Linux Foundationi alla kuuluv LF AI & Data Foundation moodustas töörühma, et arendada DocLang-nimelist tehisintellektile (AI) sõbralikku dokumendiformaati, mis aitaks ettevõtetel oma faile AI-süsteemidele sisestada. Töörühma asutasid IBM, NVIDIA, Red Hat, ABBYY, HumanSignal ja Forgis. Nende sõnul ei sobi praegused formaadid nagu PDF, Markdown, HTML ja LaTeX hästi AI-dokumentide töötlemiseks. 2024. aasta lõpus lõi IBM avatud lähtekoodiga tööriistakomplekti Docling, mis sarnaneb Microsofti MarkItDowni ja Marker projektiga ning teisendab failid AI-le sobivaks struktuuriks. DocLang laiendab seda standardiga, mis võimaldab struktureeritud andmete vahetust eri süsteemide vahel. ABBYY tehisintellektistrateegia asepresidendi Maxime Vermeiri sõnul on dokumendid loodud inimestele, mitte masinatele. Spetsifikatsioon põhineb piiratud XML-sõnavaral, mis on optimeeritud suurte keelemudelite (LLM) tokenisaatoritele suhtega 1:1. Formaat on kadudeta ja toetab tabeleid, valemeid, graafikuid ning multimodaalset sisu. DocLang aitaks ka kulusid kontrolli all hoida — AI Cost Checki andmetel nõuab PDF-i OCR-skaneerimine umbes 1 200 sisend- ja 150 väljundtokenit, mis suuremas mahus muutub oluliseks kuluks.
