AI giúp các hãng mỹ phẩm tạo ra sản phẩm mới thế nào?

Theo đó, cuộc đua tạo mỹ phẩm bằng AI vì thế đang mở ra một cách làm R&D hoàn toàn khác.

Nếu trước đây một sản phẩm dưỡng da mới thường bắt đầu bằng kinh nghiệm của nhà nghiên cứu, hàng loạt mẫu thử và nhiều vòng điều chỉnh, thì nay một phần công việc đó có thể được chuyển cho máy tính.

Thay vì thử lần lượt từng tổ hợp nguyên liệu, hệ thống trí tuệ nhân tạo có thể đọc kho dữ liệu công thức cũ, phân tích đặc tính nguyên liệu, nhận diện các mối liên hệ khó nhìn thấy bằng mắt thường rồi đưa ra hàng nghìn phương án để con người tiếp tục sàng lọc. Sự thay đổi này đang diễn ra ngay tại các tập đoàn mỹ phẩm lớn.

AI trong ngành mỹ phẩm bắt đầu “viết” công thức mới

Tháng 1/2026, Shiseido công bố sản phẩm chống nắng dạng xịt được phát triển với sự hỗ trợ của nền tảng AI mang tên VOYAGER. Hệ thống này tích hợp hơn 100 năm kinh nghiệm nghiên cứu của hãng cùng trên 500.000 dữ liệu công thức mỹ phẩm.

Điểm đáng chú ý là AI không chỉ tìm lại một công thức cũ có đặc tính gần giống yêu cầu của nhà nghiên cứu.

Phiên bản mới của VOYAGER có thể tạo và đánh giá hàng chục nghìn công thức tiềm năng, sau đó thu hẹp còn vài chục phương án để chuyên gia thử nghiệm. Hệ thống được huấn luyện cả những kiến thức rất đặc thù của ngành mỹ phẩm như cơ chế nhũ hóa, tương tác giữa thành phần hay kinh nghiệm từng nằm chủ yếu trong tay các nhà nghiên cứu lâu năm.

Từ một yêu cầu tưởng như đơn giản - tạo sản phẩm chống nắng dễ sử dụng, có cảm giác nhẹ trên da - AI đã đề xuất hướng công thức gần với nước cân bằng da, phát triển từ một hệ dầu hai pha. Các nhà nghiên cứu tiếp tục bổ sung màu sắc, hương thơm và những yêu cầu về cảm giác sử dụng để tạo thành sản phẩm hoàn chỉnh. Đây là một điểm rất khác với hình dung phổ biến rằng AI chỉ “tính toán nhanh hơn”.

Trong phòng thí nghiệm mỹ phẩm, giá trị lớn nhất của AI có thể nằm ở khả năng mở rộng không gian thử nghiệm. Một nhà nghiên cứu khó có thể cùng lúc xem xét hàng chục nghìn cách kết hợp nguyên liệu nhưng máy tính thì có thể.

L’Oréal cũng đang đi theo hướng này. Tháng 3/2026, tập đoàn Pháp mở rộng hợp tác với NVIDIA, đưa mô hình máy học ALCHEMI vào hệ thống nghiên cứu và đổi mới. Công nghệ được sử dụng để dự đoán cách các phân tử hoạt động và tương tác ở cấp độ nguyên tử, đồng thời mô phỏng hiệu quả thành phần và kết cấu mỹ phẩm trong môi trường số trước khi bước vào thử nghiệm vật lý.

Theo L’Oréal, quá trình khám phá bằng mô hình này có thể nhanh hơn phương pháp truyền thống tới 100 lần ở một số công đoạn nghiên cứu. Công ty đang tập trung trước vào các lĩnh vực như chống tác động của ánh sáng và kiểm soát sắc tố da.

Bà Barbara Lavernos, Phó tổng giám đốc phụ trách Nghiên cứu, Đổi mới và Công nghệ của L’Oréal, cho rằng mô phỏng phân tử bằng AI giúp nối quá trình khám phá ở cấp nguyên tử với lợi ích thực tế cho người tiêu dùng, từ đó đẩy nhanh việc tạo ra sản phẩm hiệu quả và có trải nghiệm sử dụng tốt hơn.

Một ví dụ khác cho thấy AI đã bắt đầu tạo ra kết quả thương mại rõ hơn.

Trao đổi với Reuters vào tháng 7/2026, ông Fabrice Megarbane, Chủ tịch ngành hàng tiêu dùng của L’Oréal, cho biết công ty đã dùng AI để phát hiện những phân tử vốn sử dụng trong chăm sóc da nhưng có thể ứng dụng sang dầu gội. Theo ông, công nghệ giúp L’Oréal phát triển sản phẩm nhanh gấp bốn lần trước đây trong một số quy trình.

Nói đơn giản, AI không trực tiếp pha chế mỹ phẩm, nhưng đang giúp các nhà nghiên cứu chọn ra những công thức đáng để thử nghiệm trước.

Xu hướng này cũng xuất hiện tại Việt Nam.

Tại Beauty Show 2024 ở TP.HCM, ông Roland Kraut, Giám đốc điều hành ngành nguyên liệu hóa chất của DKSH, nhận định AI sẽ được ứng dụng mạnh trong mỹ phẩm trong thập niên tiếp theo. Theo ông, công nghệ không chỉ tối ưu quy trình mà còn có thể học từ những thử nghiệm thất bại để hỗ trợ phát triển sản phẩm tốt hơn.

