Опубликовано руководство по передовой практике «Одновременное обеспечения соответствия спецификациям PDF/A и PDF/UA»

Данный материал был выложен 11 июня 2025 года на сайте Ассоциации PDF (PDF Association).

Настоящий документ содержит ключевые рекомендации для тех, кто стремится создавать PDF-файлы, соответствующие нескольким стандартизированным Международной организацией по стандартизации (ИСО) подмножествам полного формата PDF - в частности, PDF/A (ISO 19005) для архивирования и PDF/UA (ISO 14289) для обеспечения доступности.

Ассоциация PDF рада сообщить о том, что в свободном доступе выложено новое руководство по передовой практике: «Одновременное обеспечение соответствия спецификациям PDF/A и PDF/UA» (Best Practice Guide: Conforming to Both PDF/A and PDF/UA, https://pdfa.org/resource/conforming-to-both-pdf-a-and-pdf-ua-best-practice-guide/ , прямая ссылка на PDF-файл: https://pdfa.org/download-area/publications/Conforming-to-both-PDFA-&-PDFUA.pdf ) объёмом 7 страниц.  

Настоящий документ содержит ключевые рекомендации для тех, кто стремится создавать PDF-файлы, соответствующие нескольким стандартизированным Международной организацией по стандартизации (ИСО) подмножествам полного формата PDF - в частности, PDF/A (ISO 19005) для архивирования и PDF/UA (ISO 14289) для обеспечения доступности. Руководство применимо как в отношении версии формата PDF 1.7, так и в отношении более новой версии PDF 2.0.

Мой комментарий: Речь идёт о следующих документах: 

• Стандарт из 4-х частей ISO 19005 «Управление контентом - Файловый формат электронных документов для обеспечения их долговременной сохранности» (Document management - Electronic document file format for long-term preservation), специфицирующий «архивные» варианты для различных базовых версий формата PDF. В России не адаптировался, в то же время существуют опубликованные ИСО официальные русские редакции первых 3 частей, см.  https://www.iso.org/obp/ui#iso:std:iso:19005:-1:ed-1:v1:ru , https://www.iso.org/obp/ui/ru/#iso:std:iso:19005:-2:ed-1:v1:ru и https://www.iso.org/obp/ui/ru/#iso:std:iso:19005:-3:ed-1:v1:ru 
  
  
• Стандарт из 2-х частей ISO 14289 «Приложения для управления контентом - Расширения электронного документного файлового формата для обеспечения доступности» (Document management applications - Electronic document file format enhancement for accessibility). В России не адаптировался.
  
  В России действует национальный стандарт ГОСТ Р 70176-2022 «Интернет-ресурсы и другая информация, представленная в электронно-цифровой форме. Файлы формата PDF. Требования доступности для людей с инвалидностью и других лиц с ограничениями жизнедеятельности», см. https://protect.gost.ru/document.aspx?control=7&id=245374 

В эпоху ужесточения законодательно-нормативных требований к доступности документов многие разработчики сталкиваются с необходимостью добавления поддержки спецификаций PDF/UA к своим существующим возможностям генерации файлов в формате PDF/A, - в связи с чем у других заинтересованных сторон, особенно у специалистов по обеспечению долговременной сохранности и у тех, кто отвечает за обеспечение доступности, возникают вопросы. 

В данном руководстве рассматриваются проблемы, возникающие при интеграции этих стандартов, особенно в тех случаях, когда унаследованные системы основаны на более старых спецификациях формата PDF, которые могут не поддерживать современные функциональные возможности. В данном документе объясняется, каким образом преодолевать сложности создания документов, отвечающих как архивным требованиям, так и требованиям по доступности, обеспечивая долговременную сохранность и удобство использования для всех.

Данное руководство помогает читателям всесторонне разобраться в вопросе совместимости между различными редакциями PDF/A и PDF/UA. В сводной таблице совместимости суммированы рекомендации Ассоциации PDF, показывающие, какие версии PDF/A и PDF/UA можно использовать совместно.

В руководстве подчеркивается важность использования стандарта ISO 32000-2:2020 (PDF 2.0) в качестве эталонных спецификаций в рамках любых разработок для PDF-документов. Этот документ, бесплатно доступный на сайте Ассоциации PDF (см. https://pdfa.org/sponsored-standards/ ), исправляет ошибки и устраняет неоднозначности, имевшие место в более ранних версиях спецификаций формата PDF.

Данное руководство по передовой практике является важным ресурсом для любого разработчика приложений, работающего со спецификациями PDF/A и PDF/UA. Оно доступно на сайте Ассоциации PDF наряду с иной информацией, ресурсами и публикациями по версии формата PDF с поддержкой доступности ( https://pdfa.org/accessibility/ ) и по «архивной» версии формата PDF ( https://pdfa.org/archival-pdf/ ).

Спецификации PDF/UA-1 и PDF/UA-2 также бесплатно доступны на сайте Ассоциации PDF, см. https://pdfa.org/sponsored-standards/ .

Источник: сайт Ассоциации PDF (PDF Association)
https://pdfa.org/conforming-to-both-pdf-a-and-pdf-ua-a-new-best-practice-guide/ 

Выложены видеозаписи и презентации докладов на конференции «Европейские дни PDF 2025 года»

Данная заметка была выложена 27 октября 2025 года на сайте Ассоциации PDF (PDF Association).

Ожидание закончилось! Видеозаписи и презентации ко всем докладам на конференции «Европейские дни PDF 2025 года» (PDF Days Europe 2025) теперь доступны онлайн!

Время пришло! Видеозаписи всех докладов на конференции «Европейские дни PDF 2025 года» и презентации к ним наконец-то доступны.

Мой комментарий: О конференции «Европейские дни PDF 2025 года», прошедшей 15-16 сентября 2025 года в Берлине, см. также переводы постов американского коллеги Эндрю Поттера (Andrew Potter) здесь:

• https://rusrim.blogspot.com/2025/09/pdf-2025-pdf-days-europe-2025.html 
  
  
• https://rusrim.blogspot.com/2025/09/blog-post_89.html 
  
  
• https://rusrim.blogspot.com/2025/10/pdf.html 
  
  
• https://rusrim.blogspot.com/2025/09/pdf.html 
  
  
• https://rusrim.blogspot.com/2025/09/pdfa-1.html 

Чтобы найти нужные Вам материалы, обратитесь к веб-станице с программой конференции ( https://pdfa.org/agenda/pdf-days-europe-2025/ ), к архиву презентаций ( https://pdfa.org/presentation/ ) или же посмотрите наш плейлист на сайте YouTube ( https://youtube.com/playlist?list=PLfGR40SWnakhgSxXc8y70j7Juo8plKQEU&si=nDLmWIGbl9ObTLmr )!

Плейлист на сайте YouTube

Ниже приведена (очень!) краткая сводная информация о докладах.

Конференция «Европейские дни PDF 2025 года» началась с пленарного доклада профессора д-ра Филиппа Хакера (Phillipp Hacker) на тему «Роль ИИ в быстром изменении процессов создания контента, управления им и обеспечения его аутентичности» (The role of AI in rapidly reshaping content creation, management, and authenticity, https://pdfa.org/presentation/the-role-of-ai-in-rapidly-reshaping-content-creation-management-and-authenticity/ ), в котором были обозначены риски для документов и контента в мире повсеместного использования ИИ, где эффективность, происхождение и доверие являются доминирующими темами.

Проблема использования возможностей ИИ без принесения в жертву надёжности постоянно звучала в докладах и в кулуарных беседах, являясь контекстом для дискуссий о метаданных, подписях, верификации и ответственности разработчиков инструментов и владельцев контента.

Доклад «PDF 2030» ( https://pdfa.org/presentation/pdf-2030/ ) пригласил слушателей задуматься о том, как изменения платформ, ожидания пользователей и новые стандарты должны определять приоритеты. В докладе «Современные невидимые чернила: Понимание скрытой информации в PDF» (Modern invisible ink – Understanding hidden information in PDF, https://pdfa.org/presentation/modern-invisible-ink-understanding-hidden-information-in-pdf/ ) были подробно рассмотрела реальные особенности контента, которые пользователям не видны, но который системы обработки данных «вниз по потоку» должны корректно обрабатывать; «скрытые» структуры, которые могут как способствовать оптимизации рабочих процессов, так и (в случае неправильной обработке) создавать риски. Тем временем в докладе «PDF с тегами в дикой природе: Доступность и извлечение в больших масштабах» (Tagged PDF in the Wild: Accessibility and extraction at scale), https://pdfa.org/presentation/tagged-pdf-in-the-wild/ ) были представлены взятые из практики свидетельства на основе реальных документов о тенденциях использования механизмов повторного использования и доступности PDF-файлов.

