آیا صنعت زیبایی آماده ورود هوش مصنوعی است؟

مجموعه ‌داده‌های مدرن، نهایت شخصی‌سازی و بازنگری در زیرساخت‌ها چیز‌هایی هستند که صنعت زیبایی برای پذیرش فناوری هوش مصنوعی و ادامه رشد طی سال‌های آینده به آن‌ها نیاز دارد.

آزمایشگاه موقت برند مراقبت از پوست «SmartSkn» در لس آنجلس اکنون مجهز به ربات‌های مراقبت از پوستی است که از فناوری هوش مصنوعی بهره می‌برند و استارتاپی کره‌ای به نام «Lillycover» آن‌ها را توسعه داده است. این ربات‌ها می‌توانند در عرض سه دقیقه روتین مراقبت از پوست شخصی‌سازی‌شده‌ای را به شما ارائه بدهند. در نمایشگاه فناوری سی‌ای‌اس ۲۰۲۵، فناوری هوش مصنوعی عاملانه (نوع خاصی از فناوری هوش مصنوعی که قادر به یادگیری است و می‌تواند اقدام مستقل داشته باشد) با نمایش پتانسیل‌های خود برای تغییر شکل همه‌چیز، از جراحی رباتیک گرفته تا تحلیل خودکار کمپین‌های بازاریابی، بسیاری از مدیران صنعت زیبایی را شگفت‌زده کرد. برای نمونه، رباتی که در سالن «Umia» قرار داشت می‌توانست در مدت بیست دقیقه ناخن‌های مراجعه‌کنندگان را مانیکور کند و این مانیکور تا دو هفته دوام بیاورد.

بدیهی است که هوش مصنوعی به دنیای زیبایی وارد خواهد شد. با این حال، این نوآوری‌ها به‌جای اینکه به استانداردی برای صنعت زیبایی تبدیل شود و به جریان اصلی این صنعت راه پیدا کند، همچنان به شکل بارقه‌هایی زودگذر از آینده‌ای نامشخص باقی مانده‌اند. خدمات زیبایی در سالن‌ها هنوز ساعت‌ها طول می‌کشد، فرمولاسیون‌هایی که برای فروش انبوه توسعه می‌یابند شخصی‌سازی روتین‌های زیبایی را محدود می‌کنند و طیف رنگ‌های در دسترس لوازم آرایشی را قفسه‌های خرده‌فروشی‌ها تعیین می‌کنند. اکثر برندهای زیبایی هم همچنان به کمپین‌های تبلیغاتی قدیمی تکیه دارند و سراغ تعامل انفرادی با مشتریان به کمک هوش مصنوعی نرفته‌اند. در مواردی هم که از ربات‌های هوش مصنوعی استفاده می‌شود، سوگیری این ربات‌ها یک نگرانی عمده در صنعت زیبایی است؛ بسیاری از مدل‌های هوش مصنوعی برای تحلیل کامل طیف رنگی انواع پوست با مشکل مواجهند و در نتیجه، توصیه‌هایی ناقص ارائه می‌دهند.

اما آن دسته از شرکت‌هایی که زودتر از دیگران به استقبال هوش مصنوعی بروند، در موقعیت بهتری برای پیشتازبودن در این زمینه قرار خواهند داشت. پذیرش هوش مصنوعی همچنین می‌تواند در بلندمدت، سودآوری برندهای زیبایی را تقویت کند. گروه مشاوره مک‌کینزی گزارش داده است که شخصی‌سازی عاملی است که می‌تواند هزینه‌های جذب مشتری را تا ۵۰درصد برای شرکت‌ها کاهش بدهد، درآمد را بین ۵ تا ۱۵درصد بیشتر کند و بازگشت سرمایه بازاریابی را بین ۱۰ تا ۳۰درصد ارتقا ببخشد. علاوه بر این، درآمد شرکت‌هایی که نرخ رشد سریع‌تری دارند از محل شخصی‌سازی خدمات و محصولات خود، در مقایسه با همتایانی که سرعت رشدشان کمتر است، ۴۰درصد بیشتر است.

