AI×石鹸・化粧品製造のレシピ最適化で皮膚タイプ別提案と安定性予測を実現する方法

石鹸・化粧品製造の現場でも、AI 化粧品 レシピ 製造の仕組みを使って配合検討や安定性予測を効率化する動きが広がっている。

監修：FURUSATOコンサルタント（地方中小企業AI活用支援 / 支援実績100社以上）

地方の石鹸・化粧品製造業が抱える3つの課題

石鹸や化粧品の製造は、原料を混ぜて型に入れるだけの単純な工程に見えて、実際には配合比率・温度・pH・皮膚への適合性など、研究員や職人の経験値に大きく依存する工程が多い業種である。地方の中小メーカーでは、この経験値を数人のベテランだけが持っているケースが珍しくない。

1つ目の課題は属人化である。処方設計を担当できる研究員が1〜2人しかいない工場では、その担当者が退職や休職をすると新商品開発そのものが止まってしまう。2つ目は皮膚タイプ別提案の非効率で、乾燥肌・脂性肌・敏感肌といった顧客の肌質に合わせた処方をひとつずつ手作業で調整するため、提案までに時間がかかりすぎる問題がある。3つ目は安定性予測の勘頼みで、変色や分離、香りの劣化といった経時変化を長期保存試験でしか確認できず、新商品の発売までに数ヶ月から1年以上を要してしまう工房が多い。

ある地方の手作り石鹸工房では、油脂とアルカリの配合比率を長年勘で調整してきたベテラン職人が体調を崩し、後任への技術継承に2年以上かかると見積もられ、新商品開発が事実上ストップした。こうした属人化リスクは、地方中小企業のものづくり現場に共通する構造的な課題であり、配合や官能評価といった感覚的な情報をどう「見える化」するかが最初の分かれ目になる。

さらに、こうした課題は単独では起きず複合的に絡み合っている。処方が属人化すれば皮膚タイプ別の提案スピードも落ち、安定性の見極めが遅れれば発売時期がずれ込み、結果として販売機会そのものを逃してしまう。地方中小企業の現場では、この3つの課題を個別対応しているケースが多く、「どこから着手すればいいか分からない」まま数年が経過してしまうことも少なくない。だからこそ、配合データと試験データを横断的に扱えるAIの活用が、優先順位を明確にする起点として有効になる。

人手不足の問題も深刻である。ある地方の化粧品メーカーでは、処方設計を担当できる研究員の求人を1年以上出し続けても応募がなく、既存社員の兼務でしのいでいた。アナログ業務についても、原料の配合記録や官能評価の結果を紙の帳票やExcelファイルに個別保存している工房が多く、過去の類似処方を探すだけで半日かかるといった声も珍しくない。属人化・人手不足・アナログ業務という三大課題は、それぞれが互いを悪化させる構造になっており、どれか一つだけを解消しても効果は限定的である。

AI 化粧品 レシピ 製造とは何か

AI 化粧品 レシピ 製造とは、原料の配合比率や官能評価（人が使用感・香り・肌なじみを評価した結果）、pHや粘度などの物性データ、さらに長期保存試験の結果をAIに学習させ、これまで研究員や調香師の勘に頼っていた処方設計・皮膚タイプ別提案・安定性の見極めを数値化・標準化する取り組みを指す。具体的には、原料データと官能評価を紐づけて最適な配合比率を予測するモデル、顧客の肌質アンケートや使用履歴から適した処方を提案するレコメンドの仕組み、保存条件と成分の組み合わせから変色・分離・香り劣化のリスクを事前に予測する安定性予測モデルの3つが代表的である。

厚生労働省は化粧品の品質・安全性の確保に関する指針を公開しており、原料の組み合わせや保存条件が製品の安定性に直結することを示している（厚生労働省）。石鹸・化粧品製造のような伝統的な処方管理に近い業種であっても、配合データや官能評価を記録し始めることが、AI活用の第一歩になる。

ある地方の化粧品OEM会社では、新規案件ごとに研究員が手作業で類似処方を探して調整していたため、1案件あたりの処方検討に平均3週間かかっていた。過去の配合データと官能評価をAIに学習させたところ、類似処方の候補を自動で絞り込めるようになり、検討期間が10日程度に短縮した。地方中小企業のAI活用は、こうした「探す・比較する」作業の負荷を軽くするところから始めると効果が出やすい。

この会社ではさらに、AIが提示した候補に対して研究員が微調整を加える「AI提案＋人の最終判断」という運用に切り替えたことで、若手研究員でもベテランに近い精度で処方案を出せるようになったという。担当者からは「AIが正解を出すというより、検討の土台を作ってくれる感覚に近い」というコメントもあり、経験の浅いスタッフの育成期間を短縮する効果も報告されている。処方設計という属人化しやすい業務ほど、AIによる下支えの効果が大きく出る傾向がある。

