¿Qué es Docling?

Docling es un proyecto y una herramienta open source que convierte documentos en datos estructurados que un modelo de lenguaje de gran tamaño (LLM) puede utilizar y de los que puede aprender. 

La mayoría de los datos empresariales se encuentran en formatos de archivo que los modelos de inteligencia artificial tienen dificultades para leer y, por lo tanto, de los que les cuesta extraer la información. Entonces, para utilizar estos documentos en flujos de trabajo como la generación aumentada por recuperación (RAG), el perfeccionamiento o la inteligencia artificial con agentes (agentic AI), es necesario convertirlos a un formato como Markdown, texto sin formato o JSON.

En pocas palabras, Docling es un complemento de procesamiento de documentos para la inteligencia artificial generativa. Unifica los formatos de documentos estándares y los requisitos de datos centrados en las máquinas. 

Descubre Red Hat AI

Video de YouTube: How Docling turns documents into usable AI data (12:22)

Docling ayuda a garantizar que la inteligencia artificial pueda utilizar archivos PDF, presentaciones, hojas de cálculo y archivos de audio y video, entre otros, para obtener resultados más precisos y transparentes. Docling no se limita únicamente a la extracción de texto; comprende el diseño, la jerarquía y elementos complejos como tablas de varias páginas, imágenes, listas con viñetas y encabezados. 

La capacidad de Docling para transformar archivos simplifica la preparación de datos, ya que convierte documentos desordenados y en múltiples formatos en flujos de conocimiento limpios y listos para modelos de lenguaje de gran tamaño (LLM). Resuelve el dilema de "si entra basura, sale basura" de los flujos de trabajo modernos de inteligencia artificial, donde la calidad de la entrada determina la calidad de la salida, al conservar la estructura con la ayuda de algoritmos de deep learning (aprendizaje profundo). 

Docling convierte archivos como PDF (formato de documento portátil), DOCX (documentos de Microsoft Word), XLXS (hojas de cálculo de Excel), PPTX (presentaciones de PowerPoint), HTML y muchos más a un formato más compatible con la inteligencia artificial.

Obtén más información sobre el procesamiento de documentos de Docling

Docling y RAG

Para que un sistema RAG sea preciso, necesita tener acceso a los datos y al contexto que los rodea. Antes de Docling, era difícil conservar el diseño de un documento al extraer datos de él: las columnas y las filas podían desordenarse, o una nota al pie podía separarse de su párrafo. Docling conserva la estructura de los documentos, lo que reduce las alucinaciones y mantiene la relevancia de los sistemas RAG. 

Docling y perfeccionamiento

El perfeccionamiento requiere ejemplos de texto limpios y con un formato uniforme. Los números de página aleatorios, los encabezados repetitivos y los saltos de línea incorrectos pueden generar confusión en la incorporación de datos y errores en los resultados. Piensa en Docling como un motor automatizado de limpieza de datos: elimina el ruido visual y crea datos limpios y organizados para que el modelo los incorpore. 

Obtén más información sobre la RAG y el perfeccionamiento

Docling y MCP

El protocolo de contexto de modelos (MCP) es un protocolo open source que permite la conexión bidireccional y la comunicación estandarizada entre las aplicaciones de inteligencia artificial y los servicios externos. Funciona como un traductor universal entre los LLM y las herramientas. 

El servidor MCP oficial de Docling (el elemento que convierte el documento) se puede integrar a tu cliente MCP favorito (la aplicación de inteligencia artificial que solicita acceso a datos o recursos externos, como Claude Desktop, LM Studio o Cursor). Esta conexión permite que tu aplicación utilice las funciones de Docling, para que puedas extraer información de tus documentos y convertir los datos. Si el modelo de lenguaje de gran tamaño (LLM) o agente que utilizas permite realizar llamadas a herramientas, puedes usar el servidor MCP de Docling. 