В докладе «PDF для коллективной работы» (Collaborative PDF, https://pdfa.org/presentation/collaborative-pdf/ ) рассматривался вопрос о том, как в будущем, используя более развитые модели совместного редактирования, аннотирования и рецензирования, можно будет работать в рамках надежных, интероперабельных рабочих процессов с PDF-файлами. В докладе «Криминалистический анализ PDF-файлов и проблема метаданных» (PDF Forensics and the Metadata conundrum, https://pdfa.org/presentation/pdf-forensics-and-the-metadata-conundrum/ ) показана двойственная природа описательных данных - они жизненно важны для э-раскрытия и исполнения законодательно-нормативных требований, но они также являются источником проблем, связанных с защитой персональных данных и со стратегическим управлением. В докладе «Понимание структуры таблиц в PDF и извлечение из них данных» (Understanding the structure of PDF tables and extracting data from them, https://pdfa.org/presentation/understanding-the-structure-of-pdf-tables-and-extracting-data-from-them/ ) была рассмотрена одна из самых насущных проблем в данной области: получение надежных, семантически значимых табличных данных из разнородных документов.

Темы безопасности и аутентичности также всё время звучали в ходе мероприятия. В докладе «Безопасность и аутентичность документов» (Document security and authenticity, https://pdfa.org/presentation/document-security-and-authenticity/ ) были рассмотрены модели угроз и цепочки доверия в мире, где ввод документов осуществляется как людьми, так и машинами, - а в докладе «HTML и PDF: Заклятые друзья-враги» (HTML and PDF, best of Frenemies, https://pdfa.org/presentation/html-and-pdf-best-of-frenemies/ ) обосновывалась необходимость сосуществования в рамках практической деятельности и использования сильных сторон каждого формата, а не навязывания ложного выбора. В докладе «За пределами автоматизации» (Beyond Automation, https://pdfa.org/presentation/beyond-automation/ ) приводились аргументы в пользу подходов к обеспечению доступности, которые бы учитывают потребности пользователей. В совокупности эта группа докладов привлекла внимание к серьезной истине: «умные» конвейеры имеют смысл только в том случае, если их результаты надёжны, воспринимаемы и проверяемы как людьми, так и системами.

Во второй день конференции основное внимание уделялось вопросам доступности и производственным реалиям. Утреннее заседание открыл пленарный доклад Александра Пфингстля (Alexander Pfingstl) «Доступные цифровые документы» (Accessible Digital Documents, https://pdfa.org/presentation/accessible-digital-documents/ ). В докладе «Работа с методами создания доступных PDF-файлов» (Working with Techniques for accessible PDF, https://pdfa.org/presentation/how-to-work-with-the-techniques-for-accessible-pdf/ ) были связаны воедино рекомендации стандартов и практический опыт работы по созданию и корректировке PDF-файлов, - в то время, как в докладе «Когда PDF-файлы критически важны для производства» (When PDF is production critical, https://pdfa.org/presentation/when-pdf-is-production-critical/ ) были затронуты вопросы масштабируемости и надежности в корпоративных процессах печати. В докладе «Упрощение процесса проектирования» (Making it easier to design, https://pdfa.org/presentation/making-it-easier-to-design/ ) было обращено внимание на разрыв между инструментами проектирования и системами печати. Доклад «В защиту инкрементального сохранения» (In Defense of the Incremental Save, https://pdfa.org/presentation/in-defense-of-the-incremental-save/ ) напомнил всем о ценности этой давно существующей функциональной возможности формата PDF.

Как и ожидалось, большое внимание привлекла тема искусственного интеллекта, затронутая в докладах «Расширение возможностей будущего формата PDF с помощью ИИ» (Empowering the Future of PDF with AI,  https://pdfa.org/presentation/empowering-the-future-of-pdf-with-ai/ ) и «PDF, ИИ и защита персональных данных: Может ли интеллектуальное быть безопасным?» (PDF, AI, and Data Protection: Can Smart Be Safe?” ( https://pdfa.org/presentation/pdf-ai-and-data-protection-can-smart-be-safe/ ). В обоих случаях подчеркивалась важность проектирования, ориентированного на защиту персональных данных, и четкая грань между удобством инструментов генеративного ИИ и проверяемой истиной. В докладе «ИИ и доступность PDF-файлов» (AI and PDF Accessibility, https://pdfa.org/presentation/ai-and-pdf-accessibility/ ) внимание было сфокусировано на потенциале ИИ в плане способствования инклюзивности и доступности документов. 

В докладе «Создание снабженных тегами и доступных PDF-файлы с помощью LaTeX - переосмысление» (Tagged and Accessible PDF with LaTeX - revisited, https://pdfa.org/presentation/tagged-and-accessible-pdf-with-latex-revisited/ ) сообщалось об  устойчивом прогрессе в издательском деле в сфере точных наук (STEM), где все большее значение приобретают семантически насыщенные выходные данные, поддерживающие MathML. В докладе «Валидация XMP-метаданных в PDF» (PDF XMP Metadata Validation, https://pdfa.org/presentation/pdf-xmp-metadata-validation-with-relax-ng-schemas-and-the-podofo-library/ ) было представлено решение с открытым исходным кодом для XMP-валидации в PDF-файлах на соответствие нескольким подмножествам стандарта PDF. В рамках докладов «Разрушение хорошего» (Breaking Good, https://pdfa.org/presentation/breaking-good/ ) и «PDF между строк: Спецификация формата, де-факто стандарты, и предстоящий сдвиг в сторону удобства работы пользователя» (PDF Between the Lines: Specification, De Facto Standards, and the Coming UX Shift” ( https://pdfa.org/presentation/pdf-between-the-lines-specification-de-facto-standards-and-the-coming-ux-shift/ ) участникам было предложено взглянуть за рамки формальных спецификаций и оценить реальное положение дел с интероперабельностью и ожиданиями пользователей, обеспечив тем самым совместную эволюцию спецификаций, реализаций и удобства работы пользователей.

В докладе «Основные преимущества членства в Ассоциации PDF» (PDF Association Membership Benefits 101, https://pdfa.org/presentation/pdf-association-membership-benefits-101/ )  было рассказано о том, как членство в Ассоциации PDF открывает доступ к стандартам в процессе разработки, к сотрудничеству с экспертами, а также маркетинговые возможности благодаря повышению узнаваемости и расширению сети контактов.

Источник: сайт Ассоциации PDF
https://pdfa.org/recordings-from-pdf-days-europe-2025-are-now-available/ 

ИСО: Опубликована новая редакция стандарта ISO 14533-3:2025 усиленной электронной подписи для PDF-файлов PAdES, способствующей перепроверке в длительной перспективе

В октябре 2025 года года сайт Международной организации по стандартизации (ИСО) сообщил о публикации новой редакции стандарта ISO 14533-3:2025 «Процессы, элементы данных и документы в коммерции, промышленности и государственном управлении – Варианты электронных подписей для долговременного использования - Часть 3: Профили для усиленных электронных подписей для PDF-файлов (PAdES)» (Processes, data elements and documents in commerce, industry and administration - Long-term signature - Part 3: Profiles for PDF Advanced Electronic Signatures (PAdES)) объёмом 33 страницы, см. https://www.iso.org/standard/88298.html и https://www.iso.org/obp/ui/en/#!iso:std:88298:en .

Документ, подготовленный техническим комитетом ИСО TC154 «Процессы, элементы данных и документы в коммерции, промышленности и государственном управлении» (Processes, data elements and documents in commerce, industry and administration), заменил предыдущую редакцию ISO 14533-3:2017.

Во вводной части документа, в частности, отмечается:

«В настоящем документе специфицированы элементы, из числа используемых в усиленных электронных подписях для PDF-файлов (PAdES), которые обеспечивают возможность проверки усиленной электронной подписи в течение длительного периода времени.

Документ не содержит ни каких-либо новых технических спецификаций для самой усиленной электронной подписи, ни новых ограничений на использование уже существующих технических спецификаций усиленных электронных подписей.»