Ông Trần Thanh Hải, quản lý cấp cao nhánh chăm sóc cá nhân của DKSH Việt Nam, cũng ghi nhận sự tăng trưởng của các thương hiệu mỹ phẩm nội địa và xu hướng hướng tới sản phẩm thiên nhiên. Đây chính là nhóm thị trường mà dữ liệu nguyên liệu, nhu cầu người dùng và công nghệ dự báo có thể ngày càng gắn chặt với quá trình phát triển sản phẩm.

Mỹ phẩm do AI hỗ trợ tạo ra vẫn phải vượt qua phòng thí nghiệm

Sức hấp dẫn của AI khá rõ: nhanh hơn, thử được nhiều phương án hơn và có khả năng phát hiện những mối liên hệ mà con người có thể bỏ qua. Nhưng từ một công thức do thuật toán đề xuất đến lọ serum đặt trên kệ vẫn còn một khoảng cách dài.

AI có thể cho rằng hai nguyên liệu “hợp nhau” trên dữ liệu. Nhà nghiên cứu vẫn phải kiểm tra công thức có tách lớp hay không, độ ổn định ra sao, chất bảo quản hoạt động thế nào, màu và mùi thay đổi sau thời gian bảo quản hay không, cảm giác trên da có đạt yêu cầu không.

Quan trọng hơn, sản phẩm phải bảo đảm an toàn.

Ngay chính Shiseido cũng không giao toàn bộ quá trình cho thuật toán. Sau khi AI tạo hàng chục nghìn ứng viên, nhà nghiên cứu vẫn là người chọn, thử nghiệm và hoàn thiện một số ít công thức khả thi. Điều này cho thấy thuật ngữ “mỹ phẩm do AI tạo ra” cần được hiểu chính xác.

Trong các hệ thống đang được triển khai tại những tập đoàn lớn, AI chủ yếu đóng vai trò công cụ đồng sáng tạo, dự báo và sàng lọc. Quyết định cuối cùng vẫn thuộc về chuyên gia R&D và quy trình kiểm nghiệm.

Đó cũng là lý do người tiêu dùng cần thận trọng trước những quảng cáo đơn giản hóa câu chuyện thành “AI tự tạo mỹ phẩm riêng cho bạn”.

Nhu cầu cá nhân hóa là có thật. Một khảo sát được VnEconomy dẫn lại cho thấy 72% người tiêu dùng sẵn sàng trả nhiều hơn cho sản phẩm mỹ phẩm được thiết kế riêng; báo cáo khác cho thấy mức độ quan tâm đến cá nhân hóa mỹ phẩm đã tăng từ 30% lên 42%. Nhưng cá nhân hóa càng sâu thì câu hỏi về dữ liệu càng lớn.

Để thiết kế sản phẩm phù hợp với từng nhóm người, hệ thống cần dữ liệu về loại da, độ tuổi, môi trường sống, thói quen chăm sóc và trong nhiều trường hợp cả hình ảnh khuôn mặt. Nếu dữ liệu huấn luyện thiếu đa dạng, kết quả AI cũng có thể thiên lệch với một số màu da hoặc nhóm dân cư.

Vấn đề đáng chú ý khi nhiều người bắt đầu sử dụng chatbot hoặc ứng dụng AI như một “chuyên gia da liễu”.

Tháng 7/2026, The Guardian dẫn lời cảnh báo của các chuyên gia, rằng AI vẫn có thể đưa ra khuyến nghị chăm sóc da sai hoặc thiếu bối cảnh. Nhà hóa mỹ phẩm Michelle Wong chỉ ra những trường hợp AI tư vấn không chính xác về thành phần; các bác sĩ da liễu cũng lưu ý thuật toán khó thay thế đánh giá trực tiếp đối với hàng nghìn bệnh lý khác nhau của da.

AI dùng trong phòng nghiên cứu của một hãng mỹ phẩm, được huấn luyện bằng hàng trăm nghìn dữ liệu công thức và đặt dưới sự kiểm soát của nhà khoa học, hoàn toàn khác việc người dùng yêu cầu một chatbot phổ thông viết công thức kem dưỡng rồi tự pha tại nhà.

Ở Việt Nam, sản phẩm mỹ phẩm muốn lưu thông vẫn phải tuân thủ quy định quản lý và công bố sản phẩm. Thông tư 34/2025/TT-BYT đã sửa đổi một số nội dung của quy định quản lý mỹ phẩm; thành phần công thức, thông tin đơn vị sản xuất và hồ sơ công bố vẫn phải được kê khai theo quy định.

Nói cách khác, AI có thể thay đổi cách một sản phẩm được phát minh nhưng không xóa bỏ trách nhiệm của doanh nghiệp đối với sản phẩm cuối cùng.

Cuộc cạnh tranh của ngành mỹ phẩm trong vài năm tới vì thế có thể không còn nằm đơn thuần ở việc hãng nào sở hữu nhiều nhà hóa học hơn hay ngân sách R&D lớn hơn. Lợi thế sẽ thuộc về doanh nghiệp nào có dữ liệu tốt, mô hình AI đủ mạnh và quan trọng nhất, đội ngũ chuyên gia biết đâu là gợi ý đáng để đưa từ màn hình máy tính sang bàn thí nghiệm.

Khi đó, một sản phẩm mỹ phẩm mới có thể bắt đầu bằng vài dòng yêu cầu nhập vào hệ thống. AI đề xuất hàng nghìn hướng đi. Nhưng lọ kem cuối cùng có an toàn, hiệu quả và thực sự cần thiết hay không vẫn là câu hỏi con người phải trả lời.