LF AI & Data: DocLang 워킹 그룹이 AI 네이티브 문서를 위한 개방형 표준 개발

LF AI & Data Foundation(AI 및 데이터를 위한 Linux Foundation)이 2026년 6월 9일 DocLang Specification Working Group 발족을 발표했습니다. AI 네이티브 문서(AI-native documents)를 위한 개방적이고 벤더 중립적인 표준을 개발하는 것이 이 워킹 그룹의 목표입니다. 창립 회원은 IBM, Red Hat, NVIDIA이며, 사양 개발에 기여하는 추가 협력자로 ABBYY와 HumanSignal이 있습니다.

근본 문제: 비즈니스 문서는 AI를 위해 설계되지 않았습니다

절대다수의 비즈니스 문서인 PDF 보고서, Word 문서, Excel 스프레드시트, PowerPoint 프레젠테이션은 인간 소비를 위해 만들어졌습니다. 사람은 제목, 표와 차트의 차이, 괄호 안 주석의 맥락, 장의 논리적 계층 구조를 쉽게 인식합니다. AI 시스템은 이러한 부분에서 구조적인 어려움을 겪습니다.

이러한 문서가 AI 파이프라인에 입력될 때 여러 변환 단계가 필요하고, 컨텍스트 손실이 빈번하며, 처리 신뢰성이 변환을 수행하는 도구에 따라 다릅니다. 기업 규모에서, 즉 기업이 연간 수백만 건의 문서를 처리하는 경우, 이 문제는 임시방편 통합으로 해결하기에 비용이 많이 드는 중요한 문제가 됩니다.

DocLang은 문서가 존재하는 방식과 AI가 문서를 받아야 하는 방식 사이의 이 격차를 메우고자 합니다.

DocLang이 보존하는 것은 무엇이며 어떻게 구조화되나요?

DocLang은 단일 표현에서 문서의 의미론적 의미와 기하학적 레이아웃을 모두 보존하는 형식 사양입니다. 형식이 문서에 무엇이 쓰여 있는지만이 아니라 어디에, 어떤 구조로, 요소 간의 관계가 어떻게 되는지도 설명한다는 것을 의미합니다.

DocLang 사양의 주요 기술적 특성:

• 구조적 요소: 제목, 단락, 표를 페이지상의 위치와 함께 설명 — AI 시스템이 콘텐츠의 공간적 맥락을 이해할 수 있게 합니다
• 거버넌스 컨트롤: 개인 정보, 추출 허가, 모델 훈련 권한에 관한 정보를 외부 메타데이터가 아닌 문서에 직접 내장
• 토크나이저 최적화: 형식이 현대 LLM 토크나이저와 모델링 접근 방식을 염두에 두고 설계되어 AI 시스템 입력 시 정보 손실을 최소화

Docling과의 관계: 보완적인 도구

DocLang이 무엇이 아닌지 이해하는 것이 중요합니다. Docling의 대체재가 아닙니다. Docling은 이미 사용 중인 오픈 소스 도구로, 문서를 변환합니다. PDF, DOCX, PPTX, XLSX, HTML, 이미지를 받아 구조화된 출력으로 변환합니다. Docling은 수집 및 변환 문제를 해결합니다.

DocLang은 다음 수준에서 작동합니다. 해당 구조화된 출력이 시스템 간에 교환되는 방식을 표준화합니다. 표준화된 교환 형식 없이는 문서를 받는 모든 AI 시스템이 해당 시스템의 특정 출력 형식을 알아야 합니다. 이는 수많은 맞춤형 통합과 규모 확장 시 증가하는 복잡성을 초래합니다.

따라서 Docling과 DocLang은 수직 스택을 형성합니다. Docling은 수집 및 변환을 위한 것이고, DocLang은 구조화된 출력의 표준화된 교환을 위한 것입니다.

벤더 중립 거버넌스와 개방형 멤버십

성공하는 산업 표준은 한 가지 핵심 특성을 공유합니다. 단 하나의 벤더도 일방적으로 사양을 제어하지 않는다는 것입니다. DocLang은 Joint Development Foundation(JDF) 하에 위치하며, 단일 참가자의 일방적 결정이 아닌 커뮤니티 합의를 통해 개방적인 거버넌스를 보장하는 조직입니다.

이는 실제로 IBM의 DocLang 구현이 NVIDIA 또는 Red Hat의 것과 호환되어야 함을 의미합니다. 그리고 그 반대도 마찬가지입니다. 문서 처리 분야의 장기적인 플레이어인 ABBYY와 데이터 주석 플랫폼인 HumanSignal은 AI 파이프라인이 실질적인 과제에 가장 자주 부딪히는 도메인에서의 경험을 기여합니다. 정보 추출, 품질 관리, 훈련 데이터 준비가 그것입니다.

프로젝트 참조 페이지는 doclang.ai에서 이용 가능합니다.

주요 응용 프로그램: RAG, 교환, 거버넌스

DocLang은 주로 엔터프라이즈 맥락에서 세 가지 응용 프로그램 카테고리에 초점을 맞춥니다.

1. AI를 위한 문서 준비: RAG(Retrieval-Augmented Generation) 시스템, 파인튜닝 파이프라인, 문서에서의 구조화된 데이터 추출을 위한 표준화된 입력
2. 시스템 간 교환: 문서가 컨텍스트 손실이나 형식 재변환 및 조정 없이 다른 벤더의 여러 AI 시스템을 통과할 수 있습니다
3. 문서 거버넌스: 내장된 컨트롤이 문서로 무엇을 할 수 있는지 정의합니다. GDPR 또는 금융, 의료, 공공 행정의 섹터별 규정과 같은 규제 요건과 함께 특히 중요해집니다

이 이니셔티브는 산업이 단순한 챗봇 응용 프로그램에서 AI가 문서를 자율적으로 처리하고 시스템 간에 전달하는 다단계 자동화 프로세스인 에이전트 워크플로우(agentic workflows)로 점점 더 이동하는 시점에 등장합니다. 그 맥락에서 공통 형식의 부재는 Docker와 DocLang이 전체 생태계 수준에서 함께 해결하려는 병목 현상이 됩니다.