenata za AI: standardizirani ulaz u RAG (Retrieval-Augmented Generation, hrv. pretraživanjem ojačano generiranje) sustave, fine-tuning pipeline-ove i ekstrakciju strukturiranih podataka iz dokumenata
2. Razmjena između sustava: dokument može proći kroz više AI sustava različitih vendora bez gubitka konteksta ili potrebe za ponovnom pretvorba i prilagodbom formata
3. Upravljanje dokumentima (governance): ugrađene kontrole definiraju što se smije raditi s dokumentom — što postaje posebno važno uz regulatorne zahtjeve poput GDPR-a ili sektorskih propisa u financijama, zdravstvu i javnoj upravi

Inicijativa dolazi u trenutku kada industrija sve više prelazi s jednostavnih chatbot primjena na agentne workflow-ove (agentic workflows) — višekoračne automatizirane procese u kojima AI autonomno obrađuje dokumente i prosljeđuje ih između sustava. U tom kontekstu nedostatak zajedničkog formata postaje usko grlo koje Docker i DocLang zajedno nastoje riješiti na razini cijelog ekosustava.