Стоит отметить, что оперативной поддержкой и развитием формата PAdES занимается Европейский институт телекоммуникационных стандартов (European Telecommunications Standards Institute, ETSI). Действующие стандарты ETSI, касающиеся формата PAdES, следующие:

• ETSI EN 319 142-1 версия 1.2.1 (январь 2024 г.) «Электронные подписи и инфраструктуры – Электронные подписи PAdES. Часть 1: Основные элементы и базовые варианты подписей PAdES» (Electronic Signatures and Infrastructures (ESI); PAdES digital signatures; Part 1: Building blocks and PAdES baseline signatures) объёмом 24 страницы, см. https://www.etsi.org/deliver/etsi_en/319100_319199/31914201/01.02.01_60/en_31914201v010201p.pdf 
  
  
• ETSI EN 319 142-2 версия 1.2.1 (июль 2025 г.) «Электронные подписи и инфраструктуры доверия – Усиленные электронные подписи PAdES - Часть 2: Расширенные варианты подписей PAdES» (Electronic Signatures and Trust Infrastructures (ESI); PAdES digital signatures; Part 2: Additional PAdES signatures profiles), объёмом 32 страницы, см. https://www.etsi.org/deliver/etsi_en/319100_319199/31914202/01.02.01_60/en_31914202v010201p.pdf 

Содержание стандарта следующее:

Предисловие
Введение
1. Область применения
2. Нормативные ссылки
3. Термины и определения
4. Сокращения
5. Требования
6. Профили подписей для долговременного использования

6.1. Определение и позиционирование профилей PAdES 
6.2. Уровни обязательности элементов профиля
6.3. Порядок выбора степени обязательности элементов профиля
6.4. Профиль PAdES-T
6.5. Профиль PAdES-A
6.6. Подписание PDF-файла несколькими подписями

Приложение A: Декларация поставщика о соответствии и её присоединение
Приложение B: Профиль для использования только отметки времени
Приложение C: Структура токена отметки времени
Приложение D: Применение PAdES с использованием усиленных электронных подписей, соответствующих синтаксису криптографических сообщений (CMS)
Приложение E: Примеры использования нескольких подписей
Библиография

Источник: сайт ИСО
https://www.iso.org/standard/88298.html 
https://www.iso.org/obp/ui/en/#!iso:std:88298:en 

Изнутри «чёрного ящика» формата PDF/A: Мастер-класс Питера Уайета о ясности в сфере электронной сохранности, часть 2

(Окончание, начало см. http://rusrim.blogspot.com/2026/01/pdfa-1.html )

«Обращайте внимание на глаголы»

Одной из самых полезных вещей, полученных от доклада, стали рекомендации Уайета по чтению стандарта с точки зрения инженера. «Обращайте внимание на глаголы», - сказал он. Требования с формулировкой «обязан присутствовать» (shall be present), описывают те элементы, что содержится в файле. Требования с формулировкой «должен игнорировать» (shall ignore) описывают то, что должно выполнять программное обеспечение. Это простая эвристика, объясняющая, почему корректный файл может отображаться некорректно. Проблема в таком не в файле, а в программе просмотра.

Это различие - между соответствием требованиям на уровне файла и на уровне поведения программы-обработчика – во многих случаях позволяет разобраться с путаницей, связанной с валидацией файлов формата PDF/A. Уайет ясно дал понять: программы просмотра не являются инструментами валидации, а валидация не является интерпретацией. «Не существует «единственно верного» представления в формате PDF/A», - отметил он. «Два разных файла могут оба успешно проходить валидацию, по-разному отображаться, и при этом оба быть корректными».

Лабиринт метаданных

Если что задавало ритм обучающему семинару, так это тема метаданных. Уайет рассказал нам о долгом пути эволюции от примитивного «Словаря информации» (Info Dictionary) в формате PDF (строки «ключ-значение», такие как «Автор» или «Название») и до стандарта XMP (международный стандарт ISO 16684-1), который лежит в основе современных структурированных метаданных.

Он отметил, что PDF/A-1 вынуждает пользователей встраивать схемы для каждого настраиваемого поля, что увеличивает размер и сложность файлов. В стандарте для PDF/A-4 это правило было смягчено: появилась формулировка «Вам желательно включить схему», а не «Вам следует включить схему». Это не бросающееся в глаза изменение имеет серьёзные последствия. Теперь учреждения могут управлять схемами метаданных во внешних системах, ссылаться на них посредством RELAX NG (один из языков описания структуры XML-документа – Н.Х.) или же объединять их в PDF-портфолио, которые функционируют как ZIP-архивы с описательными слоями.

По мнению Уайета, архивисты должны сосредоточить свои усилия именно на этом - на содержательности метаданных, а не на обеспечении минимального соответствия требованиям. «Искусственному интеллекту всё равно, что вы видите на экране», - сказал он. «Он ищет структуру - заголовки, списки, таблицы, связи». Именно здесь лежат основы следующего поколения интеллектуальных систем обеспечения долговременной сохранности.

Валидация: недостоверность декларируемых версий формата

Уайет также поделился некоторыми весьма показательными результатами проведенного им самим тестирования. В выборке из миллиона PDF-файлов 20% содержали некорректные индикаторы версий – например, файлы, заявленные как «PDF 1.4», но содержащие функции формата PDF 1.5. Тем не менее, почти все они открывались нормально. Почему? Потому что большинство программ игнорируют заявленную версию и обрабатывает то, что находит в файле.

Его точка зрения: указанные в файлах номера версий лгут. Рабочие процессы обеспечения электронной сохранности, которые на них полагаются, рискуют тем, что будут исходить их ложных предположений о том, что находится внутри файла. По мнению Уайета, единственная настоящая истина заключается в использованных в файле функциональных возможностях – и поддерживается независимыми валидаторами, которые могут их обнаружить.

Обеспечение долговременной сохранности как «живой стандарт»

В заключительной части своего доклада Уайет перешёл от технических подробностей к вопросу прагматизма политик. Он отметил, что каждая часть серии стандартов ISO 19005 навсегда останется актуальной. Ни одна из них не будет отменена, поскольку деятельность по обеспечению электронной сохранности требует сохранения самих стандартов различных версий файловых форматов. В то же время экосистема форматов продолжает эволюционировать.

Уайет намекнул на предстоящую публикацию поправки к стандарту формата PDF/A-4 (в 2025–2026 годах), которая уточнит наименования и уровни соответствия, а также на продолжающиеся усилия по согласованию форматов PDF/A, PDF/UA и PDF/X для обеспечения сосуществования доступных для лиц со специальными потребностями и готовых к печати файлов. Это элегантной видение: один файл, множество стандартов, долговременное доверие.

Что дал доклад слушателям

Доклад Питера Уайета на конференции iPRES была не просто глубоким погружением в файловый формат PDF. Это также был обращённый к архивистам призыв к действиям – и в первую очередь к обновлению своего образа мышления. Уайет убедительно обосновал, что в рамках усилий в области электронной сохранности вопрос грамотности столь же важен, как и вопрос долговечности: речь идёт о понимании структуры, эволюции и семантики технологий, на которые мы полагаемся.

«Не существует единственно верного формата PDF/A», - сказал он в заключение. «Важно то, чтобы Ваше программное обеспечение и Ваши политики обеспечивали создание файлов, которые проходят валидацию, визуализируются и остаются понятными».

Трудно представить себе более чёткую формулировку миссии электронной сохранности в 21-м веке, - и я очень рад, что наконец-то смог лично услышать об этом.

Эндрю Поттер (Andrew Potter)

Источник: сайт Substack
https://metaarchivist.substack.com/p/inside-the-black-box-of-pdfa 

Изнутри «чёрного ящика» формата PDF/A: Мастер-класс Питера Уайета о ясности в сфере электронной сохранности, часть 1

Данный пост эксперта в области управления электронными документами, эксперта ИСО от США Энди Поттера (Andy Potter - на фото) был опубликован 3 ноября 2025 года в социальной сети Substack

Когда Питер Уайет (Peter Wyatt) выходит на трибуну, можно ожидать мастер-класс, характеризующийся как точностью, так и перспективой. На конференции iPRES 2025 в Веллингтоне Питер Уайет, директор по технологиям Ассоциации PDF и ключевой разработчик стандартов международной организации по стандартизации (ИСО) для формата переносимых документов (Portable Document Format, PDF), провёл насыщенный и увлекательный обучающий семинар, который приоткрыл завесу тайны над тем, как на самом деле «работает» формат PDF/A.

В начале этого года мне не удалось попасть на доклад Питера на проходившей в Берлине конференции «Дни PDF в Европе» (PDF Days Europe 2025, https://pdfa.org/event/pdf-days-europe-2025/ ), поэтому я был рад увидеть его имя в программе конференции в Веллингтоне. На этот раз я твёрдо решил не пропускать его выступление, которое представляло собой не просто обсуждение файловых форматов; в докладе был сделан чёткий разбор того, как пересекаются практика обеспечения долговременной сохранности электронных материалов (электронная сохранность), разработка программного обеспечения и международные стандарты.

Говорит архитектор

Уайет начал с того, что развеял завесу загадочности вокруг своей профессии. Он — австралийский инженер, технический редактор международного стандарта ISO 32000 (PDF 2.0) и контактное лицо, участвующее практически во всех международных дискуссиях об эволюции формата PDF. «Я тот человек, что пишет спецификации формата», - сообщил он. Однако его доклад был не о текущем состоянии стандарта, а о его разъяснении - помогая специалистам по электронной сохранности, архивистам и библиотекарям понять живую экосистему, поддерживающую 30-летнего возраста формат, который по-прежнему играет ключевую роль в сохранении мировой документальной памяти.