پرسش کلیدی این است: صنعت زیبایی چگونه می‌تواند از نقطه «الف» به نقطه «ی» برسد؟ این صنعت چگونه باید وعده‌های کنونی را عملی کند و اطمینان بدهد که بارقه‌هایی که از آینده دیده می‌شود به‌زودی به واقعیت‌های زندگی روزمره تبدیل خواهد شد؟ سامپو پارکینن، مدیرعامل شرکت هوش مصنوعی «Revieve»، با اشاره به سوگیری‌های موجود و چالش‌های متعددی که در مسیر تولید و لجستیک وجود دارد، معتقد است که «صنعت زیبایی هنوز آماده نیست.»

با این حال، پیشرفت‌هایی هم در حال رخ‌دادن است. برای نمونه، شرکت «Haut.AI» در تلاش است تا به کمک سامانه‌ای که ۱۵ نوع پوست مختلف را تحلیل می‌کند، فرایند تشخیص وضعیت پوست خود را بهبود ببخشد. شرکت لورئال یک کمیته اختصاصی برای هوش مصنوعی مولد دارد و استارتاپ هوش مصنوعی «Renude» مشغول کار بر روی مجموعه‌داده‌های فراگیرتری است که به کاهش سوگیری مدل‌های هوش مصنوعی کمک می‌کند. اما برای اینکه هوش مصنوعی بتواند انقلابی در صنعت زیبایی ایجاد کند، به راه‌حل‌هایی نیاز است که مقیاس‌پذیر باشند.

آن دسته از شرکت‌هایی که زودتر از دیگران به استقبال هوش مصنوعی بروند، در موقعیت بهتری برای پیشتازبودن در این زمینه قرار خواهند داشت. پذیرش هوش مصنوعی همچنین می‌تواند در بلندمدت، سودآوری برندهای زیبایی را تقویت کند. گروه مشاوره مک‌کینزی گزارش داده است که شخصی‌سازی عاملی است که می‌تواند هزینه‌های جذب مشتری را تا ۵۰درصد برای شرکت‌ها کاهش بدهد، درآمد را بین ۵ تا ۱۵درصد بیشتر کند و بازگشت سرمایه بازاریابی را بین ۱۰ تا ۳۰درصد ارتقا ببخشد.

همه چیز به داده‌ها وابسته است

میزان کارآمدی مدل‌های هوش مصنوعی به نوع و کیفیت داده‌هایی بستگی دارد که با آن آموزش داده شده‌اند. باید پیش از آنکه آینه‌های دیجیتال، عینک‌های هوشمند و سایر ابزارهای تحلیل پوست به دست عموم مردم برسد، مدل‌های هوش مصنوعی برای تشخیص و تحلیل رنگ پوست بی‌نقص باشند. با این حال، در تحلیل رنگ پوست همچنان شکاف‌ها و کمبودهایی وجود دارد که می‌تواند دردسرهای زیادی را به همراه داشته باشد. پارکینن می‌گوید: «امروزه شرکت‌های بسیاری در این فضا مشغول ارائه امکانات و خدماتی مانند تست محصول به‌صورت مجازی یا تحلیل پوست به‌صورت هوشمند هستند، ولی بسیاری از این فناوری‌ها بر مصرف‌کنندگان منطقه‌ای خاص متمرکزند که خطر سوگیری هوش مصنوعی را افزایش می‌دهد. برندهای زیبایی باید مراقب این موضوع باشند.»

ماجد حسین، یکی از بنیان‌گذاران برند «MiQuest» که خدمات مراقبت از پوست مبتنی بر هوش مصنوعی ارائه می‌دهد، می‌گوید: «سوگیری هوش مصنوعی در تحلیل رنگ پوست عمدتا به دلیل عدم تعادل و نقصی است که در داده‌های مورد استفاده برای آموزش مدل‌های هوش مصنوعی وجود دارد. بسیاری از مدل‌های هوش مصنوعی با استفاده از مجموعه‌‌داده‌هایی توسعه یافته‌اند که به پوست‌های روشن‌تر گرایش دارند و این سوگیری می‌تواند به کاهش دقت منتهی شود.» نکته جالب اینکه گزارش‌های پوست‌شناسی مؤسسه ملی بهداشت، آکسفورد آکادمیک و مجله آکادمی پوست‌شناسی آمریکا نشان می‌دهند که سوگیری‌های موجود در مجموعه‌داده‌های مربوط به پوست، ناشی از نقص در تصاویر پزشکی است که پوست‌های تیره‌تر را با مشکلات پزشکی مرتبط می‌کنند.

