Industria Cosmética - Número 46

propiedades de combinaciones que nunca se han preparado. El espacio deja de explorarse en el laboratorio y empieza a explorarse en el ordenador. El laboratorio pasa a ser donde se confirman las hipótesis del modelo, no donde se generan. LA VALIDACIÓN TAMBIÉN SE ESTÁ MODELIZANDO El caso deUnilever muestra el eslabón siguiente. En su división de Beauty& Wellbeing —12.800millones de euros—la compañía asegura haber reducido los ciclos de formulación de seis rondas a una o dos, acelerado la generación de claims en un 75%y recortado en un 60%el tiempo de análisis de insights . El paso de concepto a brief de I+Dha pasado demeses a días, conmás demil fuentes externas de datos alimentando el sistema. La pieza más interesante —y la más discutible— son las cohortes virtuales: grupos de sujetos sintéticos construidos a partir de sus propios datasets de microbioma, con los que se evalúa cómo respondería un perfil determinado —edad, tipo de piel, tipo de cabello, geografía— ante una fórmula, un claim o un perfil sensorial. Hablan de analizar del orden de 2.500 sujetos simultáneamente. Conviene ser preciso con lo que significa. Una cohorte virtual es un instrumento de priorización: sirve para descartar rápido y para decidir qué merece un panel real. Pero no es un panel real. Su riesgo es el habitual en todo modelo generativo: producir resultados plausibles y bien formulados que no correspondan a nada. EL PUNTO DELICADO: LOS CLAIMS Aquí la cosmética tiene una particularidad que no tienen otros sectores. El Reglamento (CE) 1223/2009 y los criterios comunes del Reglamento (UE) 655/2013 exigen que toda alegación esté sustentada en evidencia verificable. Un 75% de aceleración en la generación de claims es un dato notable, pero hay que leerlo con cuidado: acelerar las hipótesis sobre los beneficios ( claims ) del producto no significa acortar su proceso de validación. Predecir que algo funciona no equivale a demostrarlo: solo nos sirve para seleccionar qué opciones vale la pena probar. La ruta para demostrarlo de verdad—con su protocolo, sus ensayos, el análisis de datos y el expediente final— sigue siendo la de siempre. El riesgo no es que alguien vaya a saltarse las normas a propósito, sino algomás sutil: que la velocidad con la que simulamos todo empiece ameter una presión invisible sobre las etapas que, sencillamente, no se pueden acelerar. Algo parecido ocurre con la documentación. La IA es increíblemente útil para redactar, revisar la coherencia de un expediente de producto o informe de seguridad y monitorizar los cambios normativos. Sin embargo, la responsabilidad sigue siendo humana: el evaluador de seguridad es quien sigue firmando y respondiendo. DÓNDE SE MUEVE EL CUELLO DE BOTELLA Hay una consecuencia industrial de la que se habla poco. Si la formulación pasa de meses a días, el cuello de botella no desaparece: se desplaza. Se traslada a la estabilidad, a la compatibilidad con el envase, a la evaluación de seguridad, al escalado y, sobre todo, a la decisión de portfolio. Es el problema clásico de optimizar una sola etapa de una cadena: la mejora global está limitada por la etapa que no has tocado. Una organización capaz de generar cien conceptos viables a la semana y de industrializar cuatro al trimestre no tiene un problema de I+D, tiene un problema de criterio. Y eso es gobierno, no tecnología. QUÉ MIRAR PARA COMPROBAR SI ESTO VA EN SERIO En primer lugar, el dato. Un formulation model vale exactamente lo que valen los registros con los que se entrena: su trazabilidad, la consistencia de la nomenclatura, la disponibilidad de resultados negativos —que son los que enseñan de verdad— y la conexión entre fórmula y resultado analítico. La mayoría de compañías tiene ese conocimiento repartido entre sistemas, hojas de cálculo y cabezas. Es el trabajo aburrido que decide el proyecto entero, y el que casi nadie quiere presupuestar. La segunda es la validación. Antes de preguntarse qué puede predecir un modelo, hay que construir cómo se comprobará si acierta: qué protocolos lo verifican, contra qué histórico se contrasta, a partir de qué umbral una predicción se lleva al banco. Sin ese aparato de verificación, un modelo no es una herramienta. Es una opinión con decimales. La tercera es la trazabilidad de la decisión. En un sector con esta exposición regulatoria, poder reconstruir por qué se descartó una alternativa acabará valiendo tanto como justificar por qué se eligió la que salió al mercado. La pregunta ya no es si la IA entra en el ciclo de producto cosmético. Es quién construye la disciplina para usarla y quién va más rápido. Porque la cosmética ha sido históricamente muy buena industrializando la promesa. Lo que la inteligencia artificial pone sobre la mesa es la obligación de industrializar también la prueba PREDECIR QUE ALGO FUNCIONA NO EQUIVALE A DEMOSTRARLO: SOLO NOS SIRVE PARA SELECCIONAR QUÉ OPCIONES VALE LA PENA PROBAR 67 OTOÑO 2026 INDUSTRIA COSMÉTICA 046 TECNOLOGÍA DE BELLEZA