Docling procesa cada documento paso a paso, llevándolo por un único canal:

1. Le envías tu archivo PDF original a Docling.
2. Docling analiza el documento y lo desglosa para identificar sus diferentes partes. En este paso, Docling reconoce el texto grande y en negrita como un encabezado, un bloque de palabras como un párrafo y una cuadrícula de números como una tabla. Durante este análisis de diseño, cada parte se etiqueta con un DocTag, que es un código especializado que puede leer la inteligencia artificial. 
3. El documento pasa por un canal que aplica el reconocimiento óptico de caracteres (OCR), el reconocimiento de la estructura de tablas y un análisis de diseño más detallado. Esta parte del proceso es personalizable, por lo que puedes agregar o remplazar modelos e introducir parámetros de configuración adicionales. 
4. Docling recopila toda la información que aprendió sobre el documento y genera una carpeta digital. Un modelo de posprocesamiento perfecciona el documento al organizar las partes en un archivo limpio en formato Markdown o JSON. Este archivo final se conoce como "documento Docling". 

¿Docling es compatible con el OCR y los documentos escaneados?

Sí, Docling es totalmente compatible con el OCR, un tipo de tecnología que convierte imágenes o texto en datos editables, con capacidad de búsqueda y comprensible para las máquinas. El OCR analiza las áreas claras y oscuras de una imagen para identificar letras y números. Por ejemplo, si tomas una foto de un recibo para subirla a un informe de gastos, el OCR puede leer los números.

Docling y OCR 

El OCR sentó las bases para que Docling pudiera avanzar. Docling utiliza el OCR como base, pero cuenta con funciones más avanzadas. 

El OCR se centra en convertir píxeles en texto. Puede reconocer números y letras, pero tiene una comprensión limitada del diseño, la jerarquía y el formato. Por ejemplo, a veces confunde las columnas con las filas en una tabla. 

Docling lleva las funciones del OCR un paso más allá al analizar los documentos con un alto nivel de comprensión del diseño, la jerarquía y el formato. Puede reconocer encabezados, párrafos, gráficos, tablas, ecuaciones y listas. Mantiene esta organización cuando genera un archivo de salida en formato Markdown o JSON. 

Docling utiliza el OCR en casos en los que se necesita la extracción de texto sin formato, como cuando el documento es una fotocopia borrosa o una nota escrita a mano. 

¿Docling puede ejecutarse localmente?

Sí, Docling se ejecuta por completo de forma local en tu propia computadora de manera predeterminada. Como los datos nunca salen de tu computadora, puedes usar Docling para analizar documentos confidenciales. La capacidad de Docling para ejecutarse localmente es muy útil cuando hay que mantener bajos los costos. Al utilizar el hardware de tu computadora en lugar de herramientas de procesamiento en la nube, puedes procesar miles de páginas con Docling sin que se dispare tu factura mensual.

¿Docling es adecuado para entornos aislados?

Sí, Docling funciona bien en entornos altamente seguros y aislados. Sin embargo, debes descargar los modelos de inteligencia artificial de Docling mientras estás conectado a Internet, transferirlos a tu red segura y configurar Docling para que se ejecute en "modo sin conexión". Una vez configurado, tendrás un analizador de documentos para empresas completamente aislado del mundo exterior.

En un principio, IBM Research creó Docling como una herramienta interna. En abril de 2025, IBM donó Docling a Linux® Foundation AI & Data Foundation. Esto significa que Docling es de uso gratuito, no depende de ningún proveedor en particular y evolucionará a medida que la comunidad open source global contribuya a su desarrollo.

¿Es seguro usar Docling?

Docling forma parte de Linux Foundation, una organización reguladora que brinda protección legal e implementa herramientas de ciberseguridad para analizar permanentemente el código en busca de puntos vulnerables. Esta doble capa de seguridad, tanto legal como técnica, brinda tranquilidad incluso para entornos regulados como los sectores de la salud y las finanzas.