پیپا هارمن، یکی از بنیان‌گذاران «Renude»، می‌گوید: «مدل‌های هوش مصنوعی بر پایه داده‌‌ها ساخته می‌شوند. بنابراین اگر در داده‌ها سوگیری وجود داشته باشد، همان سوگیری به مدل هوش مصنوعی نیز منتقل خواهد شد. تیم‌هایی که مدل‌های هوش مصنوعی را توسعه می‌دهند وظیفه دارند سوگیری‌های موجود در جهان واقعی را در نظر بگیرند و در جهت رفع یا کاهش این سوگیری‌ها اقدام کنند.»

برندهای زیبایی هنگام توسعه مدل‌های هوش مصنوعی مورد نیاز خودشان، باید تمام انواع پوست را در نظر بگیرند. این امر هم به نوبه خود نیازمند مجموعه‌داده‌هایی فراگیر و با کیفیت بالایی است که متخصصان پوست آن‌ها را ارزیابی و تأیید کرده باشند. استارتاپ «Renude» در همین راستا قدم برمی‌دارد و برای ارائه محصولاتی که با رنگ‌ها و انواع مختلف پوست سازگاری داشته باشد، سرمایه‌گذاری قابل‌توجهی انجام داده است. این استارتاپ در تحلیل پوست مبتنی بر هوش مصنوعی خود تصویر چهره کاربر را به کمک هوش مصنوعی تحلیل می‌کند و پرسش‌نامه‌ای شخصی‌سازی‌شده در اختیارش می‌گذارد و با استفاده از داده‌های به دست آمده، محصولاتی را به کاربر پیشنهاد می‌کند که از طرف متخصصان زیبایی تأیید شده‌اند. ابزار تحلیل این استارتاپ با همکاری دکتر جاستین کلوک، متخصص پوست، توسعه پیدا کرده و برای آموزش آن از ده‌ها هزار تصویر در طیفی از رنگ‌ها و مشکلات پوستی مختلف مانند اگزما و جای زخم استفاده شده است. هرکدام از تصویرها هم قبل از اینکه به عنوان داده ورودی برای آموزش هوش مصنوعی به کار بروند، از سوی پزشکان متخصص ارزیابی و بر اساس نوع و رنگ پوست برچسب‌گذاری شده‌اند تا مدل هوش مصنوعی نهایی از دقت کافی برخوردار باشد.

ماجد حسین برندها را تشویق می‌کند که از تحلیل مبتنی بر رنگ پوست فراتر بروند. او می‌گوید: «برای تحلیل دقیق پوست‌های تیره‌تر، مؤلفه‌هایی مانند روشنایی و کنتراست به‌تنهایی کارساز نیستند. هوش مصنوعی باید بافت، شکل و عمق پوست را هم تحلیل کند.» هوش مصنوعیِ توضیح‌پذیر (نوعی هوش مصنوعی که می‌تواند نحوه تصمیم‌گیری‌هایش را توضیح بدهد) می‌تواند به شناسایی و اصلاح سوگیری‌ها کمک کند. فناوری‌های تصویربرداری پیشرفته مانند تشخیص عروق، نقشه‌برداری حرارتی و عمق‌سنجی، با کاهش اتکا به مؤلفه‌های مربوط به روشنایی، می‌توانند دقت تحلیل پوست را افزایش بدهند. این در حالی است که بئاتریس داوتزنبرگ، مدیر جهانی خدمات فناوری زیبایی در لورئال، بر تشکیل‌دادن تیمی تأکید دارد که طیف سنی و نژادی وسیعی را در بر بگیرد و چنین تیمی را عنصری مهم برای برندهایی می‌داند که می‌خواهند داده‌های موجود را در ابزارهای هوش مصنوعی ادغام کنند. داوتزنبرگ می‌گوید: «یکی از حیاتی‌ترین مؤلفه‌های پیشرفت ما این است که نوشتن دستورالعمل‌های هوش مصنوعی را به گروهی بسپاریم که طیف متنوعی از انسان‌ها را شامل باشد.»

