화장품 원료 개발을 하다 보면 학회 발표에서 단순히 “어떤 원료가 좋다”는 내용보다 더 중요한 흐름이 보일 때가 있습니다. 어떤 평가법이 반복적으로 등장하는지, 어떤 데이터가 더 설득력 있게 쓰이는지, 어떤 기술 언어가 원료와 제형 설명에 들어오는지를 보면 앞으로 원료 개발이 어디로 가고 있는지 어느 정도 읽을 수 있습니다.
2026 대한화장품학회 춘계 학술대회에서 눈에 띈 흐름도 바로 그런 부분이었습니다. 단순히 새로운 소재를 소개하는 수준을 넘어, 원료와 제형을 어떤 근거로 설명할 것인지, 효능을 어떤 방식으로 보여줄 것인지, 축적된 데이터를 어떻게 해석하고 확장할 것인지가 점점 더 중요해지고 있다는 인상이 강했습니다.
이번 글에서는 원료 연구자 관점에서 특히 중요하게 보였던 인사이트를 세 가지로 정리해보겠습니다. 첫째는 IRB 기반 인체적용시험과 데이터의 중요성, 둘째는 시각화 효능평가와 정량 데이터의 결합, 셋째는 AI·ML·DL이 화장품 연구 전반으로 확장되는 흐름입니다.
IRB 기반 인체적용시험 데이터의 중요성이 커지고 있다
첫 번째 인사이트는 IRB 기반 인체적용시험과 관련 데이터의 중요성이 분명히 커지고 있다는 점입니다. 과거에도 세포실험, 항산화 시험, 효소 억제 시험, 유전자 발현 분석 같은 기초 효능 데이터는 원료 개발의 중요한 출발점이었습니다. 이런 자료는 지금도 여전히 중요합니다. 다만 최근에는 기초 효능 결과만으로 원료의 차별성을 설명하기가 점점 어려워지고 있습니다.
이번 학회 흐름을 보면 IRB 번호가 포함된 인체적용시험, 피부측정 장비를 활용한 보습·주름·탄력·TEWL·피부 상태 관련 평가, 가려움이나 민감 반응과 연결되는 지표들이 더 자주 등장하고 있었습니다. 여기서 중요한 것은 단순히 “인체적용시험을 했다”는 사실이 아닙니다. 어떤 피험자 조건으로 설계했는지, 어떤 환경에서 평가했는지, 어떤 장비와 지표를 사용했는지까지 함께 보아야 데이터의 설득력이 생깁니다.
원료사 입장에서는 이 변화가 꽤 중요합니다. 예전에는 원료 자체의 가능성을 보여주는 자료가 중심이었다면, 이제는 원료가 실제 제형 안에서 어떤 사용 경험과 어떤 피부 지표 변화를 만들 수 있는지까지 보여주는 구조가 필요해지고 있습니다. 즉, 기초 효능 데이터, 작용 기전 데이터, 인체적용시험 결과를 따로따로 준비하는 것이 아니라 하나의 스토리로 연결해야 한다는 뜻입니다.
예를 들어 어떤 식물추출물이 항산화 가능성을 보였다고 해도 그것만으로는 시장에서 충분한 차별성을 만들기 어렵습니다. 원료의 기원, 지표성분, 작용 가능 기전, 세포 수준 데이터, 제형 적용 후 피부측정 결과, 인체적용시험까지 연결될 때 제품 개발자와 브랜드가 더 설득력 있게 받아들일 수 있습니다. 결국 IRB 기반 데이터는 원료와 제형의 신뢰도를 높이는 핵심 근거로 자리 잡고 있다고 볼 수 있습니다.
효능평가는 ‘시각화 데이터 + 정량 데이터’의 결합으로 가고 있다
두 번째 인사이트는 효능평가가 점점 “보여주는 데이터”와 “정량 데이터”를 함께 요구하는 방향으로 가고 있다는 점입니다. 과거에는 수치 데이터 중심의 평가가 연구자에게 중요한 자료였다면, 최근에는 이미지 분석, Raman spectroscopy, 피부측정 장비, 피부 흡수 시각화, 눈가 노화 특성 추출, 사용감과 촉감의 정량화 같은 방식이 함께 등장하고 있습니다.