Cualquier empresa con documentación dispersa puede beneficiarse del uso de Docling. Analiza estos casos prácticos:

Servicios financieros
Muchos informes trimestrales de resultados, presentaciones regulatorias y formularios están repletos de texto en varias columnas y tablas extensas. Docling puede automatizar la extracción de datos financieros para aislar las tablas y convertirlas en cuadrículas Markdown. En lugar de que los analistas pasen horas copiando y pegando números en hojas de cálculo de forma manual, un agente de inteligencia artificial puede leer el resultado del documento Docling y calcular indicadores al instante.

Análisis y exploración de documentos legales
Los bufetes de abogados y los departamentos jurídicos manejan miles de contratos, expedientes y documentos que suelen incluir imágenes escaneadas, notas al pie y notas al margen que pueden confundir a los lectores de texto estándar. Docling rastrea meticulosamente la jerarquía de los documentos, asegurándose de que las notas al pie permanezcan vinculadas a sus oraciones originales y mantengan su sentido contextual. Esto prepara mejor los datos para la RAG, de modo que los abogados puedan usar una interfaz de chat con inteligencia artificial para formular preguntas complejas y obtener respuestas precisas. 

Investigación científica
Las empresas farmacéuticas y las instituciones de investigación necesitan mantenerse al día con miles de revistas científicas, whitepapers médicos y solicitudes de patentes para acelerar su investigación y desarrollo. Docling puede procesar literatura académica compleja de varias columnas, analizar fórmulas matemáticas y asociar figuras con leyendas específicas. Esto genera datos de entrenamiento más precisos para perfeccionar los modelos de lenguaje de gran tamaño (LLM) específicos de cada área. Como resultado, las herramientas de inteligencia artificial en el sector de la salud pueden escanear millones de páginas de investigación simultáneamente para detectar nuevos patrones en las interacciones entre medicamentos o en las estructuras químicas.

Organismos gubernamentales y de defensa
Los departamentos gubernamentales gestionan manuales, contratos y documentación que son altamente clasificados. Por lo tanto, no pueden subir estos archivos a servicios de inteligencia artificial en la nube pública, como ChatGPT, para su análisis. Docling se ejecuta de manera local y es compatible con entornos aislados, lo que permite a los organismos gubernamentales desarrollar herramientas internas de inteligencia artificial centradas en la seguridad que analizan y extraen información técnica clave al mismo tiempo que protegen los datos clasificados. 

Conecta los modelos y los datos con Red Hat AI

Antes de descargar Docling, asegúrate de haber instalado Python en tu computadora y de contar con suficiente espacio para almacenar los modelos de diseño de inteligencia artificial de Docling y PyTorch, un marco open source para el deep learning. 

Cuando todo esté listo, descarga Docling con un solo comando en la terminal. A continuación, puedes vincularlo a tu interfaz de chat con inteligencia artificial favorita y comenzar a arrastrar y soltar documentos en tu ventana de chat para que Docling empiece a trabajar.

Para apreciar realmente la simplicidad de Docling, es importante señalar que antes solía llevar mucho tiempo extraer datos de documentos con varios formatos. El proceso incluía escribir cientos de líneas de código para dirigir la lógica de procesamiento, por ejemplo: "Si el archivo termina en .pdf, haz esto. Si tiene una imagen, haz esto otro". Gracias a Docling y el MCP, este proceso se ha vuelto mucho más sencillo.

Aprende a diseñar una aplicación con agentes para Docling con MCP

Red Hat® AI está diseñada para ofrecer inferencias rápidas, flexibles y eficientes a través de su servidor con vLLM. Conecta los modelos a tus datos de manera confiable para unificar la personalización y el desarrollo de agentes especializados en una sola plataforma. Docling y Red Hat AI proporcionan las herramientas necesarias para convertir documentos complejos en información útil. Ambos productos cuentan con una base open source y te brindan el control total de los flujos de trabajo de inteligencia artificial en cualquier escala. 

La cartera de productos de Red Hat AI incluye Red Hat AI Enterprise, una plataforma para implementar, gestionar y ajustar la inferencia de esta tecnología y las aplicaciones que la utilizan, además de los flujos de trabajo de inteligencia artificial con agentes (Agentic AI) en cualquier infraestructura.

Descubre Red Hat AI