PDF-urile sunt greu de analizat de AI din cauza structurii lor, ceea ce ar putea duce la dezvoltarea unor formate alternative mai ușor de citit

Formatul PDF, creat de Adobe în 1993, este extrem de popular pentru documente, dar reprezintă o provocare pentru sistemele de inteligență artificială. Deși PDF-urile sunt concepute pentru a fi citite de oameni, structura lor complicată, cum ar fi coloanele, graficele și tabelele, îngreunează analiza automată. Programele AI trebuie să utilizeze tehnologii de recunoaștere optică a caracterelor (OCR) pentru a extrage textul, dar acestea întâmpină dificultăți cu documentele complexe. În contrast, formatele precum HTML sunt mai ușor de analizat datorită etichetelor care indică structura documentului.

Limitările PDF-urilor afectează atât utilizatorii, care au dificultăți în a le analiza, cât și companiile de AI, care nu pot accesa un volum mare de date stocate în formate nestructurate. În acest context, startup-uri precum Factify explorează dezvoltarea unor formate noi care să combine avantajele PDF-ului cu o analiză mai ușoară de către AI. De asemenea, compania Mistral lucrează la un sistem OCR bazat pe AI pentru a îmbunătăți citirea documentelor PDF. Deși PDF-ul rămâne standardul dominant, cererea pentru formate mai prietenoase cu mașinile crește pe măsură ce inteligența artificială devine tot mai relevantă.