Он ясно сформулировал свою миссию: привести практику обеспечения электронной сохранности в соответствие с реальностью существующих стандартов. Использование формата PDF/A не является некоей мистической «печатью» архивной чистоты. Данный формат представляет собой ряд прагматических ограничений, наложенных на сложный и эволюционирующий «полный» файловый формат PDF. Посыл Уайета был ясен: невозможно сохранить то, чего не понимаешь.

От «цифровой бумаги» к платформе обеспечения сохранности

Первый тезис Уайета был обманчиво прост. PDF - это не файл, а контейнер. Это объектно-ориентированная структура с произвольным доступом, инкапсулирующая текст, изображения, векторную графику, метаданные и даже исполняемую логику. В начале своего существования PDF выступал в роли «цифровой бумаги» - окончательной формы для готовых к печати документов. Формат PDF 2025 года, пояснил Уайет, уже больше похож на самоописываемую цифровую экосистему. Он может содержать 3D-модели, мультимедийные объекты, встроенные метаданные в форматах XML или JSON, слои доступности, а также несколько представлений контента в одном файле.

Вот почему так важна буква «А» в аббревиатуре PDF/A (от слова «архивный»). Она укрощает хаос, ограничивая использование функциональных возможностей, которые могут нарушить воспроизводимость или же сделать контент зависимым от внешнего программного обеспечения. Речь идёт о фиксации визуального представления, а не смысла, политики или аутентичности. «Формат PDF/A определяет визуальное представление статической страницы, и это, по сути дела, всё», - напомнил Уайат аудитории. «Всё остальное - политика управления документами, структура метаданных, долговременная доступность доступ - определяется Вами».

Отправка «на покой» устаревшей редакции стандарта

Самое провокационное замечание Уайета касалось формата PDF/A-1, опубликованного в 2005 году, который отказывается исчезать. Уайет отметил, что некоторые архивные и государственные политики по-прежнему требуют его использования, и назвал эту практику «индикатором устаревшего программного обеспечения, а не хорошей политики». PDF/A-1 запрещает прозрачность, тени и использование формата изображений JPEG 2000, которые уже два десятилетия являются стандартными элементами цифрового контента. Преобразование современных документов в этот формат, по его словам, «отупляет контент и искажает его аутентичность».

Мой комментарий: Знаете ли Вы страну, в которой архивное агентство и многие государственные ведомства по-прежнему настаивают именно на использовании PDF/A-1? :) 

Его призыв был недвусмысленным: Перестаньте считать соответствие стандарту PDF/A-1 признаком добродетели. Используйте архивный формат PDF/A-4 (регламентированный стандартом ISO 19005-4:2020), основанный на формате PDF 2.0, который объединяет в себе доступность, поддержку встроенных файлов и боле богатые модели метаданных. Если же Ваша система по-прежнему настаивает на PDF/A-1, сказал он, «то Вы не обеспечиваете отражение контента в том виде, в котором сегодня создаётся».

(Окончание следует, см. http://rusrim.blogspot.com/2026/01/pdfa-2.html )

Эндрю Поттер (Andrew Potter)

Источник: сайт Substack
https://metaarchivist.substack.com/p/inside-the-black-box-of-pdfa 

Репортажи из Берлина: Следующий триллион PDF-файлов на подходе

Данный пост эксперта в области управления электронными документами, эксперта ИСО от США Энди Поттера (Andy Potter - на фото) был опубликован 16 сентября 2025 года в социальной сети Substack.

Я пришёл на предобеденную сессию конференции «Дни PDF в Европе» (PDF Days Europe) как раз в тот момент, когда на трибуну вышел Мэтью Харди (Matthew Hardy – на фото в верхнем правом углу приведенного ниже коллажа – Н.Х.) из компании Adobe (именно эта компания является фактическим разработчиком стандартов PDF – Н.Х.). Харди проработал в мире PDF дольше, чем многие другие – это 26 лет работы над этим форматом, 20 из которых - в качестве сотрудника Adobe; плюс активное участие в разработке стандартов Международной организации по стандартизации (ИСО) и Ассоциации PDF (PDF Association). Обычно он отвечает за вопросы обеспечения доступности контента, возглавляя рабочие группы по формату PDF/UA и по вопросам повторного использования - но этот доклад затронул более общие темы. Мэтью Харди поднял вопрос о том, что происходит, когда искусственный интеллект сталкивается с форматом PDF, используемым в триллионах файлов по всему миру.

Харди начал с напоминания о том, с чего начинался формат PDF: это был формат для визуального представления контента с фиксированной версткой. Изначально основное внимание уделялось точности при выводе на печать. Однако начиная с конца 1990-х годов в формат стали добавляться логическая структура, размеченный тегами контент и метаданные. В теории PDF-файлы могли быть насыщенными и семантически-осведомлёнными, однако на практике подавляющее большинство из них создавалось быстрым и грубым способом - путём печати в PDF. При этом исчезала структура и оставались лишь изображения текста. По собственным оценкам компании Adobe, совпадающим с данными других исследователей, лишь около 20% PDF-файлов были размечены тегами, и лишь малая часть из них была хорошо размечена.

Это ставит нас перед огромной проблемой: мы имеем триллионы неструктурированных PDF-файлов, которые ограничивают использование содержащихся в них данных, поскольку недоступны для программ чтения с экрана, не поддаются переформатированию на мобильных устройствах, а их повторное использование сопряжено с трудностями. Десять лет назад Adobe и другие компании начали искать способы решения этой проблемы с помощью ИИ. Харди описал эксперименты с моделями обнаружения объектов, которые способны распознавать заголовки, таблицы и порядок чтения. Именно в этот период появилась знаменитая фраза «PDF-файлы - не кошки»: модели, обученные распознавать кошек и собак, испытывали трудности, когда «объектами» оказывались блоки текста, сноски и вложенные таблицы. Тем не менее, при наличии достаточного количества обучающих данных и финансовых средств, можно было создавать PDF-файлы с возможностью переформатирования, адаптирующиеся к экранам разных размеров. С точки зрения обеспечения доступности контента, это был гигантский скачок вперед, - хотя Харди признал, что этот процесс был хрупким, дорогостоящим и далеким от совершенства.

Затем произошёл большой сдвиг: появились большие языковые модели (large language models, LLM). Классическое машинное обучение было весьма ограничено в своих возможностях - оно требовало ручного выбора признаков, ручной разметки данных и дорогостоящего дообучения для каждого нового варианта использования. LLM-программы, напротив, приходили с предустановленной обширной (хотя и несовершенной) базой знаний. При добавлении к этой базе пользовательских документов возможности внезапно расширялись. PDF-файлы могли стать способными вести диалоги. Вместо прокручивания сотен страниц, появлялась возможность задавать вопросы к документу. Вместо того, чтобы пытаться описать изображение одним блоком альтернативного текста, ИИ мог интерпретировать как изображение, так и его контекст. Вместо того, чтобы искать данные по таблицах, можно было запрашивать создание диаграмм, сводок или сравнений на основе нескольких отчётов.

Варианты использования, которые выделил Харди

Большую часть своего выступления Харди посвятил описанию реальных вариантов использования, которые он видит для PDF-файлов с ИИ-поддержкой (AI-powered PDF):

• Ведущие диалог PDF-файлы: Можно задавать вопросы по отчёту и получать ответы, со ссылками на источник. Больше не нужно гадать, откуда ИИ взял свою информацию - цитаты могут напрямую указывать на соответствующие места документа.
  
  
• Само-объясняющие документы: Можно загрузить в систему несколько финансовых отчётов и запросить у неё анализ тенденций во времени. ИИ выполняет синтез, избавляя Вас от необходимости ручного сопоставления.
  
  
• Персонализированная выдача результатов: Один и тот же PDF-файл может по-разному адаптироваться для инженера-программиста, врача или старшеклассника — каждый получит версию, адаптированную к его уровню знаний и потребностям.
  
  
• Более умная навигация: При использовании механизма закладок невозможно предусмотреть все варианты использования, а вот ИИ может справиться с этой задачей. Навигация на основе тем и вопросов позволяет перемещаться по документам новыми способами.
  
  
• Совместное чтение: Группы могут работать с одним и тем же PDF-файлом в режиме типа чата, сравнивая свои интерпретации и работая на основе одного и того же базового контента.
  
  
• Переосмысление механизма альтернативного текста: Вместо одной строки на изображение, ИИ может проанализировать изображение и контекст, в котором оно появилось, - а затем предоставлять пользователям возможность задавать вопросы по изображению: кто на нём изображён, что происходит, что означает эта диаграмма.
  
  
• Динамическая визуализация: По запросу, сложные таблицы можно преобразовать в диаграммы, графики или даже упрощённые визуальные сводки в соответствии с предпочтениями пользователя.
  
