Beauty AI – jak sztuczna inteligencja pomaga w tworzeniu składu kosmetyków?

Sztuczna inteligencja coraz wyraźniej wkracza do branży kosmetycznej. Jeszcze niedawno kojarzyła się przede wszystkim z analizą skóry, wirtualnymi konsultacjami czy rekomendowaniem produktów. Dziś jej zastosowanie sięga jednak znacznie dalej. AI może pomagać w analizowaniu składów kosmetyków, przewidywaniu właściwości poszczególnych substancji, ocenie stabilności formulacji, personalizacji pielęgnacji, a nawet w projektowaniu nowych składników aktywnych.

Beauty AI można więc rozumieć jako wykorzystanie sztucznej inteligencji do analizy dużych zbiorów danych dotyczących skóry, składników kosmetycznych oraz właściwości gotowych formulacji. Dzięki niej podejmowanie decyzji podczas tworzenia kosmetyku jest szybsze i bardziej precyzyjne, a dopasowanie produktów do potrzeb konsumentów lepsze (Di Guardo, 2025; Eppler, Hang, 2025).

Nie oznacza to jednak, że algorytm może samodzielnie stworzyć gotowy kosmetyk i zastąpić technologa. Obecnie najlepiej traktować AI jako narzędzie wspierające pracę specjalistów, a nie ich zastępujące.

Czym jest Beauty AI i jak działa w tworzeniu kosmetyków?

Beauty AI obejmuje różne technologie sztucznej inteligencji wykorzystywane w kosmetologii i przemyśle kosmetycznym. Mogą to być m.in. uczenie maszynowe, deep learning, sieci neuronowe, analiza obrazu czy algorytmy przetwarzające duże zbiory danych dotyczących składników kosmetycznych.

System może analizować zarówno informacje dotyczące samej skóry, jak i dane o produktach. W przypadku personalizowanej pielęgnacji mogą być brane pod uwagę np. zdjęcia skóry, poziom jej przetłuszczania, występowanie przebarwień, trądziku, rozszerzonych porów czy oznak starzenia. Niektóre rozwiązania mogą dodatkowo wykorzystywać informacje o wrażliwości skóry, warunkach środowiskowych, a w bardziej zaawansowanych modelach również dane biologiczne, takie jak informacje dotyczące mikrobiomu, a nawet genomu (Hash, 2025; Kania, 2024).

Następnie dane te są zestawiane z informacjami dotyczącymi składników i formuł kosmetycznych. Algorytm może dzięki temu szukać zależności pomiędzy określonymi cechami skóry a substancjami, które potencjalnie najlepiej odpowiadają na jej potrzeby (Lee, 2024; Hash, 2025; Pimienta-Rosero, 2025).

Beauty AI może być więc wykorzystywane w kilku obszarach:

Algorytmy i bazy danych składników aktywnych

Dla AI skład kosmetyku jest zbiorem danych, które można porównywać z innymi recepturami. System analizuje obecność składników, ich funkcje i występowanie, a niekiedy również kolejność składników na liście INCI. Jeden z opracowanych modeli łączy taką analizę z oceną zdjęć twarzy, aby rekomendować gotowe produkty dopasowane do potrzeb skóry (Lee, 2024).

Jest to ważne ze względu na ogromną liczbę możliwych kombinacji różnych składników. Technolog pracujący nad nowym kosmetykiem musi uwzględnić kompatybilność składników, ich rozpuszczalność, stabilność, pH czy wpływ na właściwości sensoryczne produktu. Przy dużej liczbie możliwości ręczna analiza każdej kombinacji staje się czasochłonna. AI może przeszukiwać o wiele większą ilość danych i wskazać najbardziej obiecujące kierunki dalszych badań (Grech, 2024; Di Guardo, 2025).

Lista INCI nie jest jednak pełną recepturą technologiczną. Nie zawiera dokładnych stężeń, sposobu wytwarzania ani informacji potrzebnych do przewidzenia zachowania kosmetyku na skórze. Model korzystający wyłącznie ze składu INCI ma więc inne możliwości niż system analizujący kompletne dane formuły i wyniki pomiarów (Lee, 2024; Solarte, 2025).

