A PDF-ek nehezen elemezhetők az AI által a struktúrájuk miatt, ami alternatív, könnyebben olvasható formátumok kifejlesztéséhez vezethet.

A PDF formátum, amelyet az Adobe 1993-ban hozott létre, rendkívül népszerű a dokumentumok számára, de kihívást jelent a mesterséges intelligencia rendszerei számára. Bár a PDF-eket emberek számára tervezték, bonyolult struktúrájuk, mint például az oszlopok, grafikonok és táblázatok, megnehezíti az automatikus elemzést. Az AI programoknak optikai karakterfelismerő (OCR) technológiákat kell használniuk a szöveg kinyerésére, de ezek nehézségekbe ütköznek a bonyolult dokumentumokkal. Ezzel szemben az olyan formátumok, mint a HTML, könnyebben elemezhetők a dokumentum struktúráját jelző címkék miatt.

A PDF-ek korlátai mind a felhasználókat, akiknek nehézségeik vannak az elemzés során, mind az AI cégeket érintik, amelyek nem tudnak hozzáférni a nagyméretű, strukturálatlan formátumokban tárolt adatokhoz. Ebben a kontextusban olyan startupok, mint a Factify, új formátumok kifejlesztését kutatják, amelyek ötvözik a PDF előnyeit a mesterséges intelligencia által könnyebben elemezhető formátumokkal. Ezenkívül a Mistral cég egy AI-alapú OCR rendszeren dolgozik a PDF dokumentumok olvasásának javítása érdekében. Bár a PDF továbbra is a domináló szabvány, a gépek számára barátságosabb formátumok iránti kereslet növekszik, ahogy a mesterséges intelligencia egyre relevánsabbá válik.