皮膚タイプ別提案をAIでどう実現するか

皮膚タイプ別の処方提案は、乾燥肌・脂性肌・敏感肌・混合肌といった分類に加え、年齢層や季節、使用感の好みまで加味すると組み合わせが膨大になり、人手だけで最適解を出すのは非常に手間がかかる作業である。AIを使うと、顧客の肌質アンケートや購買履歴、返品・クレームデータを学習させることで、どの処方がどのタイプの肌に合いやすいかを統計的に導き出せるようになる。

実際の業務シーンとしては、通販型の自然派化粧品メーカーで、顧客から寄せられた肌質アンケートの回答と購入後のレビュー評価をAIに学習させ、新規顧客の肌質に近い既存顧客がどの商品で満足度が高かったかを自動で照合する仕組みを導入した例がある。この会社では、導入後6ヶ月でクレーム率が約18%減少し、リピート率も向上した。

皮膚タイプ別提案をAIで支援した会社では、これまで店頭スタッフの経験と勘に頼っていたカウンセリングに、AIが算出した「肌質に合う処方候補トップ3」を提示する運用に切り替えた。その結果、新人スタッフでもベテランに近い提案精度を出せるようになり、接客時間を1人あたり平均5分短縮できたという効果も報告されている。人手不足に悩む地方中小企業にとって、経験の浅いスタッフでも一定水準の提案ができる仕組みは、採用や教育コストの負担軽減にも直結する。

敏感肌向けの石鹸を専門に扱う地方の工房の場合、これまでは顧客からの問い合わせに対して都度ベテラン職人が個別に配合を検討していたため、返信までに数日かかることもあった。過去の顧客属性・肌トラブルの内容・処方内容をAIに学習させたところ、似た相談内容に対する処方候補を即座に提示できるようになり、問い合わせから提案までの日数が平均5日から1日に短縮された。皮膚タイプ別提案は、単なる分類作業ではなく顧客対応のスピードそのものを左右する業務であることが分かる。

安定性予測をAIで行う仕組みとは

安定性予測とは、化粧品や石鹸が保存期間中にどの程度変色・分離・香りの劣化・pHの変化を起こすかを、発売前に予測する取り組みを指す。従来は恒温槽での長期保存試験（40℃・60%湿度などの条件で数ヶ月保管する加速試験）に頼るしかなく、結果が出るまで新商品の発売を待つ必要があった。

AIによる安定性予測では、過去の配合データと保存試験の結果を学習させることで、新しい処方案について「変色リスクが高い」「分離が起きやすい組み合わせ」といった傾向を、試験開始前の段階である程度絞り込めるようになる。これにより、明らかにリスクが高い処方案を早期に除外し、有望な候補だけを実際の保存試験にかけられるため、試験にかける工数そのものを削減できる。

ある地方の石鹸・化粧品メーカーでは、新商品の安定性試験に毎回平均4ヶ月かかっており、季節商品の発売時期に間に合わないことが度々あった。配合成分と過去の試験結果をAIに学習させた結果、明らかにリスクの高い配合パターンを事前に除外できるようになり、試験対象の処方案を約40%削減、結果として発売までの期間を4ヶ月から2.5ヶ月に短縮できた。安定性試験を導入した会社では、廃棄コストの削減にもつながっており、原料ロスの削減という副次的な効果も出ている。

ただし、AIによる安定性予測はあくまで「絞り込み」の役割であり、最終的な品質保証としての保存試験や法令に基づく確認を省略できるわけではない点には注意が必要である。AIと実試験を組み合わせることで、スピードと品質保証の両立を目指すのが現実的な進め方になる。

季節限定商品を多く扱う地方の石鹸メーカーの場合、夏季限定の柑橘系石鹸で毎年のように色調の変化についてクレームが寄せられていた。過去数年分の配合データと変色の発生状況をAIに学習させたところ、特定の精油と着色料の組み合わせが変色リスクを高めていることが判明し、配合を見直した結果、翌シーズンのクレーム件数が前年比で約70%減少した。感覚的に「なんとなく相性が悪い」と扱われてきた組み合わせを、データとして明示できた点が大きな成果である。

AI導入の3つの方式を比較する

石鹸・化粧品製造業がAIを導入する際の方式は、大きく分けて「自社開発」「パッケージ導入」「伴走支援」の3つがある。それぞれ初期費用・導入期間・自社に残るノウハウの量が異なるため、自社の体制に合わせた選択が重要になる。

