Ошибки ИИ при расчёте концентраций косметической формулы возникают потому, что нейросети анализируют текстовый список INCI, а не реальные проценты ингредиентов. INCI отражает только порядок и качественный состав — дозировку активов, консервантов и ПАВ формула не раскрывает. Поэтому ИИ-«разборы» составов сегодня хороши для распознавания рисков, но научно не валидированы как инструмент точного дозирования.
Представьте: вы вбиваете в чат-бот список ингредиентов любимого серума и просите оценить, «безопасна» ли концентрация ниацинамида. Бот уверенно отвечает: «5%, всё в порядке». Проблема в том, что он это выдумал. На этикетке нет ни одной цифры о реальной дозировке — только порядок по убыванию массовой доли выше 1%. Нейросеть достраивает недостающие данные статистически правдоподобным, но не обязательно верным числом. И вот тут начинается самое интересное — и самое опасное — для тех, кто пытается формулировать дома или доверяет ИИ-анализаторам составов вместо косметического химика.
Что скрывается за списком INCI — и почему ИИ этого не видит
Международная номенклатура косметических ингредиентов регулирует порядок перечисления, но не обязывает производителя раскрывать процентное содержание каждого компонента. Выше 1% ингредиенты идут строго по убыванию концентрации, ниже — в любом порядке. Это значит, что даже самый продвинутый языковой ИИ, «прочитав» этикетку, видит структуру списка, но не имеет доступа к фактическим цифрам рецептуры бренда.
Большинство потребительских ИИ-анализаторов и ботов, которые сегодня разбирают состав крема по фото упаковки, работают именно с этим текстовым списком — без доступа к реальным процентным концентрациям в формуле. Это подтверждается тем, что такие сервисы проектировались для качественного анализа и персонализации рекомендаций, а не для инженерных расчётов дозировок.
Разница между «есть в составе» и «работает в этой дозировке»
Азелаиновая кислота в списке ингредиентов может означать и 0,3%, и 15% — и это принципиально разные продукты с разной переносимостью кожи. Мы подробно разбирали, как дозировка этой кислоты определяет её эффект и риск скатывания текстуры в материале про формулирование с азелаиновой кислотой. ИИ, не имея доступа к реальной рецептуре, физически не может дать корректный ответ о «работающей» концентрации — он может только назвать типичный диапазон, который используется в индустрии, выдав его за факт о конкретном продукте.
Три типичные ошибки нейросетей в расчёте концентраций
Когда пользователи просят ИИ не просто описать состав, а рассчитать рецептуру — например, «сколько нужно ксантановой камеди на 100 г эмульсии» — начинаются системные искажения. Вот три паттерна, которые встречаются чаще всего.
Путаница качественного и количественного состава
Нейросеть обучена на текстах: статьях, форумах, патентах, где цифры упоминаются фрагментарно и часто вне контекста конкретной фазы формулы. В результате ИИ может смешать «типичную рекомендуемую концентрацию консерванта по данным производителя» с «концентрацией, безопасной именно в вашей эмульсии с определённым pH и содержанием воды». Это не то же самое: эффективность консерванта зависит от партнёрства с буферной системой, о чём мы писали в материале про буфер для эмульсии на основе глюконо-дельта-лактона.
Экстраполяция «безопасных» процентов без учёта синергии
ИИ склонен усреднять данные из разных источников и выдавать «безопасный диапазон» как универсальную константу. Но синергия ингредиентов — это то, что таблицы не учитывают. Ниацинамид и чистая аскорбиновая кислота в высоких концентрациях в одной фазе могут снижать стабильность друг друга; ПАВ разной ионности взаимодействуют непредсказуемо по пене и раздражающему потенциалу, о чём подробно говорится в разборе поверхностно-активных веществ в косметике. Модель, обученная на текстовых данных, не пересчитывает химическое взаимодействие компонентов в реальном времени — она предсказывает наиболее вероятное продолжение фразы, а не результат реакции.
Игнорирование pH, температуры и стабильности при масштабировании
Часто ошибка проявляется не в самой цифре процента, а в контексте её применения. ИИ может корректно назвать диапазон 0,1–0,3% для консерванта, но не предупредить, что эта цифра работает только при определённом pH, при отсутствии катионных ПАВ или при конкретной температуре введения фазы. Расчёт концентрации без учёта технологического контекста формулы — это как назвать правильную дозу лекарства, не спросив о массе тела и совместимости с другими препаратами. Проверить, действительно ли готовая эмульсия ведёт себя стабильно, помогают базовые домашние тесты, собранные в гайде «Стабильность формулы: тесты, которые стоит делать дома».