بررسی‌های مداوم و منظم نیز نباید فراموش شود. ماجد حسین می‌گوید: «برندها باید به‌طور مداوم مدل‌های هوش مصنوعی را در مواجهه با داده‌های مختلف ارزیابی کنند و در صورت بروز مغایرت، آن مدل‌ها را دوباره آموزش بدهند.» ابزارهایی مانند «AI Fairness 360» که آن را شرکت آی‌بی‌ام توسعه داده، به ردیابی و کاهش سوگیری‌ها کمک می‌کنند تا خروجی مدل‌های هوش مصنوعی منصفانه‌تر باشد.

هوش مصنوعی در بازاریابی محصولات زیبایی

در بخش‌های دیگر هم مدل‌های هوش مصنوعی باید از جمع‌آوری و تحلیل داده فراتر بروند و به برندها کمک کنند تا کمپین‌های بازاریابی خود را از کمپین‌های بزرگ و عمومی به کمپین‌های شخصی‌سازی‌شده تبدیل کنند. کارشناسان می‌گویند این سرمایه‌گذاری می‌تواند کمپین‌های بازاریابی را متحول کند و به کمپین‌هایی با محوریت تبلیغات سفارشی‌شده ارتقا بدهد. مارک ویچورک، مدیر ارشد بینش در شرکت بازاریابی «Front Row»، می‌گوید: «در مورد هوش مصنوعی این خوش‌بینی را دارم نوعی حلقه بازخورد بین برند و مصرف‌کنندگان به وجود بیاورد. این هوش مصنوعی می‌تواند به شکل یک چت‌بات هوشمند باشد و امکان تعامل مصرف‌کنندگان با برندها را فراهم بیاورد و به عنوان یک کانال ارتباطی دوطرفه عمل کند.»

از نظر ویچورک، نباید در کل قیف بازاریابی و برای شخصی‌سازی بیش از حد در تبلیغات، نباید از هوش مصنوعی استفاده کرد، چون ارائه پیامی واحد در بالای قیف بسیار پیچیده و حتی ناممکن خواهد شد. در عوض، ویچورک به برندها توصیه می‌کند استفاده از ابزارهای هوش مصنوعی را بر بخش‌های میانی و پایینی قیف بازاریابی محدود کنند، به‌ویژه که در این بخش‌ها، داده‌های مربوط به مصرف‌کنندگان بالاترین کیفیت را دارند. ویچورک توضیح می‌دهد: «هوش مصنوعی زمانی مؤثر است که پیام‌رسانی، زمان‌بندی و جاگذاری محصول را تنظیم دقیق می‌کند.» مقیاس‌پذیرسازیِ شخصی‌سازی‌های مبتنی بر هوش مصنوعی به توسعه زیرساخت‌های موجود هم نیاز دارد. کارولی همپسون، مدیر کسب‌وکار در آژانس بازاریابی «Socially Powerful»، می‌گوید: «برندهای زیبایی باید علوم داده را با شهود خلاقانه ترکیب کنند و تیم‌های بازاریابی‌شان را بر اساس این ترکیب بازسازی کنند. البته کمپین‌های تبلیغاتی بزرگ و عمومی از بین نخواهند رفت. این کمپین‌های بزرگ گفت‌وگو با مصرف‌کننده را آغاز می‌کنند و ابزارهای هوش مصنوعی این گفت‌وگو را ادامه می‌دهند و به آن شاخ‌وبرگ اضافه می‌کنند.»

