1 апреля 2026 года официально стартовала компания Swiss International Gemlab (SIG), основанная командой опытных геммологов: Вилли Биери (директор по науке и технике), Лоуренс Хан (операционный директор) и Маттиас Алессандри (технический директор). Каждый из них обладает 14-21-летним практическим опытом работы в ведущих лабораториях по исследованию цветных камней, включая руководящие позиции. SIG открыла свои представительства в Люцерне и Гонконге. Первое публичное выступление компании запланировано на выставке GemGenève в мае этого года, где SIG представит себя как независимую глобальную лабораторию, специализирующуюся на выдаче отчетов по цветным камням.
Ключевым отличием SIG, особенно на начальном этапе, является интеграция анализа с использованием искусственного интеллекта (ИИ) в свою модель работы.
Хотя ИИ не является абсолютной новинкой для геммологических лабораторий, его применение в сфере цветных камней имеет свои особенности.
В алмазной индустрии, например, компания GCAL в сотрудничестве с Sarine Technologies уже успешно применяет системы на базе ИИ для оценки цвета и чистоты алмазов. Эти решения опираются на обширные стандартизированные наборы данных, что облегчает достижение согласованности и воспроизводимости результатов.
В случае с цветными камнями задача более комплексная, однако передовой анализ данных уже активно используется в существующей практике. Ведущие профессиональные геммологические лаборатории, такие как GIA, SSEF (Швейцарская геммологическая лаборатория), Gübelin Gem Lab, AGL (Американская геммологическая лаборатория) и GGTL Laboratories, на протяжении многих лет формировали обширные справочные коллекции и базы данных. Они применяют вычислительные инструменты для анализа химических и спектроскопических данных, что позволяет точно идентифицировать камни, определять их страну происхождения, цвет и выявлять следы обработки.
Эти геммологические методы могут включать машинное обучение, распознавание образов и моделирование больших объемов данных. Однако, до сих пор эти технологии оставались в тени, не получая явного наименования "искусственный интеллект" и не становясь предметом активного маркетинга. По сути, это инструменты, призванные расширить возможности геммологов, а не самостоятельные функции, которые продвигаются среди специалистов отрасли.
Искусственный интеллект в геммологии: новый подход SIG
SIG предлагает свежий взгляд на применение искусственного интеллекта (ИИ) в геммологии. Вместо того чтобы рассматривать сложный анализ данных как нечто скрытое, компания интегрирует ИИ в свой аналитический процесс, называя это "оценкой с помощью ИИ".
Однако на данный момент технических деталей немного. Неясно, каковы размеры и структура используемых наборов данных, как обучался ИИ и как его результаты проверяются с помощью общепринятых геммологических методов. Это не критика, а скорее естественные вопросы, возникающие при знакомстве с новой технологией.
Основатели SIG подчеркивают, что их ИИ призван не заменить геммологов, а стать их помощником. Внутри компании его называют "вторым пилотом" – системой, призванной обеспечить единообразие, эффективность и контроль качества. Окончательное решение по каждому отчету по-прежнему остается за опытным старшим геммологом.
Знакомая команда в новом диалоге
Все три основателя SIG ранее работали в GRS (GemResearch Swisslab), где занимались идентификацией цветных драгоценных камней, определением их происхождения, анализом обработки, полевыми исследованиями и оценкой качества.
GRS зарекомендовала себя на рынке, в частности, благодаря использованию коммерческих терминов для описания цвета, таких как "Голубиная кровь" для рубина и "Королевский синий" для сапфира. Эти термины пользуются высоким спросом.
В то же время, сами термины и их применение вызывают постоянные дискуссии в геммологическом сообществе. Вопросы касаются согласованности, четкости определений и баланса между коммерческой привлекательностью и геммологической точностью.
Этот опыт может повлиять на то, как отрасль воспримет подход SIG, особенно в контексте внедрения ИИ в одну из самых сложных областей геммологии – описание цвета и определение происхождения.