自社開発を選んだ大手メーカーの事例では高い自由度を得られる一方、地方中小企業の場合は専任のAI人材を確保すること自体が難しく、開発が途中で頓挫するケースも見られる。パッケージ導入は早く始められる反面、既製のテンプレートが自社の原料特性や品質基準に合わず、結局手作業での調整に戻ってしまう会社も少なくない。

地方中小企業のAI活用においては、いきなりシステムを導入するのではなく、まず現場の業務フローと課題を整理したうえで、どの工程にAIを当てはめるべきかを見極める「伴走支援」型の進め方が定着しやすい。ツールの導入よりも先に、仕組みそのものを変えるという視点が欠かせない。

方式選びで失敗しやすいのは、コストや導入スピードだけで判断してしまうケースである。例えば、パッケージ導入を選んだある地方の石鹸メーカーでは、導入自体は1ヶ月ほどで完了したものの、既製のテンプレートが自社特有の油脂配合の慣習に合わず、結局現場で使われないまま契約更新を見送ることになった。逆に、伴走支援を選んだ会社では、初期の現場セッションに時間をかけた分、導入後の定着率が高く、半年後も継続してAIによる配合検討を活用しているという違いが出ている。自社の体制やデータの蓄積状況を踏まえたうえで、どの方式が定着しやすいかを見極めることが重要である。

地方中小企業がAI導入でつまずかないための進め方

石鹸・化粧品製造業に限らず、地方中小企業がAI導入でつまずく最大の要因は、いきなり高額なシステムを導入し、現場の業務フローが変わらないまま「使われないシステム」になってしまうことである。属人化・人手不足・アナログ業務という三大課題は、ツールを入れるだけでは解消されず、業務の進め方そのものを見直す必要がある。

FURUSATO（フルサト）は、地方中小企業専門のAI活用・DX支援サービスであり、製造業・建設業・物流・卸売業・サービス業など幅広い業種で支援実績を持つ。特徴的なのは、いきなりシステム提案を行うのではなく、初回無料の3時間現場セッションで現場の課題整理から着手する点である。処方設計の担当者だけでなく、経営者・社長も交えて話を聞くことで、「なぜ属人化が起きているのか」「どの工程を変えれば効果が大きいか」を見極めたうえで進め方を設計する。

実際にFURUSATOの支援を受けた製造業の会社では、最初のセッションで担当者が「AIで配合を自動化したい」と話していたが、話を深掘りすると本質的な課題は配合そのものより「過去の処方データが紙の記録簿にしか残っておらず、検索も比較もできない」という点にあることが判明した。このようにツール導入の前段階でつまずいているケースは、地方中小企業の現場で頻繁に見られる。

中小企業庁も、中小企業のデジタル化における課題として、人手不足と技術継承の遅れを繰り返し指摘している（中小企業庁）。石鹸・化粧品製造業においても、まずは自社の配合データ・官能評価・保存試験結果がどの程度記録・蓄積されているかを棚卸しすることが、AI活用の実質的な第一歩になる。焦って高額なシステムを導入する前に、無料の現場セッションを活用して現状を整理することをおすすめする。

よくある質問（FAQ）

Q: AI 化粧品 レシピ 製造は小規模な石鹸工房でも導入できますか。

A: 可能である。まず配合データや官能評価の記録を紙やExcelから整理するところから始めれば、大規模なシステム投資をせずに小規模工房でも段階的に導入でき、後から拡張していける。

Q: AIによる安定性予測があれば、従来の保存試験は不要になりますか。

A: 不要にはならない。AIはリスクの高い処方案を事前に絞り込む役割であり、最終的な品質保証には実際の保存試験や法令に基づく確認が引き続き必要になる点に注意しておきたい。

Q: 皮膚タイプ別提案のAI導入にはどの程度のデータ量が必要ですか。

A: 明確な最低件数はないが、顧客の肌質アンケートや購入後のレビュー評価が数百件単位で蓄積されていると、傾向を導き出しやすくなる傾向がある。データが少ない段階でも整理から始めるとよい。

Q: 処方の記録が紙の記録簿しかない場合でもAI活用は始められますか。

A: 始められる。まず紙の記録をデータ化する作業が最初のステップになり、FURUSATOのような伴走支援では現場セッションでこの棚卸しから着手する流れが基本になる。

Q: FURUSATOの無料3時間現場セッションでは具体的に何をしますか。

A: 担当者と経営者双方から現場の業務フローと課題を聞き取り、いきなりシステム提案をするのではなく、どの工程を変えるべきかを整理するところから始める内容になっている。

地方中小企業のAI活用・DX推進でお悩みの方は、FURUSATO（フルサト）へお気軽にご相談ください。まず無料の3時間現場セッションで、御社の課題を一緒に整理します。