در این میان، محافظت از حریم خصوصی  داده‌ها همچنان یک مشکل جدی است. مونا شرودل، وکیل حوزه هوش مصنوعی و حفاظت از داده‌ها در شرکت «Freeths»، می‌گوید: «داده‌های مصرف‌کنندگان باید محرمانه تلقی شوند، ولی ابزارهای هوش مصنوعی را اغلب توسعه‌دهندگان شخص ثالث انجام می‌دهند و داده‌های مصرف‌کنندگان در سرورهایی ذخیره می‌شود که خارج از مرزها قرار دارند.» مونا شرودل از برندهای زیبایی می‌خواهد که قراردادهای مرتبط با داده‌های مصرف‌کنندگان را با دقت بررسی کنند و برای دسترسی و استفاده از این داده‌ها، سیاست‌های سخت‌گیرانه داشته باشند. با وجود این موانع، انتظار می‌رود هزینه‌های پذیرش هوش مصنوعی با مرور زمان کاهش پیدا کند. ویچورک پیش‌بینی می‌کند: «در آینده نزدیک، توسعه یک مدل هوش مصنوعی کمتر به‌روزرسانی وب‌سایت هزینه خواهد داشت و به این ترتیب، امکان شخصی‌سازی در سطحی وسیع در دسترس برندها قرار خواهد گرفت.»

برندهای زیبایی هنگام توسعه مدل‌های هوش مصنوعی مورد نیاز خودشان، باید تمام انواع پوست را در نظر بگیرند. این امر هم به نوبه خود نیازمند مجموعه‌داده‌هایی فراگیر و با کیفیت بالایی است که متخصصان پوست آن‌ها را ارزیابی و تأیید کرده باشند. استارتاپ «Renude» در همین راستا قدم برمی‌دارد و برای ارائه محصولاتی که با رنگ‌ها و انواع مختلف پوست سازگاری داشته باشد، سرمایه‌گذاری قابل‌توجهی انجام داده است.

شخصی‌سازی در صنعت زیبایی چه معنایی دارد؟

صنعت زیبایی اگر بخواهد فرایند شخصی‌سازی را در تمام زمینه‌ها به کار بگیرد، نیازمند تغییرات ساختاری است. بعضی از برندهای زیبایی استفاده از فناوری هوش مصنوعی برای فرمولاسیون محصولات سفارشی را به‌صورت آزمایشی آغاز کرده‌اند. برای نمونه، برند «SmartSkn» برای سفارشی‌سازی روتین مراقبت از پوست از هوش مصنوعی بهره می‌گیرد، «Function of Beauty» با استفاده از یک پرسشنامه شخصی‌سازی‌شده روتین مراقبت از مو پیشنهاد می‌دهد و برندهای «Skin & Me» و «Dermatica» برای تجویز نسخه، با نظارت پزشکان متخصص، از یک الگوریتم هوش مصنوعی استفاده می‌کنند.

با این حال، اگر برندها بخواهند از دسته‌بندی‌های قدیمی مانند «مناسب برای پوست‌های حساس»، «مخصوص پوست‌های ترکیبی» یا دسته‌بندی‌های دیگری مثل «آب‌رسان» و «روشن‌کننده» فاصله بگیرند و پیشنهادهایشان را بر اساس نیازهای پوستی خاص تنظیم کنند، توسعه فرایند شخصی‌سازی بسیار پیچیده خواهد بود. طراحی پرسشنامه‌های سفارشی به کمک هوش مصنوعی نقطه شروع خوبی است، ولی برندها باید جریان عملیات خود را بازنگری کنند.

ماجد حسین می‌گوید: «تحلیل پوست به کمک هوش مصنوعی، تولید انعطاف‌پذیرتر محصولات زیبایی و انتخاب هوشمندانه‌تر مواد اولیه بسیار مهم هستند.» سامانه‌های تولید محصول ماژولار، که در آن‌ها هوش مصنوعی مواد اولیه را می‌سنجد و این مواد را بر اساس نیاز شخصی مصرف‌کننده با یکدیگر ترکیب می‌کند، می‌توانند جایگزین خطوط تولید انبوه شوند. ردیابی داده‌های بیومتریک می‌تواند توصیه‌های شخصی را بیش از پیش بهبود ببخشد. اما شخصی‌سازی واقعی زمانی اتفاق می‌افتد که تعاملی واقعی بین بخش‌های مختلف صنعت زیبایی اتفاق بیفتد. روث دلئو، مدیرعامل برند لوازم آرایشی «Dcypher» که تلاش می‌کند در فرایند تولید خود از هوش مصنوعی بهره بگیرد، می‌گوید: «برای گسترش شخصی‌سازی، تیم‌های فناوری، تحقیق و توسعه و تجربه مشتری باید با یکدیگر همسو شوند. فرایند شخصی‌سازی نمی‌تواند امری ثانویه باشد.»

