Bagaimana Artificial Intelligence Mulai Membantu Pengembangan Formula Kosmetik?

Di laboratorium kosmetik modern, Artificial Intelligence [AI] mulai berperan sebagai alat bantu dalam proses riset. AI mampu mempercepat analisis data dan menghasilkan berbagai alternatif formulasi, tetapi keputusan ilmiah tetap berada di tangan para peneliti dan formulator.

Selama bertahun-tahun, pengembangan formula kosmetik identik dengan proses trial and error. Formulator menyusun komposisi awal, membuat prototipe, melakukan pengujian stabilitas, mengevaluasi hasilnya, lalu memperbaiki formula sebelum mengulang seluruh proses kembali. Siklus ini dapat berlangsung berkali-kali hingga diperoleh formula yang memenuhi target mutu, keamanan, dan performa.

Pendekatan tersebut masih menjadi fondasi dalam pengembangan kosmetik hingga saat ini. Namun, meningkatnya jumlah bahan baku, kompleksitas regulasi, serta tuntutan mempercepat time-to-market mendorong industri mencari cara agar proses penelitian menjadi lebih efisien.

Di sinilah AI mulai menemukan perannya. Bukan untuk menggantikan laboratorium, melainkan membantu para peneliti mengolah data dalam jumlah besar, mengenali pola yang sulit diamati manusia, serta mempersempit jumlah kemungkinan formula yang perlu diuji secara fisik.

Perusahaan kosmetik global seperti L'Oréal bersama IBM bahkan telah mengembangkan AI foundation model khusus untuk mendukung penelitian formulasi. Teknologi tersebut digunakan untuk membantu proses pengembangan formula baru, reformulasi produk, hingga optimalisasi produksi dalam skala industri. Di Korea Selatan, Cosmax juga memanfaatkan machine learning untuk analisis tekstur, prediksi warna, hingga optimasi proses manufaktur. 

Baca Juga: Mengapa Reproduksibilitas Jadi Tantangan dalam Pengembangan Formula Kosmetik?

AI Mempercepat Proses Berpikir, Bukan Menggantikan Formulator

Salah satu kekuatan terbesar AI adalah kemampuannya menganalisis hubungan antarvariabel dalam jumlah yang sangat besar.

Dalam sebuah formula kosmetik, seorang formulator dapat bekerja dengan puluhan bahan baku yang masing-masing memiliki fungsi, batas penggunaan, karakteristik pH, kompatibilitas, hingga interaksi yang berbeda. Kombinasi yang mungkin terbentuk sangat banyak sehingga hampir mustahil dieksplorasi seluruhnya hanya melalui pendekatan manual.

Dengan memanfaatkan data historis laboratorium, AI mampu membantu memprediksi kemungkinan kompatibilitas bahan, memperkirakan perubahan viskositas, mengidentifikasi potensi masalah stabilitas, bahkan menyarankan kombinasi bahan yang layak diuji lebih lanjut. Berbagai platform formulasi berbasis AI yang mulai berkembang saat ini juga mengintegrasikan basis data regulasi, spesifikasi bahan, hingga simulasi biaya formulasi sebagai bagian dari proses pengambilan keputusan. 

Meski demikian, prediksi AI tetap merupakan hipotesis ilmiah yang harus diverifikasi melalui pengujian laboratorium. Stabilitas formula, kompatibilitas kemasan, evaluasi sensorik, hingga uji keamanan tetap memerlukan data eksperimen yang tidak dapat digantikan oleh simulasi komputer.

Berbagai tinjauan ilmiah mengenai penerapan AI dalam kosmetik juga menegaskan bahwa kualitas hasil AI sangat bergantung pada kualitas data yang digunakan untuk melatih model. Tanpa data yang valid dan representatif, rekomendasi AI berpotensi menghasilkan prediksi yang kurang akurat. 

Prof. Dr. rer. nat. Anis Yohana Chaerunisaa, M.Si., Apt. dalam berbagai kesempatan juga menekankan bahwa penelitian kosmetik tetap harus berlandaskan metode ilmiah. Teknologi digital dapat membantu mempercepat proses analisis, tetapi validasi eksperimen tetap menjadi dasar dalam membuktikan keamanan maupun efektivitas suatu formula.

Baca Juga: Mengapa Uji Sensorik Tidak Selalu Merepresentasikan Pasar Luas?

Dari Laboratorium Konvensional Menuju Laboratorium Berbasis Data

Perkembangan AI menunjukkan bahwa laboratorium masa depan tidak hanya mengandalkan instrumen analitik, tetapi juga sistem yang mampu mengintegrasikan data penelitian secara lebih cerdas.

Setiap hasil uji stabilitas, pengukuran pH, evaluasi viskositas, pengamatan sensorik, hingga catatan kegagalan formulasi sesungguhnya merupakan aset data yang sangat berharga. Ketika data tersebut tersusun dengan baik, AI dapat membantu menemukan pola yang sebelumnya sulit dikenali. Misalnya, hubungan antara karakteristik bahan baku tertentu dengan kecenderungan perubahan viskositas, atau kombinasi proses produksi yang lebih konsisten menghasilkan emulsi stabil.

Pendekatan inilah yang mulai dikembangkan melalui Labcos.ai, sebuah inisiatif yang bertujuan menghadirkan AI sebagai mitra analisis dalam ekosistem riset kosmetik. Konsep yang dibangun bukanlah AI yang menghasilkan formula secara otomatis, melainkan AI yang membantu peneliti memahami literatur ilmiah, mengelola pengetahuan formulasi, menghubungkan data laboratorium, serta mempercepat proses pengambilan keputusan sebelum eksperimen dilakukan.

Dengan pendekatan tersebut, AI tidak menggantikan pengalaman formulator. Sebaliknya, AI membantu mengurangi waktu yang dihabiskan untuk mencari referensi, membandingkan data, atau mengidentifikasi kemungkinan hubungan antarvariabel sehingga peneliti dapat lebih fokus pada proses ilmiah dan inovasi.

Apt. Cahya Khairani Kusumawulan, M.Farm. menjelaskan bahwa masa depan laboratorium kosmetik bukan ditentukan oleh siapa yang memiliki AI paling canggih, melainkan oleh siapa yang mampu menggabungkan teknologi dengan metode ilmiah secara bertanggung jawab. AI seharusnya menjadi alat yang memperkuat kualitas penelitian, bukan menggantikan proses berpikir kritis yang menjadi inti dari ilmu formulasi.

Bagi industri kosmetik, pemanfaatan AI membuka peluang untuk mempercepat inovasi tanpa mengurangi standar ilmiah yang harus dipenuhi. Sementara bagi dunia akademik, AI dapat membantu memperluas akses terhadap pengetahuan dan mempercepat lahirnya hipotesis penelitian baru. Namun, seluruh prediksi, rekomendasi, maupun simulasi yang dihasilkan AI tetap harus dibuktikan melalui eksperimen yang terukur. Dalam kosmetik, inovasi yang benar-benar bernilai bukan muncul karena mesin mampu memberikan jawaban lebih cepat, melainkan karena teknologi membantu para peneliti menghasilkan keputusan yang lebih baik berdasarkan data yang dapat dipertanggungjawabkan. [][Tim Labcos/LC]

Penulisan artikel ini dibantu AI dan telah melewati proses kurasi Redaksi.