LF AI & Data：DocLangワーキンググループがAIネイティブドキュメントのオープン標準を開発

LF AI & Data Foundation（AIとデータのためのLinux Foundation）が2026年6月9日、DocLang Specification Working Groupの設立を発表した。このワーキンググループのタスクはAIネイティブドキュメント（AI-native documents）のオープンでベンダー中立な標準を開発することだ。創設メンバーはIBM・Red Hat・NVIDIAで、仕様開発に貢献する追加の協力者としてABBYYとHumanSignalがある。

根本的な問題：ビジネスドキュメントはAI向けに設計されていない

ほぼすべてのビジネスドキュメント——PDFレポート・Wordメモ・Excelスプレッドシート・PowerPointプレゼンテーション——は人間の消費のために作られた。人間は努力なしにタイトル・テーブルとグラフの違い・括弧内のメモのコンテキスト・章の論理的階層を認識する。AIシステムはこれを構造的に苦手とする。

そのようなドキュメントをAIパイプラインに入力する場合、複数の変換ステップが必要で、コンテキストの損失が頻繁に起き、処理の信頼性は変換を行うツールによって変動する。年間数百万のドキュメントを処理する企業規模では、その問題は重大になりアドホックな統合で解決するには費用がかかる。

DocLangはまさにドキュメントが存在する方法とAIがそれを受信する必要がある方法の間のギャップを橋渡ししたいと考えている。

DocLangは何を保存し、どのように構造化されているか？

DocLangは単一の表現にセマンティックな意味とドキュメントの幾何学的レイアウトの両方を保存するフォーマット仕様だ。つまりフォーマットはドキュメントに何が書いてあるかだけでなく、どこに・どのような構造で・要素間のどのような関係があるかも説明する。

DocLang仕様の主要な技術的特性：

• 構造的要素： 見出し・段落・テーブルがページ上の位置とともに記述される——これによりAIシステムがコンテンツの空間的コンテキストを理解できる
• ガバナンス制御： プライバシー・抽出許可・モデルトレーニング権に関する情報が外部メタデータとしてではなく——ドキュメント内に直接組み込まれる
• トークナイゼーションの最適化： フォーマットは現代のLLMトークナイザーとモデリングアプローチを念頭に置いて設計されており、AIシステムへの入力時の情報損失を削減する

Doclingとの関係：補完的なツール

DocLangがないものを理解することが重要だ：Doclingの代替ではない。DoclingはすでにPDF・DOCX・PPTX・XLSX・HTML・画像を受け入れて構造化された出力に変換するために使用されているオープンソースのコンバージョンツールだ。Doclingはingestionと変換の問題を解決する。

DocLangは次のレベルで動作する：その構造化された出力がシステム間でどのように交換されるかを標準化する。標準化された交換フォーマットなしに、別のシステムからドキュメントを受信する各AIシステムはそのシステムの特定の出力フォーマットを知る必要がある——これにより多数のカスタム統合とスケーリング時に増大する複雑さが生まれる。

DoclingとDocLangは縦のスタックを形成する：ingestionと変換にDocling、構造化された出力の標準化された交換にDocLangだ。

ベンダー中立のガバナンスとオープンメンバーシップ

成功する業界標準は1つの重要な特性を共有している：どのベンダーも仕様を一方的にコントロールしない。DocLangはJoint Development Foundation（JDF）——コミュニティのコンセンサスによるオープンガバナンスを保証する組織——のもとに置かれており、特定の参加者の一方的な決定ではない。

実際にはこれはIBMのDocLang実装がNVIDIAやRed Hatのものと互換性がなければならないこと、そしてその逆も同様だということを意味する。ドキュメント処理の長年のプレイヤーABBYYとデータアノテーションプラットフォームHumanSignalは、ドキュメント向けAIパイプラインが最も頻繁に実際の課題に直面する領域での経験を提供する：情報抽出・品質管理・トレーニングデータの準備。

プロジェクトのリファレンスページはdoclang.aiで入手可能だ。

主要なユースケース：RAG・交換・ガバナンス

DocLangはエンタープライズコンテキストでの3つのカテゴリのユースケースに主に焦点を当てている：

1. AI向けドキュメントの準備： RAG（Retrieval-Augmented Generation、検索拡張生成）システム・ファインチューニングパイプライン・ドキュメントからの構造化データ抽出への標準化された入力
2. システム間の交換： ドキュメントがコンテキストを失うことなくや再変換・フォーマット適応の必要なしに異なるベンダーの複数のAIシステムを通過できる
3. ドキュメントガバナンス： 組み込まれた制御がドキュメントで何ができるかを定義する——GDPRや金融・医療・公的管理分野の業界規制などの規制要件とともに特に重要になる

このイニシアチブは業界が単純なチャットボットアプリケーションからエージェントワークフロー（agentic workflows）——AIがドキュメントを自律的に処理してシステム間で転送する複数ステップの自動化プロセス——へますます移行している時期に来ている。そのコンテキストでは共通フォーマットの欠如がボトルネックになり、エコシステム全体のレベルでDockerとDocLangが共に解決しようとしている。