Фундамент данных: основа успеха
Хотя SIG позиционирует ИИ как ключевой элемент своей бизнес-модели, передовой анализ данных в геммологии развивается уже давно.
В крупных лабораториях эта работа опирается на глубокие исследования и тщательно разработанные эталонные наборы данных. Такие системы могут включать сложный вычислительный анализ, но редко представляются как "искусственный интеллект".
На презентациях GIA в Тусоне в начале этого года Вим Вертрист ясно обозначил: "Исследования лежат в основе всего этого", имея в виду работу по определению происхождения. "Мы не просто выходим и гадаем на кофейной гуще".
Он выделил три основных столпа этой работы:
Опытный персонал: Экспертные знания и интуиция геммологов.
Надлежащее оборудование: Современные инструменты для анализа.
Надежные образцы: Качественные и хорошо документированные эталонные материалы.
Последний пункт особенно важен. "Если вы соберете мешок драгоценных камней, у вас останется только мешок драгоценных камней". Это означает, что качество данных напрямую зависит от качества исходного материала. Приборы генерируют информацию, но ее интерпретация и, в конечном итоге, доверие к ней зависят от экспертных знаний, калибровки и хорошо документированных справочных материалов.
SIG подчеркивает, что ее подход основан на тех же принципах: опытные геммологи, передовое оборудование и постоянно пополняющаяся коллекция эталонных образцов. Искусственный интеллект в этой системе выступает как дополнение, а не как замена этим фундаментальным элементам.
(Комментарии Вертриста взяты из статьи о Тусоне. Подробнее можно прочитать ЗДЕСЬ.)
Новый взгляд на знакомую идею: ИИ в геммологии
Модель SIG во многом перекликается с предыдущими разработками в области анализа алмазов. Тогда искусственный интеллект внедрялся не для замены геммологов, а для обеспечения единообразия и воспроизводимости результатов.
Этот подход уже доказал свою эффективность. В лаборатории GCAL, в сотрудничестве с Sarine Technologies, системы ИИ обучаются на обширных массивах данных с известными цветовыми характеристиками.
Как пояснил президент GCAL Анджело Пальмиери, когда в систему загружаются десятки тысяч бриллиантов с определенной степенью чистоты, она начинает распознавать эти характеристики с помощью машинного зрения и обработки изображений. Со временем "система научилась классификации GIA".
Однако даже при таком объеме данных и высокой воспроизводимости результатов роль геммолога остается ключевой.
"Наши специалисты по оценке качества играют центральную роль в этом процессе", — подчеркивает Пальмиери. Камень считается окончательно оцененным только тогда, когда "машины и специалисты приходят к единому мнению".
Таким образом, сама технология не нова, меняется лишь способ ее представления.
Что волнует профессионалов отрасли?
Для оптовиков, розничных продавцов и оценщиков главный вопрос не в том, есть ли место ИИ в геммологии.
Этот шаг в будущее уже сделан.
Важнее понять, как именно ИИ интегрируется и как он работает на практике.
Насколько стабильны получаемые результаты?
Насколько прозрачна используемая методология?
Насколько полученные выводы соответствуют устоявшимся отраслевым стандартам?
Особенно актуальны эти вопросы для цветных камней, где ценность часто определяется тонкими нюансами оттенка, происхождением цвета, страной добычи и методами обработки.
Ждать ли революции?
Искусственный интеллект уже стал неотъемлемой частью современного инструментария геммологов.
Новым является подход к его позиционированию.
Благодаря SIG, ИИ перестает быть "невидимым" и необходимым аналитическим инструментом, работающим в фоновом режиме. Он становится явной частью идентичности лаборатории.
Успех этого перехода будет зависеть не столько от самого факта наличия ИИ, сколько от уровня прозрачности, последовательности и доверия, которые удастся сформировать вокруг него.