Jak AI projektuje formuły kosmetyczne?

Projektowanie formuły z pomocą AI zaczyna się od określenia celu. Może nim być uzyskanie odpowiedniej konsystencji, stabilności emulsji czy działania. Następnie model szuka zależności między składem, sposobem przygotowania i uzyskanymi właściwościami produktu. Na tej podstawie pomaga wybrać metody warte badań (Solarte, 2025).

AI usprawnia proces tworzenia nowego produktu, ale potrzebuje rzeczywistych danych. Sama wygenerowana lista składników nie potwierdza, że kosmetyk będzie stabilny, przyjemny w stosowaniu czy skuteczny (Di Guardo, 2025).

Analiza potrzeb skóry i dobór składników

Jednym z najczęściej opisywanych zastosowań AI w kosmetologii jest analiza kondycji skóry. Algorytmy wykorzystujące obrazowanie mogą rozpoznawać lub klasyfikować m.in. przebarwienia, zmiany trądzikowe, pory, stopień przetłuszczania skóry czy oznaki starzenia (Kania, 2024; Perumal, 2025; Haykal, 2024).

Informacje te zostają następnie połączone z bazą danych składników kosmetycznych, a system może ustalić, co u konkretnego użytkownika jest dominującym problemem, a następnie wskazać składniki, które najczęściej wykorzystuje się w kosmetykach odpowiadających na takie potrzeby.

Może także uwzględnić informacje dotyczące tolerancji skóry. Jeśli użytkownik deklaruje dużą wrażliwość lub wcześniejsze reakcje na określone składniki, algorytm może traktować je jako dodatkowe ograniczenie podczas tworzenia rekomendacji (Hash, 2025).

Personalizacja stężeń i kompozycji pod indywidualne potrzeby

Skóra różni się nie tylko pomiędzy poszczególnymi osobami, lecz także zmienia się w czasie. Na jej kondycję mogą wpływać m.in. pora roku, klimat, ekspozycja na promieniowanie UV, aktualna pielęgnacja czy zmiany fizjologiczne. Dlatego rozwijane systemy AI mogą w przyszłości nie tylko wskazywać odpowiednie składniki aktywne, ale także pomagać określać intensywność pielęgnacji, częstotliwość stosowania produktu lub kompozycję formulacji (Hash, 2025; Haykal, 2025).

Jeszcze bardziej zaawansowanym kierunkiem jest łączenie AI z analizą danych biologicznych. W literaturze opisuje się możliwość wykorzystania genomiki, proteomiki czy informacji o mikrobiomie skóry w celu przewidywania indywidualnej odpowiedzi na określone składniki lub zabiegi (Haykal, 2025). Na razie należy jednak traktować ten kierunek przede wszystkim jako dynamicznie rozwijający się obszar badań, a nie standard powszechnie stosowany przy tworzeniu kosmetyków.

Przykłady zastosowania AI w tworzeniu kosmetyków

Beauty AI może optymalizować właściwości nowego produktu oraz wspierać poszukiwanie nowych surowców.

Recepturowanie

AI może wspierać optymalizację receptury kosmetycznej. Pomaga przewidywać wybrane właściwości formulacji i wskazywać najbardziej obiecujące stężenia składników. Pozwala to ograniczyć liczbę opcji jeszcze przed wykonaniem prób laboratoryjnych.

Tworzenie nowych składników

Kolejnym obszarem jest projektowanie nowych składników kosmetycznych. Sztuczna inteligencja może pomagać w wyszukiwaniu lub projektowaniu cząsteczek o określonych właściwościach, np. nowych peptydów.

Serum i kremy projektowane przez AI

W jednym z badań analizowano różne warianty formulacji pod kątem kilku parametrów jednocześnie, m.in. pH, lepkości, przenikania oraz właściwości nawilżających. Algorytm pomagał wyszukiwać kombinację pozwalającą uzyskać jak najlepszy zestaw właściwości produktu (Thuy, 2025). Podobne podejście może być potencjalnie wykorzystywane podczas tworzenia produktów takich jak kremy do twarzy, sera do twarzy czy toniki do twarzy, których formulacje często zawierają dużą liczbę składników wpływających na siebie wzajemnie.

