O que é o Docling?
Além de um projeto open source, o Docling é uma ferramenta que transforma documentos em dados estruturados para uso e aprendizado de Large Language Models (LLMs).
A maioria das organizações armazena seus dados em formatos de arquivo que dificultam o processamento e a extração pela IA. Para usar esses documentos em fluxos de trabalho como os de Geração Aumentada de Recuperação (RAG), ajuste fino ou agentes de IA, eles precisam ser convertidos em formatos como markdown, texto simples ou JSON.
Em resumo, o Docling é uma ferramenta complementar de processamento de documentos para a IA generativa.. Ele conecta os formatos de documento padrão aos requisitos de dados das máquinas.
Vídeo do YouTube: How Docling turns documents into usable AI data (12:22)
O que o Docling faz?
Com o Docling, a IA pode usar diferentes tipos de arquivo, como PDFs, apresentações, planilhas, áudio e vídeo, para obter resultados precisos e transparentes. O Docling vai além da simples extração de texto: ele entende o layout, a hierarquia e elementos complexos, como tabelas de várias páginas, imagens, listas e cabeçalhos.
A capacidade do Docling de processar arquivos simplifica a preparação de dados, convertendo documentos desorganizados de diferentes formatos em pipelines de conhecimento claros e prontos para LLM. Nos fluxos de trabalho modernos de IA, a qualidade da entrada determina a qualidade da saída. O Docling resolve esse dilema do "entra lixo, sai lixo" ao preservar a estrutura com ajuda de algoritmos de deep learning.
O Docling converte arquivos em PDF (Portable Document Format), DOCX (documentos do Microsoft Word), XLXS (planilhas do Excel), PPTX (apresentações do PowerPoint), HTML e muitos outros em um formato mais adequado para a IA.
Docling e RAG
Para oferecer resultados precisos, um sistema RAG depende de acesso aos dados e ao contexto em que se inserem. Antes da criação do Docling, era difícil manter o layout de um documento durante a extração de dados: as colunas e linhas se misturavam ou uma nota de rodapé era separada do parágrafo. O Docling preserva a estrutura dos documentos, o que reduz as alucinações e torna os sistemas RAG mais precisos nas respostas.
Docling e ajuste fino
O ajuste fino precisa de exemplos de texto claros e consistentes. Numeração de páginas aleatória, cabeçalhos repetitivos e quebras de linha podem gerar erros na ingestão de dados e resultados imprecisos. Pense no Docling como um mecanismo automatizado de limpeza de dados: ele remove o ruído visual e gera dados limpos e organizados para alimentar o modelo.
Docling e MCP
O Model Context Protocol (MCP) é um protocolo open source que viabiliza a conexão bidirecional e a comunicação padronizada entre aplicações de IA e serviços externos. Ele funciona como um tradutor universal para LLMs e ferramentas.
O servidor MCP oficial do Docling (componente que converte o documento) pode se conectar ao seu cliente MCP favorito (aplicação de IA que solicita acesso a dados e recursos externos, como Claude Desktop, LM Studio ou Cursor). Essa conexão permite que a aplicação use os recursos do Docling, viabilizando a extração de informações dos documentos e a conversão de dados. Seja qual for o LLM ou agente que você adota, se ele for compatível com chamadas de ferramentas, você terá acesso ao servidor MCP do Docling.
Quatro considerações importantes sobre a implementação da tecnologia de IA
Como o Docling processa estruturas de documento complexas
O Docling processa cada documento em etapas, movendo-o por um único pipeline:
- Você insere seu arquivo PDF original no Docling.
- O Docling analisa minuciosamente o documento para identificar suas diferentes partes. É nessa etapa que o Docling reconhece textos grandes e em negrito como cabeçalho, um bloco de palavras como parágrafo e uma grade de números como uma tabela. Durante essa análise de layout, cada parte é classificada com um DocTag, um código especializado legível por IA.
- O documento é movido por um pipeline que aplica o reconhecimento óptico de caracteres (OCR), o reconhecimento da estrutura de tabelas e uma análise de layout complementar. Essa parte do pipeline é personalizável, permitindo adicionar ou substituir modelos e introduzir parâmetros de configuração adicionais.
- O Docling reúne tudo o que aprendeu sobre o documento e gera uma pasta digital. Um modelo de pós-processamento otimiza o documento, organizando todas as partes em um arquivo markdown ou JSON. O arquivo final é conhecido como documento Docling.
O Docling é compatível com OCR e documentos digitalizados?
Sim. O Docling oferece suporte completo ao OCR, uma tecnologia que converte imagens ou textos em dados editáveis, pesquisáveis e legíveis por máquina. O OCR analisa as regiões claras e escuras de uma imagem para identificar letras e números. Por exemplo, se você tirar uma foto de um recibo para anexar a um relatório de despesas, o OCR conseguirá ler os números.
Docling e OCR
O OCR abriu caminho para o Docling. O Docling usa o OCR como base, mas traz recursos mais avançados.
O foco do OCR é transformar pixels em texto. Ele reconhece números e letras, mas não compreende bem layouts, hierarquia e formatação. Por exemplo, às vezes ele confunde colunas e linhas em uma tabela.
O Docling incrementa os recursos do OCR ao analisar cada documento em profundidade e interpretar seu layout, sua hierarquia e sua formatação. Ele reconhece cabeçalhos, parágrafos, gráficos, tabelas, equações e listas, preservando essa organização ao gerar a saída como arquivo Markdown ou JSON.
O Docling usa OCR nos casos em que é preciso extrair o texto bruto, como quando o documento é uma fotocópia borrada ou uma nota manuscrita.