برند «Dcypher» مجبور شده است برای مقیاس‌پذیرکردن فرمولاسیون‌های سفارشی خود، کل زیرساخت‌هایش را نوسازی کند. روث دلئو می‌گوید: «ما ناچار بودیم به زیرساخت‌های کاملا جدیدی دسترسی داشته باشیم که بتواند فرمولاسیون‌های سفارشی برند ما را بر اساس تقاضای موجود تولید کند، با این شرط که مواد اولیه اتلاف نشود و هزینه‌های ما افزایش پیدا نکند. ایجاد تعادل بین قیمت مقرون‌به‌صرفه، کارایی بالا و سفارشی‌سازی واقعی مسئله‌ای است که برندهای زیبایی سنتی مجبور به مواجهه با آن نیستند.»

او همچنین از منظر سرمایه‌گذاری در هوش مصنوعی، درمورد هزینه‌ها هشدار می‌دهد، زیرا برندهای زیبایی نمی‌توانند با تکیه بر فناوری پیشرفته‌ای مانند هوش مصنوعی، هزینه‌هایشان را کاهش بدهند. او می‌گوید: «توسعه فناوری تشخیص و تحلیل پوست با استفاده از ابزارهای هوش مصنوعی، اطمینان‌یافتن از اینکه پایگاه داده‌ای که در اختیار داریم تمام انواع پوست را شامل می‌شود و ایجاد فرایندهای تولید مناسب، به منابع زیادی نیاز دارد.» با این حال، از نظر دلئو بزرگ‌ترین چالش آموزش مصرف‌کننده است. او می‌گوید: «خریداران کنونی عادت کرده‌اند که سراغ رنگ‌ها و سایه‌هایی بروند که از قبل آماده شده‌اند. ما مجبور بودیم نشان بدهیم که چرا محصولات زیبایی سفارشی و شخصی‌سازی‌شده بهترند و این نوع محصولات به اندازه محصولات زیبایی معمولی در دسترس هستند.»

شخصی‌سازی بسیار زیاد محصولات زیبایی بخش خرده‌فروشی بازار زیبایی را یک‌شبه دگرگون نخواهد کرد، ولی هوش مصنوعی می‌تواند تجربه‌های درون‌فروشگاهی را هم بهبود ببخشد. پیپا هارمن می‌گوید: «در آغاز کار، خرده‌فروشان می‌توانند سفارشی‌سازی محصولات زیبایی به کمک هوش مصنوعی را در پیشخوان فروشگاه‌هایشان معرفی کنند؛ به فونداسیون‌هایی فکر کنید که امکان سفارشی‌سازی آن‌ها وجود دارد و آینه‌های دیجیتالی را در نظر بگیرید که به مراجعه‌کنندگان اجازه می‌دهند لوازم آرایشی مورد نظرشان را به‌صورت مجازی امتحان کنند.» در مرحله بعد، هارمن توصیه می‌کند که خریداران و فروشندگان با استفاده از ابزارهای شنیداری هوش مصنوعی، هزینه‌ها و رفتار مصرف‌کنندگان در فروشگاه‌ها را تحلیل کنند. با این اقدام، برندها و خرده‌فروشان می‌توانند کالاهایی را که باعث جذب مشتری و افزایش فروش می‌شوند بیشتر عرضه کنند و ضمن افزایش مقدار فروش، تجربه خرید بهتری به مصرف‌کنندگان ارائه بدهند.

برای مقیاس‌پذیری هوش مصنوعی در صنعت زیبایی، برندها باید در عملیات خود تجدید نظر کنند، مقررات‌پذیری را جدی‌تر بگیرند و برای پذیرش هوش مصنوعی در بلندمدت سرمایه‌گذاری داشته باشند. علاوه بر این، باید این نکته را هم در نظر داشته باشند که هزینه‌های عدم پذیرش هوش مصنوعی می‌تواند بسیار بیشتر باشد. ماجد حسین می‌گوید: «ما در آستانه یک تحول عظیم ایستاده‌ایم. هوش مصنوعی آینده صنعت زیبایی است و برندهایی که می‌خواهند در آینده موفق باشند نباید از قافله عقب بمانند.»