  
• Синтез и создание: Харди описал использование ИИ для генерирования в ИСО проекта технической записки на основе стенограммы проведенного рабочей группой обсуждения. Пусть результат и несовершенен, но он является надёжной отправной точкой, и при этом экономятся часы работы.
  
  
• Расширение возможностей для обеспечения доступности контента: ИИ может упрощать язык, переводить контент «на лету» и генерировать альтернативные форматы (например, аудио), - всё это с учётом того, что авторитетным документом остаётся PDF-файл.

Харди подчеркнул, что речь идёт не только об удобстве. С точки зрения обеспечения доступности контента, это трансформирующее явление. Для исследований и для обеспечения соответствия законодательно-нормативным требованиям, оно означает более быстрые способы синтеза информации, сохраняя при этом опору ответов на исходные документы. Для проектирования и повторного использования, оно означает возможность иного представления контента - превращения статических таблиц в визуализации или «перевода» технических материалов на простой и понятный язык для новой аудитории. И, что особенно важно, поскольку исходный PDF-файл остаётся «официальным документом», происхождение сохраняется даже при изменении представления контента.

Конечно, не всё так идеально, как хотелось бы -  и Харди признал существующие риски: затратность, хрупкость, галлюцинации. Он подчеркнул, что хорошо размеченные тегами PDF-файлы остаются «золотым стандартом» - формат PDF/UA-2 и функциональные возможности для повторного использования обеспечивают для ИИ наилучшие начальные условия. Но он также видит будущее, в котором ИИ сможет преодолеть пропасть, отделяющую его сейчас от большинства уже существующих PDF-файлов.

Мне запомнилась его заключительная фраза: «Следующий триллион PDF-файлов будет не просто сохранять знания, но также будет способствовать получению знаний».

Для тех из нас, кто работает в архивах и занимается управлением документами, такое развитие событий будет одновременно и вызовом, и возможностью. Если ИИ сделает унаследованные PDF-файлы более удобными для использования, будем ли мы рассматривать их как новые документы или как производные инструменты? Как мы будем балансировать вопрос происхождения с возможностями трансформации? И, как сообщество, занимающееся стандартизацией, - где мы проведём границу между тем, что ИИ должен и не должен делать с документами? Эти вопросы выходят далеко за рамки сессий Ассоциации PDF в Берлине. Но Харди прав: следующий триллион PDF-файлов уже на подходе!

Эндрю Поттер (Andrew Potter)

Источник: сайт Substack
https://metaarchivist.substack.com/p/dispatch-from-berlin-15d 

Репортажи из Берлина: Второй акт в истории формата PDF/A, часть 2

(Окончание, начало см. https://rusrim.blogspot.com/2025/09/pdfa-1.html )

Почему PDF/A всё ещё «в игре»

Вот тут-то Кевин меня и удивил. Вместо того, чтобы считать PDF/A компромиссным решением вчерашнего дня, он представил его как мост в завтрашний день:

• Повсеместная распространённость: PDF-файл можно открыть практически на любом устройстве, в любом месте. Эта универсальность крайне ценна.
  
  
• Стратегическое управление форматом осуществляет Международная организация по стандартизации (ИСО): Стабильность и принятие решений на основе консенсуса означают, что изменения не вносятся по чьей-то прихоти. Архивисты доверяют такому подходу.
  
  Мой комментарий: Это можно сказать и иначе - PDF/A является открытым стандартизированным форматом, из которого убраны «опасные» возможности «полного» формата PDF.
  
  
• Расширяемость: В версии PDF/A-3 появилась возможность включать произвольные встроенные цифровые объекты, а в PDF/A-4 – возможность включения трехмерных изображений. Это не диковинки, а основа для поддержки более содержательных документов.
  
  Мой комментарий: Формат PDF/A-3 попал в серию PDF/A, он не является «архивным», поскольку его инновационная особенность как раз является крайне опасной возможностью (с точки зрения обеспечения долговременной сохранности и доступности), которую желательно избегать. Однако это формат весьма интересен как инструмент сохранения таких непростых электронных объектов, как сообщения электронной почты с вложениями, либо документы, сочетающие в себе человеко- и машиночитаемые представления информации – что не преминули заметить и наши регуляторы
  
  
• Декларации: Представьте себе слой метаданных, связывающий документы с внешними стандартами, такими как HIPAA. Внезапно этот ящик с «загадочными файлами» становится пригодным для машинной обработки.
  
  Мой комментарий: Закон о переносимости и подотчётности медицинского страхования (Health Insurance Portability and Accountability Act, HIPAA) был принят в США 1996 году. Первая часть данного закона (Title I) защищает рабочих и членов их семей от потери медицинской страховки в случае смены или потери работы. Для нас представляет интерес вторая часть данного закона (Title II), известная как «Положения об административном упрощении» (Administrative Simplification provisions, AS), предписывающая создание национальных стандартов электронных транзакций в здравоохранении и введение национальных идентификаторов для поставщиков услуг, медицинских страховых полисов и сотрудников. В ряде положений этой же части закона рассматриваются вопросы защиты медицинских данных и защиты неприкосновенности личной жизни.
  
  
• Формат PDF/R - версия стандарта PDF для растровых графических изображений. Представьте себе отсканированный документ, изначально созданный в формате PDF, с захваченной информацией о происхождении, полученной прямо с чипа. Никакой нормализации, никакого непрозрачного конвейера обработки - только изначально заложенная аутентичность.
  
  Мой комментарий: Это формат уже существует довольно давно – стандарт ISO 23504-1:2020 «Приложения для управления контентом – Хранение и передача растровых изображений – Часть 1: Использование ISO 32000 (PDF/R-1)» (Document management applications - Raster image transport and storage - Part 1: Use of ISO 32000 (PDF/R-1), см. https://www.iso.org/standard/75804.html и https://www.iso.org/obp/ui/#!iso:std:75804:en , а также мой пост https://rusrim.blogspot.com/2020/08/pdfr.html ) был опубликован осенью 2020 года, и пока интереса к нему что-то не видно. Похоже, он пока так и не нашёл свою нишу …

Именно здесь во всей красе показывает себя опыт Кевина. Его работа в сфере консалтинга сосредоточена на вопросах, касающихся цепочки ответственного хранения, аудита, метаданных и происхождения. Это уже не второстепенные вопросы; их решение играет ключевую роль в том, сможем ли мы доказать, что электронный документ является именно тем, чем он претендует быть (т.е. является аутентичным – Н.Х.).

Происхождение и аутентичность - следующий рубеж

Кевин связал всё это с проектом, за которым многие из нас внимательно следят: «Происхождение и аутентичность контента» (Content Provenance and Authenticity, CTPA – основным разработчиком является «Коалиция по вопросам происхождения и аутентичности контента» (Coalition for Content Provenance and Authenticity, C2PA), см. также пост на блоге https://rusrim.blogspot.com/2025/02/isodis-22144.html - Н.Х.). Он показал, как утверждения (assertions) в CTPA зеркально отражают структуру событий в PREMIS (Preservation Metadata Implementation Strategies – «Метаданные для долговременной сохранности: Стратегии реализации»: широко используемый стандарт метаданных для документирования усилий по обеспечению электронной сохранности - Н.Х.) — операции цензурирования, конверсии, извлечения — всё отслеживается как отдельные этапы.

Кевин участвует в работе группы, объединяющей представителей государственных органов, библиотек, архивов и музеев, которая устанавливает соответствие стандартов PREMIS и CTPA. Это может звучать скучно, но на деле это не так. Это как раз то недостающее звено, которое может обеспечить создание необходимых для обеспечения долговременной сохранности метаданных на более ранних стадиях жизненного цикла, ближе к моменту созданию контента.

Представьте себе: документ сканируется, электронный образ изначально создаётся в формате PDF/R со встроенными CTPA-утверждениями; заявляется о его соответствии законодательно-нормативным требованиям; а затем он упаковывается в оболочку PDF/A. Каждое преобразование, каждое утверждение является часть цепочки. Для архивистов это близко к Святому Граалю - созданию «идеального файла для долговременного сохранения».

«История любви»

Кевин пошутил, что чуть было не назвал свой доклад «PDF/A: История любви» - но это была не просто шутка. Он прошёл путь от скептика, мечтающего о том, чтобы «взорвать» PDF и начать всё с нуля, до сторонника его будущего. Суть заключается не в переписывании спецификаций, а в том, чтобы создать коллективно применяемое руководство по его разумному использованию формата.

Мы уже видели такой подход на примере EA-PDF (разрабатываемой версии формата PDF для сохранения сообщений электронной почты в т.ч. с вложениями), и нам нужны аналогичные усилия сообщества в отношении контента социальных сетей, мессенджеров и облачных сервисов. Архивисты, специалисты по управлению документами и представители сообщества PDF-технологий должны работать «за одним столом», вырабатывая соглашения, которые будут иметь смысл как для повседневного использования контента, так и для его долгосрочного курирования.