O Docling pode ser executado localmente?
Sim. Por padrão, o Docling é executado localmente na sua máquina. Como os dados nunca saem do seu computador, você pode usar o Docling para analisar documentos confidenciais. Por ser executado localmente, o Docling ajuda a reduzir custos. Como ele usa o hardware do seu computador em vez de ferramentas de processamento em nuvem, você pode processar milhares de páginas no Docling sem gerar custos mensais.
O Docling é adequado para ambientes isolados?
Sim. O Docling funciona bem em ambientes isolados e de alta segurança. No entanto, você precisa estar conectado a internet para fazer o download dos modelos de IA do Docling, transferi-los para sua rede segura e configurar a ferramenta para execução no modo offline. Após a configuração, você terá um analisador de documentos de nível empresarial completamente protegido do mundo exterior.
O Docling e a comunidade open source
A IBM Research criou o Docling originalmente como uma ferramenta interna. Em abril de 2025, a IBM doou o Docling para a Linux® Foundation AI & Data Foundation. Isso quer dizer que o Docling é gratuito e sem dependência de fornecedor. A ferramenta evoluirá à medida que a comunidade open source global contribuir para ela.
O Docling é seguro?
O Docling faz parte da Linux Foundation, entidade responsável por sua governança, que oferece proteções legais e implanta ferramentas de cibersegurança para verificar o código continuamente em busca de vulnerabilidades. Essa dupla camada de segurança legal e técnica oferece tranquilidade até mesmo em ambientes regulamentados, como os dos setores de saúde e financeiro.
Algumas aplicações reais do Docling
Qualquer organização com documentação desorganizada pode se beneficiar do uso do Docling. Considere estes casos de uso:
Serviços financeiros
Muitos relatórios trimestrais de resultados, documentos regulatórios e formulários contêm textos em várias colunas e tabelas extensas. O Docling automatiza a extração de dados financeiros para isolar tabelas e convertê-las em grades de Markdown. Em vez de analistas gastarem horas copiando e colando números manualmente em planilhas, um agente de IA pode ler o resultado do documento Docling e calcular métricas rapidamente.
Descoberta e análise de documentos legais
Escritórios de advocacia e departamentos legais gerenciam milhares de contratos, arquivos e documentos trazendo imagens digitalizadas, notas de rodapé e notas laterais que podem confundir leitores de texto convencionais. O Docling segue cuidadosamente a hierarquia do documento, assegurando que as notas de rodapé permaneçam vinculadas aos trechos originais, mantendo também a coerência contextual. Dessa forma, os dados são melhor preparados para a RAG, permitindo que os advogados usem uma interface de chat com IA para fazer perguntas complexas e obter respostas precisas.
Pesquisa científica
Empresas farmacêuticas e instituições de pesquisa precisam se manter atualizadas com milhares de revistas científicas, artigos médicos e pedidos de patente para acelerar a pesquisa e o desenvolvimento. O Docling pode processar literatura acadêmica complexa com várias colunas, analisar fórmulas matemáticas e associar figuras a legendas específicas. Isso gera dados de treinamento mais precisos e contextualizados para o ajuste fino de LLMs. Como resultado, as ferramentas de IA usadas na área da saúde conseguem analisar milhões de páginas de pesquisa ao mesmo tempo e identificar novos padrões em interações medicamentosas ou estruturas químicas.
Agências governamentais e de defesa
Departamentos governamentais lidam com manuais, contratos e documentações altamente confidenciais. Eles não podem usar serviços de IA em nuvem pública, como o ChatGPT, para analisar esses documentos. O Docling é executado localmente e oferece suporte a ambientes isolados, permitindo que as agências governamentais desenvolvam ferramentas de IA internas seguras, para analisar e extrair informações técnicas importantes, protegendo os dados confidenciais.
Como começar a usar o Docling?
Antes de fazer o download do Docling, instale o Python em sua máquina e certifique-se de ter espaço de hardware suficiente para armazenar os modelos de layout da IA do Docling e o PyTorch, um framework open source de deep learning.
Depois, basta um comando no terminal para fazer o download. Em seguida, é só vinculá-lo à sua interface de IA favorita, arrastar os documentos para a janela do chat e deixar o Docling fazer o resto.
Para entender de verdade a simplicidade do Docling, vale lembrar o quanto era demorado extrair dados de um documento multiformato no passado. O processo envolvia escrever centenas de linhas de código para direcionar a lógica de processamento, por exemplo: "Se a extensão do arquivo for .pdf, faça isso. Se for uma imagem, faça aquilo". Com o Docling e o MCP, esse processo ficou muito mais fácil.
Como a Red Hat pode ajudar
O Red Hat® AI foi desenvolvido para oferecer inferências rápidas, flexíveis e eficientes por meio de um servidor com tecnologia vLLM. Ele cria uma conexão confiável entre os modelos e os dados, reunindo numa única plataforma a personalização e o desenvolvimento de agentes especializados. Juntos, o Red Hat AI e o Docling oferecem as ferramentas necessárias para transformar documentos complexos em informações úteis. Como ambos são desenvolvidos a partir de uma base open source, você tem controle total dos fluxos de trabalho de IA, de ponta a ponta, em qualquer escala.
O Red Hat AI Portfolio agora inclui o Red Hat AI Enterprise: uma plataforma para implantar, gerenciar e escalar inferência de IA, fluxos de trabalho de agentes de IA e aplicações com IA em qualquer infraestrutura.
Artificial Intelligence (AI)
See how our platforms free customers to run AI workloads and models anywhere