AI ma znaczenie również podczas projektowania samych substancji aktywnych. Jednym z badanych obszarów jest wykorzystanie sztucznej inteligencji do projektowania nowych peptydów kosmetycznych. Modele mogą pomagać przewidywać ich stabilność, właściwości, transport przez skórę oraz potencjalną aktywność biologiczną (Zhu, 2025).

Peptyd Zaprojektowany przez AI Slavia Cosmetics

Wyciszające serum do skóry trądzikowej z adenozyną →

W portfolio produktów Slavia Cosmetics znajduje się serum zawierające innowacyjny trójaktywny peptyd SP[AI]3™ zaprojektowany przez AI tak, aby jednocześnie wpływać na trzy kluczowe problemy skóry trądzikowej: nadmierne wydzielanie sebum, widoczność porów oraz stany zapalne. Serum zawiera również m.in. niacynamid, dendrymer lizynowy, kompleks adenozyny z biofunkcjonalnym krzemem oraz ekstrakty roślinne wspierające oczyszczanie skóry i równowagę mikrobiomu. Posiada lekką konsystencję i przeznaczone jest przede wszystkim do skóry tłustej, mieszanej i problematycznej.

Peptyd SP[AI]3™ Adenozyna + krzem Dendrymer lizynowy Równowaga mikrobiomu

Korzyści z wykorzystania AI w kosmetologii

Największą zaletą zastosowania AI jest możliwość szybkiego analizowania bardzo dużych zbiorów danych. Dla przemysłu kosmetycznego oznacza to potencjalnie krótszy proces rozwoju produktu oraz łatwiejsze porównywanie różnych wariantów formulacji.

Do najważniejszych korzyści należą:

Szybsze testowanie i optymalizacja formuł

Opracowywanie kosmetyku jest procesem wieloetapowym. Nawet niewielka zmiana zawartości danego składnika może znacząco zmienić właściwości całej formulacji. AI pomaga przewidywać takie parametry jak stabilność, rozpuszczalność, reologia, tekstura czy potencjał emulgacyjny jeszcze przed wykonaniem części eksperymentów (Di Guardo, 2025).

Precyzyjne dopasowanie do skóry użytkownika

Drugą dużą zaletą Beauty AI jest możliwość personalizacji. Tradycyjny dobór kosmetyków często opiera się na kilku podstawowych danych, a w rzeczywistości jest dużo bardziej skomplikowany. Jedna osoba może mieć jednocześnie zwiększone wydzielanie sebum, skłonność do odwodnienia, przebarwienia i niedoskonałości.

System AI może zestawić wiele parametrów jednocześnie: dane obrazowe, deklaracje użytkownika, historię wrażliwości czy czynniki środowiskowe. Dzięki temu rekomendacje są o wiele bardziej spersonalizowane (Lee, 2024; Hash, 2025; Eppler, Hang, 2025).

Ograniczenia i wyzwania Beauty AI

Możliwości AI są duże, ale równie istotne są jej ograniczenia. Algorytm nie jest lepszy od danych, na których został wytrenowany. Jeśli dane są niepełne, błędne lub nie obejmują odpowiednio zróżnicowanej grupy, model może również generować niedokładne, a czasami nawet błędne wyniki. Szczególnie ważne staje się to w sytuacji, gdy system analizuje zdjęcia skóry lub inne dane biologiczne użytkownika (Solarte, 2025; Pimienta-Rosero, 2025; Haykal, 2025).

Bezpieczeństwo i testy dermatologiczne

AI może pomagać przewidywać potencjał uczulający składników, tolerancję formulacji lub niektóre właściwości związane z bezpieczeństwem (Solarte, 2025; Di Guardo, 2025). Nie powinna jednak zastępować właściwych badań bezpieczeństwa.

Kosmetyk jest złożonym układem fizykochemicznym, a realne działanie formulacji może zależeć od wielu elementów niewystarczająco odwzorowanych w modelu komputerowym. Dotyczy to m.in. interakcji pomiędzy składnikami, wpływu opakowania, warunków przechowywania czy indywidualnych różnic w reakcji skóry. Dlatego wyniki uzyskane za pomocą AI nadal wymagają badań, szczególnie wtedy, gdy dane AI są ograniczone lub mało reprezentatywne (Solarte, 2025; Eppler, Hang, 2025).