Почему это важно для архивистов и специалистов по управлению документами

С точки зрения архивно-документационного мира, выводы из сказанного очевидны:

• Облако изменило характер проблемы. Аутентичные форматы, возможно, не смогут существовать за пределами проприетарных сервисов.
  
  
• Формат PDF/A остаётся незаменимым - не потому, что он идеален, а потому, что он стабилен, универсален и способен адаптироваться.
  
  
• Знание происхождение играет ключевую роль. Использование CTPA + PREMIS + декларации наконец-то позволят нам захватить события, связанные с созданием, преобразованием и сохранением, в одну неразрывную цепочку.
  
  
• Мы должны стать владельцами рекомендаций по применению. Если мы не поможем определить, как следует использовать формат PDF/A, это сделают поставщики, и тогда наши потребности могут остаться без внимания.

Эндрю Поттер (Andrew Potter)

Источник: сайт Substack
https://metaarchivist.substack.com/p/dispatch-from-berlin-762 

Репортажи из Берлина: Второй акт в истории формата PDF/A, часть 1

Данный пост эксперта в области управления электронными документами, эксперта ИСО от США Энди Поттера (Andy Potter - на фото) был опубликован 15 сентября 2025 года в социальной сети Substack.

В Берлине было дождливое, штормовое сентябрьское утро, а участники конференции «Дни PDF в Европе» (PDF Days Europe) уже вошли в привычный ритм. Кофе был крепким, программа - насыщенной, и я снова поймал себя на том, что пишу комментарии по поводу докладов, отголоски которых разойдутся далеко за пределами сообщества разработчиков формата PDF и связанных с ним инструментов.

Сегодняшним утром [15 сентября 2025 года – Н.Х.] мне особенно запомнилось выступление Кевина де Ворси (Kevin De Vorsey – на фото слева на коллаже внизу – Н.Х.) — и если Вы уже какое-то время работаете в архивно-документационной области, то Вам должно быть знакомо его имя. Кевин поработал во многих местах: в Смитсоновском институте, в Американском музее естественной истории, в Национальной Библиотеке Новой Зеландии и, конечно же, в качестве аналитика по вопросам политик в Национальны Архивах США (NARA). Он участвует в разработке стандартов PDF с начала 2010-х годов, а сейчас возглавляет рабочую группу WG5 в техническом подкомитете ИСО TC171/SC2. 

В настоящее время Кевин де Ворси занимает пост генерального директора компании ThinkBox.DIGITAL ( https://thinkbox.digital/ ) – кооперативной консалтинговой компании, объединяющей экспертов в области управления электронными документами, обеспечения долговременной сохранности электронных материалов, метаданных, происхождения, исполнения законодательно-нормативных требований и цепочек поставок. Другими словами, это именно тот набор знаний и компетенций, который Вам нужен, когда вы переосмысливаете понятие «долговременная доступность».

Когда-то непопулярный PDF/A 

Кевин не скрывал: когда формат PDF/A появился в 2005 году, сообщество специалистов в области электронной сохранности не особо его поддержало. В то время господствовала идея «нормализовать и сохранить». Архивы хотели иметь дело лишь небольшим числом «заведомо хороших» форматов, часто в ущерб аутентичности документов. Документ в формате WordPerfect? Конвертировать. В формате Lotus 1-2-3? Конвертировать. Федеральные органы исполнительной власти просто отправляли кассеты и диски в хранилища и называли это «обеспечением долговременной сохранности».

Версия формата PDF/A-1 соответствовал потребностям того времени - точность отображения статичного контента, встроенные шрифты, аппаратно-независимая упаковка. Формат был надёжным, но ограничивающим - никакого динамического контента, никаких внешних зависимостей и, конечно же, никаких анимированных GIF-изображений. Для многих из нас это воспринималось как компромисс.

Мой комментарий: В России судьба PDF/A-1 сложилась несколько иначе и, наверное, ещё более странным образом. На него в начале 2010-х годов начали «креститься» в своих нормативных актах не только Росархив, но и многие регуляторы – при этом, однако, не давая подведомственным и подконтрольным организациям указаний и рекомендаций о том, с помощью каких инструментов создавать файлы такого формата; никогда не проверяя соответствие файлов спецификациям этого формата; и не наказывая за несоответствия … И сейчас PDF/A-1 продолжает упоминаться в новых нормативных документах, хотя для многих вариантов применения он заведомо не подходит.

От хранения на магнитных лентах к облачному хранению

Перенесёмся теперь в 2025 год, и ситуация кардинально меняется. Деятельность по обеспечению долговременной сохранности уже не сводится к пятилетнему циклу обновления картриджей с магнитной лентой. Облачное хранение, многоуровневая избыточность и географически распределенное хранение стали нормой. Теперь от хранилищ ожидается, что они будут принимать контент в том виде, в каком он есть - даже файлы в устаревших или необычных форматах, такие как Flash или WordStar, - а не одни лишь нормализованные суррогаты оригинальных документов.

Загвоздка здесь вот в чём: исчезают сами файлы. Документ в Google Doc - это не файл, который можно записать на дискету; это сервис, и аутентичный «формат» не существует вне облака. Кевин отметил, что, работая в Google Workspace, он не может скачать «настоящий документ» Google Doc [т.е. в том формате, в котором он на самом деле хранится в облачной среде – Н.Х.], а может лишь экспортировать его в Word или PDF, являющиеся несовершенными заменителями. Для сообщества специалистов по обеспечению электронной сохранности, это настоящий кошмар.

(Окончание следует, см. https://rusrim.blogspot.com/2025/09/pdfa-2.html )

Эндрю Поттер (Andrew Potter)

Источник: сайт Substack
https://metaarchivist.substack.com/p/dispatch-from-berlin-762 

Репортажи из Берлина: Совместная работа на основе формата PDF в эпоху агентов

Данный пост эксперта в области управления электронными документами, эксперта ИСО от США Энди Поттера (Andy Potter - на фото) был опубликован 16 сентября 2025 года в социальной сети Substack.

На прошедшей в Берлине конференции «Дни PDF в Европе» (PDF Days Europe) Леонард Розентоль (Leonard Rosenthol – фото справа на коллаже внизу – Н.Х.) начал свой доклад с весёлой шпильки в собственный адрес. Название для этого доклада он выбрал несколько месяцев тому назад; впоследствии забыл, что именно он имел в виду; и в результате ему пришлось переосмысливать тему доклада, когда пришло время делать слайды. Его выступление вылилось в «заточенные» размышления о том, что на самом деле означает переход к технологиям совместной работы для формата PDF, который изначально был разработан для одного осторожного пользователя, - и что происходит, когда на сцене появляются агенты ИИ.

Совместная работа людей и агентов

Розентоль напомнил нам, что формат PDF всегда отличался надёжностью, перемещаемостью и верностью отображения, но никогда не проявлял себя в условиях активной многопользовательской работы. Розентоль разделил совместную работу на три категории: осознание, комментирование и редактирование. Первый вид работ касается структуры и понимания, в рамках второго люди взаимодействуют больше всего, а в рамках работ третьего вида архитектура PDF действительно демонстрирует свои ограничения.

Он также указал на ещё одно толкование понятия «сотрудничество» (collaboration - в значении «коллаборационизм» - Н.Х.) – «предательское сотрудничество с врагом» – и признал, что иногда именно так мы себя и чувствуем, когда пытаемся сотрудничать.

Осознание: Семантика за пределами структуры

Размеченные тегами PDF-файлы выделяют заголовки, списки, таблицы и альтернативный текст. Существуют даже малоиспользуемые семантики уровня страницы (DParts) для связывания групп страниц. Но Розентоль утверждал, что этого недостаточно - системам ИИ необходимо знать взаимосвязи: что тень не является фигурой, или что выноска относится к рисунку.

Он особо выделил алгоритм вывода, разработанный Ассоциацией PDF (PDF Association), который при необходимости преобразует размеченные тегами PDF-файлы в стандартизированный файлы HTML или Markdown. Первоначально предназначенный для рендеринга, этот алгоритм теперь оказывается ценным инструментом для передачи структурированного контента системам ИИ. Однако Розентоль подчеркнул, что более богатая семантика, «семантика контента» - термин, который он ввёл ещё в 2013 году, - до сих пор отсутствует. Без неё понимание текста людьми или машинами остаётся неполным.

Комментирование: Аннотации с пропусками

Аннотации существуют в формате PDF уже несколько десятилетий. Ссылки, мультимедийные материалы и древовидные комментарии (threaded comments) - все они реализуются с помощью аннотаций. Розентоль отметил, что эта мощная модель на практике используется недостаточно. Большинство систем «выпрямляют» древовидные структуры или игнорируют состояния.