Почему научно валидных данных пока почти нет
Здесь стоит быть честными: по критериям peer-reviewed исследований 2020–2026 годов целевых работ именно о точности расчёта концентраций косметических формул нейросетями пока крайне мало — недостаточно данных, чтобы говорить о надёжности таких расчётов как о доказанном факте. AI-сервисы в косметике сегодня используются преимущественно для качественного анализа составов и персонализации рекомендаций, а их способность безопасно рассчитывать рабочие дозировки ингредиентов научно не подтверждена.
- Модели обучены на открытых текстах — патентах, блогах, форумах, — где реальные производственные концентрации редко публикуются в чистом виде.
- Нет независимого регуляторного стандарта, который бы тестировал точность ИИ-расчётов формул так, как тестируют, например, эффективность консервации.
- Большинство сервисов не раскрывают методологию: неясно, экстраполирует ли модель данные из безопасных диапазонов регуляторов (CIR, SCCS) или из случайных источников.
Это делает любую цифру, полученную от чат-бота без верификации, скорее гипотезой для проверки, чем готовым инженерным решением. Мы разбирали похожую проблему применительно к формулированию средств для волос в статье «ИИ в косметической химии: как нейросети меняют формулирование средств для волос» — там же видно, что нейросети лучше справляются с генерацией гипотез, чем с финальной верификацией дозировок.
Где ИИ действительно полезен, а где нет
Справедливости ради: списывать нейросети со счетов рано. Они закрывают реальные боли — например, экономят часы на поиске литературы по механизму действия пептидов или помогают быстро прочитать десятки INCI-списков конкурентов. Мы писали, как машинное обучение меняет разработку пептидных комплексов, в материале про нейропептиды в косметике.
Задачи, где ИИ уже надёжен
- Быстрый качественный разбор состава: определить, есть ли в продукте потенциальные аллергены, отдушки, спирт высокой концентрации по позиции в списке.
- Поиск научной литературы и патентов по механизму действия конкретной молекулы.
- Генерация гипотез для тестирования — черновой список активов под задачу «успокоить кожу» или «повысить эластичность».
- Систематизация данных о совместимости консервантов с разными системами, которую потом химик проверяет вручную.
Задачи, где доверять расчёту ИИ рискованно
- Точный процент активного ингредиента для конкретной готовой формулы без доступа к реальной рецептуре.
- Расчёт итоговой концентрации консерванта с учётом буферной ёмкости и содержания воды в конкретной эмульсии.
- Прогноз стабильности при масштабировании с лабораторного объёма на промышленную партию.
- Оценка синергии или антагонизма нескольких активов одновременно в высокой концентрации.
Чек-лист: как проверить расчёт, если формулу предложила нейросеть
Если вы формулируете дома или тестируете гипотезы с помощью ИИ — не выбрасывайте инструмент, но добавьте верификацию. Вот минимальный протокол проверки, который снижает риск ошибок ИИ при расчёте концентрации косметической формулы.
- Сверьте предложенный процент активного вещества с рекомендациями поставщика сырья (техническая документация, а не маркетинговый лист) — там указаны реальные рабочие диапазоны.
- Проверьте pH готовой формулы после введения активов: многие кислоты и буферные системы работают только в узком коридоре, как в случае с GDL-буфером.
- Сделайте пробную партию 50–100 г и понаблюдайте за стабильностью минимум 4 недели при комнатной температуре и в термокамере.
- Проверьте совместимость консерванта с итоговым составом — особенно если в формуле есть безводная фаза, где действуют другие правила, описанные в материале о консервации безводных продуктов.
- Не доверяйте единичному ответу чат-бота — запросите источник цифры и сверьте его с независимой базой (CosIng, CIR, публикации SCCS).
Что это значит для тех, кто формулирует дома
Домашнее кремоварение переживает бум, и ИИ стал ещё одним «удобным консультантом» на кухне химика-любителя. Но крем — это не текстовый жанр, а физико-химическая система, где на выходе важны конкретные граммы, а не усреднённое «около 2%». Если вы только начинаете собирать формулы самостоятельно, разумнее сначала разобраться в базовой логике эмульсий и подбора активов — с этого стоит начать, прежде чем полагаться на ИИ-калькуляторы процентов, — а инструкция «Как сделать крем дома» может стать хорошей точкой входа.
FAQ
Именно чтобы ИИ не подсовывал вам красивые, но неверные цифры, в Клубе Формула крема работает ИИ-Химик — ассистент на верифицированной INCI/CosIng-базе (RAG): он отвечает по источникам, а не галлюцинирует. Плюс живой химик, который поймает то, что не заметит ни один алгоритм.