Granice automatyzacji – rola eksperta kosmetycznego

Jednym z błędnych wyobrażeń dotyczących Beauty AI jest przekonanie, że technologia może całkowicie zastąpić pracę technologa kosmetycznego. AI dobrze radzi sobie z analizowaniem dużych zbiorów danych, identyfikowaniem zależności oraz generowaniem potencjalnych rozwiązań. Znacznie trudniejsze jest jednak ocenienie, czy zaproponowane rozwiązanie ma realny sens.

Technolog musi uwzględnić nie tylko dane AI, ale także właściwości surowców, sposób produkcji, stabilność formulacji, wymagania prawne, kompatybilność z opakowaniem czy sensorykę kosmetyku. Potrzebna jest również interpretacja wyników oraz ocena ich wiarygodności. Dlatego w przeglądach dotyczących zastosowania AI w kosmetologii dominuje model, w którym sztuczna inteligencja wspiera ekspertów, zamiast ich zastępować (Kania, 2024; Eppler, Hang, 2025; Haykal, 2024).

Przyszłość Beauty AI w branży kosmetycznej

Rozwój Beauty AI prawdopodobnie będzie zmierzał w stronę coraz większej integracji różnych źródeł informacji. System może w przyszłości jednocześnie analizować kondycję skóry, skład kosmetyków, właściwości surowców, dane środowiskowe, wyniki badań laboratoryjnych oraz informacje biologiczne użytkownika.

Drugim kierunkiem jest dalsza automatyzacja badań nad formulacjami. Modele mogą być łączone z systemami automatycznie przygotowującymi i analizującymi kolejne próbki. AI mogłoby następnie wykorzystywać wyniki wcześniejszych eksperymentów do zaplanowania kolejnych wariantów formulacji (Zhang, 2026). Możliwe jest również coraz szersze zastosowanie modeli łączących sztuczną inteligencję z fizykochemicznym modelowaniem formulacji oraz danymi konsumenckimi (Eppler, Hang, 2025).

Najbardziej prawdopodobnym kierunkiem rozwoju Beauty AI jest więc połączenie możliwości algorytmów z wiedzą człowieka. Sztuczna inteligencja może analizować dane i wskazywać potencjalnie najlepsze rozwiązania, natomiast ekspert decyduje, które z nich rzeczywiście mają sens i mogą zostać wykorzystane w gotowym kosmetyku.

Podsumowanie

Beauty AI zmienia sposób, w jaki można analizować skórę, składniki i całe formulacje kosmetyczne. Sztuczna inteligencja pozwala przetwarzać znacznie więcej informacji niż byłoby to możliwe podczas ręcznej analizy i może wspierać technologów na różnych etapach tworzenia produktu.

AI pomaga przede wszystkim w analizowaniu składów, przewidywaniu właściwości formulacji, optymalizacji receptur, doborze składników i personalizacji kosmetyków. Wspiera także projektowanie nowych substancji aktywnych oraz ogranicza liczbę mniej obiecujących eksperymentów wykonywanych w laboratorium.

Jednocześnie nie należy traktować jej jako samodzielnego technologa kosmetyków. Największy potencjał Beauty AI tkwi w połączeniu szybkiej analizy danych z doświadczeniem ekspertów.

FAQ – najczęściej zadawane pytania

Źródła:

• Cosmetics (Di Guardo, 2025)
• Cosmetics (Eppler, Hang, 2025)
• Cureus (Hash, 2025)
• Journal of Cosmetic Dermatology (Kania, 2024)
• Journal of Cosmetic Dermatology (Lee, 2024)
• Actas Dermo-Sifiliográficas (Pimienta-Rosero, 2025)
• Cosmetics (Grech, 2024)
• ACS Omega (Solarte, 2025)
• IEEE (Perumal, 2025)
• Skin Research and Technology (Haykal, 2024)
• Frontiers in Artificial Intelligence (Haykal, 2025)
• Journal of Cosmetic Applications (Thuy, 2025)
• ResearchGate (Zhu, 2025)
• Advanced Intelligent Discovery (Zhang, 2026)