По его словам, недостаёт простых примитивов для поддержки совместной работы: комментарием на уровне документа, таких как «Я одобряю этот документ», реакций на уровне страницы, таких как «Удалить эту страницу», и простых ответов, к которым пользователи привыкли в социальных сетях, таких как «Нравится» или эмодзи. Модель аннотаций пока что всё это не поддерживает.

Формы: Унаследованный инструмент совместной работы

Работа с формами была одним из первых рабочих процессов совместной работы, поддерживаемых форматом PDF: формы заполнялись, маршрутизировались и подписывались. Розентоль напомнил про неактивный сейчас проект forms.next («Формы следующего поколения» - Н.Х.) - грамматику на основе JSON, которая могла бы стандартизировать структурирование форм, извлечение из форм и понимание данных как людьми, так и агентами. Он предложил реанимировать этот проект в качестве шага в будущее.

Редактирование: Инкрементные изменения и их ограничения

Инкрементные изменения (incremental updates), одна из любимых Розентолем функциональных возможностей, поддерживают сохранение историю изменений без её разрушения, а также быстрое сохранение. Они, однако, были разработаны в расчёте на одного пользователя. В мире совместной работы изменение одного символа может привести к значительному объёму «приращения»; правила защиты персональных данных могут потребовать проведение «полного» сохранения после удаления контента, а цепочка обновлений является плоской, в то время, как на деле нужны ветви и слияния.

Розентоль также обратил внимание на то, насколько запутанной становится ситуация, когда слои контента и аннотаций не выровнены. Например, зачёркнутый текст в аннотациях исчезает в режиме редактирования. Если это сбивает с толку даже людей, сказал он, то представьте, как это выглядит для агента ИИ.

Происхождение и подтверждающие реквизиты контента (content credentials)

Отдельный раздел своего доклада Розентоль посвятил атрибуции и происхождению. Он рассказал о сотрудничестве с «Коалицией по вопросам происхождения и аутентичности контента» (Coalition for Content Provenance and Authenticity, C2PA), проект которой сейчас стандартизируется в Международной организации по стандартизации (ИСО). Этот проект предусматривает протоколирование каждого действия с файлом, - будь то человеком или ИИ, - и криптографическое «запечатывание» записей в составе манифеста.

Такой подход, по его словам, соответствует положениям Закона Евросоюза об искусственном интеллекте и аналогичных законов в других странах мира, требующих маркировки использования ИИ. Он также позволяет создателям заявлять о таких правах, как «право запрещать использование для обучения ИИ», и даже кодировать условия лицензирования в PDF-файлы в машиночитаемом виде. Розентоль особо отметил текущую работу над расширениями формата PDF для поддержки подтверждающих реквизитов контента (это проект технических спецификаций ISO/CD TS 32008 «Аутентичность информации – Расширение подтверждающих реквизитов контента в стандарте ISO 32000-2 (PDF 2.0)» (Authenticity of information — Extensions to Content Credentials for ISO 32000-2 (PDF 2.0)), см. https://www.iso.org/standard/45881.html ), а также связанные с этим инициативы JPEG Trust (см. подборку постов на блоге https://rusrim.blogspot.com/search?q=%22JPEG+Trust%22&max-results=20&by-date=true – Н.Х.).

Агенты в рабочих процессах

Розентоль завершил своё выступление словами обвинения. Мир движется к агентской модели, в которой большая часть работы, от осознания и комментирования до редактирования и даже создания, будет выполняться программными агентами. По его словам, компании, занимающиеся разработкой ИИ, не понимают формат PDF. Они используют библиотеки с открытым исходным кодом и считают, что этого достаточно. Задача же сообщества PDF – обеспечить агентам возможность корректной работы с этим форматом.

Его слова прозвучали резко: мы понимаем PDF, а «они» - нет. Чтобы совместная работа в мире агентов была успешной, нам следует заставить формат PDF работать в таких условиях.

Эндрю Поттер (Andrew Potter)

Источник: сайт Substack
https://metaarchivist.substack.com/p/dispatch-from-berlin-637 

Репортажи из Берлина: ИИ, электронные документы и нормативно-правовое регулирование

Данный пост эксперта в области управления электронными документами, эксперта ИСО от США Энди Поттера (Andy Potter - на фото) был опубликован 15 сентября 2025 года в социальной сети Substack.

Я обещал читателям присылать репортажи из Берлина, и этот расскажет о пленарном докладе на конференции «Европейские дни PDF 2025 года» (PDF Days Europe 2025), состоявшемся 15 сентября 2025 года (см. также сайт конференции https://pdfa.org/event/pdf-days-europe-2025/ ). 

Для тех, кто ещё не знает об этой конференции, поясню: «Дни PDF» - это ежегодная встреча разработчиков стандартов PDF, специалистов по внедрению и пользователей формата, пёстрая смесь разработчиков, поставщиков и всех тех, кто пришёл, чтобы увидеть, в какую сторону движутся технологии работы с контентом и документами. 

Параллельно идёт работа трёх сессий, темы которых варьируются от глубоких технических исследований до вариантов использования и политик. Во многом это встреча специалистам по стандартам формата PDF, но на ней также есть возможность почувствовать, как PDF-форматы и смежные технологии адаптируются к новым задачам и проблемам.

С пленарным докладом, открывшим дискуссию по вопросам политик, выступил профессор д-р Филипп Хакер (Philipp Hacker, https://europeannewschool.eu/philipp-hacker.html ) - учёный-правовед, одновременно принимающий участие в разработке европейской политики и в деятельности ИИ-сообщества. Хакер глубоко разбирается в тонкостях Закона Еврросоюза об ИИ (EU AI Act, см. также https://artificialintelligenceact.eu/ ) и в его последствиях для тех из нас, кто работает с электронными доказательствами, документами, контентом, а также занимается курированием информации в долгосрочной перспективе.

Я пришёл на пленарный доклад в надежде услышать что-то большее, чем обычная шумиха вокруг ИИ, - и именно это и предложил слушателям Хакер.

От собак и кошек к контрактам и исполнению законодательно-нормативных требований

Хакер начал с основ, представив ИИ как системы, которые обучаются, а не работают лишь на основе жёстко закодированных нами правил. Он показал, как генеративные модели эффективно используют вероятности и случайности, что делает их мощными, но ненадёжными. Далее он перешёл к тому вопросу, который интересует нас [по управлению документами и архивистов – Н.Х.]: к потокам процессов работы с контентом и документами.

• Ожидания: ИИ сможет обрабатывать неструктурированные данные, распределять контракты по категориям, выявлять проблемы с исполнением законодательно-нормативных требований и случаи мошенничества.
  
  
• Реальность: Сотрудники юридических фирм тестируют большие языковые модели, однако после первоначального ажиотажа им часто приходится переделывать работу вручную, поскольку они пока что не могут полностью доверять машине. 
  
  В сфере программирования одно контролируемое исследование показало, что при использовании ИИ задачи на самом деле выполнялись дольше, поскольку накладные расходы на анализ и проверку кода сводили на нет любой выигрыш в эффективности.

Отсюда следует вполне ясное предупреждение для специалистов по управлению документами: проводите пилотные проекты с осторожностью и оценивайте, действительно ли ИИ экономит время [специалистов-людей – Н.Х.], или же просто приводит к смещению фокуса прилагаемых усилий на проведение анализа и проверки.

Человеческий фактор

Мне показалось важным предостережение Хакера о том, что ИИ не просто меняет рабочие процессы, - ИИ также способен привести к утрате людьми чувства удовлетворенности своей работой. Если эксперты почувствуют, что уже не являются создателями и аналитиками, и что их роль сводится к функции «контролеров результатов, выдаваемых ИИ», то организации могут столкнуться с падением морального духа и качества работы, даже если численность персонала останется прежней. Это риск, который каждая архивная программа и каждая служба по работе с информацией должна принять во внимание, прежде чем приступить к внедрению ИИ.

Закон Евросоюза об ИИ касается всех

Затем Хакер перешёл к теме политик и нормативно-правового регулирования, и познакомил нас с положениями Закона Евросоюза об ИИ. Ключевыми были следующие моменты:

• К четырём уровням риска (недопустимый, высокий, ограниченный, минимальный) теперь добавлена пятая категория для универсального ИИ, такого, например, как ChatGPT.
  
  
• Различие между поставщиками (providers) и теми, кто внедряет и развёртывает ИИ системы (deployers): если Вы предоставляете инструмент ИИ под своим именем, то Вы «на крючке» (у регуляторов – Н.Х.) как поставщик - с полной юридической ответственностью. Если Вы просто используете такой инструмент, то Вы - внедряющая организация.
  
  
• Правило «тонкой настройки»: если Вы осуществляете менее трети исходных вычислений, то лишь тогда Вы в безопасности, поскольку считаетесь «внедряющей организацией». Хуже того, Вы можете стать «поставщиком», даже не осознавая этого.

Для архивистов главное заключается в том, что законодательство Евросоюза действует глобально: если Ваши системы или поставщики выходят на европейский рынок, то необходимо исполнять требования этого законодательства.

Высокотехнологические подделки (дипфейки) и вопрос происхождения 

Наконец, Хакер напомнил нам о том, что контент, подвергнутый обработке с использованием ИИ, теперь должен быть соответствующим образом маркирован. Цифровые «водяные знаки» теперь уже не сводятся к большим красным штампам, и реализуются с помощью криптографии в виде сигналов, встроенных в пиксели.

Для тех из нас, кто беспокоится об аутентичности, происхождении и достоверности доказательств, именно здесь политика и архивные принципы пересекаются: вскоре каждый документ может быть снабжён невидимыми «сигналами», указывающими на его происхождение и позволяющими контролировать его целостность.

Почему эти вопросы важны для нашего профессионального сообщества

• Аутентичность: Маркировка, указывающая на использование ИИ при создании контента, скоро будет уже не просто передовой практикой сохранения, а станет нормативным требованием;
  
  
• Исполнение законодательно-нормативных требований: Службы управления документами не могут оставлять решение о классификации организации в качестве «поставщика» или «внедряющей организации» на усмотрение ИТ-службы или юридического отдела - наша работа находится на переднем крае управления рисками.
  
  
• Перепроектирование служебных обязанностей: С внедрением ИИ в наши рабочие процессы, сохранение качества архивной работы может быть столь же важно, как и оценка эффективности.

В заключение Хакер назвал будущее «захватывающим, так или иначе». Уходя, я подумал о том, что для архивистов и специалистов по управлению документами реализация на практике этого «так или иначе» будет зависеть от того, насколько хорошо мы сумеем сбалансировать притягательность эффективности [которую обещает внедрение ИИ - Н.Х.] с дисциплиной, включающей исполнение законодательно-нормативных требований и знание происхождения.

Эндрю Поттер (Andrew Potter)

Источник: сайт Substack
https://metaarchivist.substack.com/p/dispatch-from-berlin-78a 

Репортажи из Берлина: Начало конференции «Европейские дни PDF 2025 года» (PDF Days Europe 2025)

Данный пост эксперта в области управления электронными документами, эксперта ИСО от США Энди Поттера (Andy Potter - на фото) был опубликован 14 сентября 2025 года в социальной сети Substack.

Я пишу этот пост в Берлине накануне конференции «Европейские дни PDF 2025 года» (PDF Days Europe 2025). После долгой дороги, начавшейся от конференции ARA в Бристоле и пролегавшей через Шотландию, Голландию и Германию, я наконец вернулся к своему рабочему ноутбуку и готов завтра [15 сентября 2025 года – Н.Х.] утром принять участие в первой «волне» сессий.

Те, кто не смог сам приехать на эту конференцию, могут рассматривать данный пост как первый из серии отчётов с места событий. Это будут короткие репортажи из залов конференции, позволяющие Вам оставаться в курсе важных тем, не страдая от последствий смены часовых поясов после перелётов и не надевая баджи конференции.

Что нас  ожидает в первый день?

Утреннее заседание начнётся с пленарного доклада профессора д-ра Филиппа Хакера (Philipp Hacker) об искусственном интеллекте и электронных документах. В центре внимания его доклада будет европейское нормативно-правовое регулировании, в особенности Закон Евросоюза об искусственном интеллекте (EU AI Act) и его требования к маркировке, - однако ставки здесь являются глобальными. Хакер обещает привести примеры, – от автоматизированной классификации до выявления мошенничества и конвейеров приёма и обработки документов, - когда из-за потери семантики системы начинают работать некорректно. Для всех, кто работает в сфере стратегического управления информацией, подтекст здесь ясен: как нам сохранять доверие в условиях, когда документы создаются, читаются и оцениваются машинами в той же степени, что и людьми?

После этого параллельно пройдут три сессии:

1. Доклад Кевина де Ворси (Kevin De Vorsey) «PDF 2030: куда движется формат PDF?» (PDF 2030: where is the format heading?)

Мой комментарий: Кевин де Ворси долгое время работал ведущим специалистом Национальных Архивов США по форматам электронных документов

Эта сессия предназначена для тех, кого волнуют долгосрочные перспективы. Формат PDF существует уже более тридцати лет, и, хотя он доказал свою надёжность и долговечность, он также отражает устаревшие представления. 

Кевин поставит сложные вопросы о том, как может выглядеть следующая версия формата PDF. Нужно ли нам продолжать добавлять подмножества и профили формата, или же стоит или переосмыслить сами его основы? Этот вопрос важен для архивистов и специалистов по управлению документами, поскольку принятые сегодня решения в области проектирования будут завтра формировать подходы к обеспечению долговременной сохранности и интероперабельности. Представьте, что Вам придётся объяснять будущим исследователям, почему PDF-файл 2027 года невозможно надежно отобразить, - или, что еще хуже, почему важные свойства не были стандартизированы, когда была такая возможность.

2. Доклад Феликса Вермелингер (Felix Wermelinger, компания PDF Tools AG) «Современные «невидимые чернила»: Скрытая информация в PDF-файлах» (Modern Invisible Ink: hidden information in PDF)

Воспринимайте это доклад как предостережение. Понятие «невидимых чернил» в данном случае охватывает и скрытые слои, и неудалённый текст под закрывающими его чёрными блоками (при цензурировании документов – Н.Х.), и метаданные, раскрывающих куда больше, чем предполагалось, и спрятанная в файле вредоносная информация. 

Феликс разберёт примеры и свяжет их с хорошо известными нам рисками: провалами при раскрытии информации на основе требования законодательства о свободе доступа к государственной информации (FOIA); нарушение конфиденциальности; и обработка моделями ИИ контента, который должен был быть удалён. В плане стратегического управления информацией, это напоминание о том, что доверие в цифровой среде касается не только того, что Вы видите, но также и того, чего Вы не видите.

3. Доклад Бориса Дуброва (Boris Doubrov, компания Dual Lab) «PDF с тегами в дикой природе: Доступность и извлечение в больших масштабах» (Tagged PDF in the Wild: accessibility and extraction at scale)

Эта сессия целиком посвящена данным. Борис и его команда пропустили через свои системы восемь миллионов PDF-файлов, чтобы проверить, какая часть из них была помечена тегами для обеспечения доступности, и насколько корректными были эти структурные деревья. Исследователи также сравнили теги таблиц с результатами распознаванием таблиц на основе ИИ, определив, где технология тегирования полезна, а где нет. 

Для тех из нас, кто заботится о том, чтобы сделать информацию удобной для использования, будь то при использовании программы экранного просмотра, автоматизированные рабочие процессы или интеллектуальный анализ данных, - это базовая истина. Одно дело знать о необходимости тегирования, и совсем другое - увидеть, насколько часто оно действительно корректно реализуется на практике.

Каждая их этих сессий рассматривает различные аспекты одной и той же проблемы:

• Будущая стратегия (сессия PDF 2030) показывает, в какую сторону движется развитие стандарта.
  
  
• Менеджмент риска (сессия о «невидимых чернилах») показывает, что происходит, когда документы не так «чисты», как кажутся.
  
  
• В плане обеспечения качества и доступность (доклад о PDF-файлах с тегами) ставится вопросом о том, соответствует ли реальная практика установленным политикам.

Почему эти вопросы важно для архивистов и специалистов по управлению документами

Некоторые могут подумать, что конференция «Европейские дни PDF» это что-то вроде технико-технологической выставки. На самом же деле, находящие своё отражение на конференции подводные течения весьма актуальны для нашей профессии, ведь от них зависит решение таких вопросов, как обеспечение аутентичности, прозрачности и долговременной доступности. Выбор архитектурных решений, способы обработки скрытой информации и влияние нормативно-правового регулирования ИИ - всё это определяет, насколько заслуживающими доверия будут наши электронные документы через десять или двадцать лет.

Что будет дальше

Завтра после обеда будут проведены стендовые доклады, которые часто являются самой оживлённой частью дня. Именно на них можно услышать откровенные разговоры о трудностях внедрения, и увидеть прототипы, которые никогда не попадают на слайды регулярных докладов. Я постараюсь рассказать читателям расскажу о тех темах, которые находят отклик у сообщества специалистов по стратегическому управлению информацией.

Итак, конференция начинается. Мой отчёт о её первом дне завершён. Следите за новостями - по ходу конференции я буду отправлять новые репортажи из Берлина.

Эндрю Поттер (Andrew Potter)

Источник: сайт Substack
https://metaarchivist.substack.com/p/dispatch-from-berlin