이 흐름은 단순히 결과를 보기 좋게 만드는 수준이 아닙니다. 소비자가 이해하기 쉬운 이미지 데이터와 연구자가 납득할 수 있는 정량 데이터를 결합하려는 방향에 가깝습니다. 예를 들어 Before/After 이미지는 직관적이지만 이미지만으로는 연구적 설득력이 부족할 수 있습니다. 반대로 수치 데이터만 있으면 일반 소비자나 마케터에게 전달력이 약할 수 있습니다. 그래서 앞으로의 효능평가는 이미지와 수치가 함께 움직이는 구조가 더 중요해질 가능성이 큽니다.
원료 개발에서도 이 부분은 매우 중요합니다. 이제는 단순히 “보습에 도움을 줄 수 있다”는 설명만으로는 부족합니다. 피부측정값, 이미지 변화, 흡수 또는 전달 관련 자료, 기전 지표가 함께 설계되어야 원료의 완성도가 높아집니다. 특히 원료사가 브랜드나 ODM에 제안할 때는 연구자가 보는 자료와 마케터가 이해할 수 있는 자료가 동시에 필요합니다.
개인적으로는 이 흐름이 앞으로 원료 개발 보고서의 형태 자체를 바꿀 수도 있다고 봅니다. 단순한 표와 그래프 중심 보고서에서 벗어나, 이미지 분석 결과, 피부 측정 변화, 사용감 정량화, 제형 적용 사진, 소비자가 이해할 수 있는 시각 자료까지 포함된 형태가 점점 더 중요해질 수 있습니다. 결국 효능평가는 “측정하는 데이터”에서 “보여주고 설명하는 데이터”로 확장되고 있습니다.
AI 기반 화장품 연구는 이제 선택이 아니라 준비의 영역에 가깝다
세 번째 인사이트는 AI·ML·DL이 화장품 연구 전반으로 들어오고 있다는 점입니다. 이제 AI는 단순히 피부진단 앱이나 마케팅 문구 수준에 머무르지 않습니다. 식약처 AI 심사지원 시스템, AI 기반 피부진단 플랫폼, AI·ML 기반 제형 설계, 피부 흡수 예측, 마이크로바이옴 데이터와 피부물성 데이터를 결합한 피부 타입 분류 같은 방향으로 점점 더 확장되고 있습니다.
이 흐름은 원료사에게도 직접적인 의미가 있습니다. 지금까지는 실험 결과를 보고서 형태로 정리하고, 제품 제안서에 필요한 그래프와 이미지를 넣는 방식이 중심이었다면, 앞으로는 그 데이터를 분석 가능한 구조로 축적하는 일이 더 중요해질 수 있습니다. 시료명, 원료 기원, 농도, 제형, 시험 조건, 측정값, 이미지, 피험자 조건 같은 데이터를 체계적으로 정리해야 이후 AI 분석이나 예측 모델에 활용할 수 있기 때문입니다.
AI 기반 연구가 중요한 이유는 화장품 개발 과정이 점점 복잡해지고 있기 때문입니다. 원료 하나의 효능만 보는 것이 아니라, 제형 안에서의 안정성, 피부 흡수 가능성, 사용감, 피부 타입별 반응, 규제 대응 가능성까지 함께 보아야 합니다. 이 많은 변수를 사람의 경험만으로 모두 판단하기에는 한계가 있습니다. AI는 이런 데이터를 정리하고 패턴을 찾는 도구로 활용될 수 있습니다.
물론 AI가 곧바로 모든 화장품 연구를 대체한다고 보기는 어렵습니다. 실험 설계, 원료 해석, 제형 판단, 규제 표현, 소비자 사용 맥락은 여전히 연구자의 경험과 판단이 필요합니다. 다만 AI를 활용할 수 있는 데이터 구조를 미리 준비한 회사와 그렇지 않은 회사의 차이는 앞으로 점점 커질 수 있습니다. 원료사도 이제는 “실험을 많이 했다”에서 끝나는 것이 아니라, 그 실험 결과를 어떻게 축적하고 분석할 것인지까지 고민해야 합니다.
정리: 원료 개발의 경쟁 기준이 바뀌고 있다
결국 2026 대한화장품학회 춘계 학술대회에서 보인 핵심 흐름은 원료 개발이 더 이상 단일 효능 데이터 경쟁에 머무르지 않는다는 점입니다. IRB 기반 인체적용시험, 시각화 효능평가, AI 기반 데이터 분석은 서로 따로 움직이는 흐름이 아닙니다. 좋은 원료를 찾고, 그 원료의 가능성을 기전과 인체 데이터로 설명하고, 소비자와 연구자가 모두 이해할 수 있는 방식으로 보여주며, 축적된 데이터를 다시 분석하는 구조로 연결되고 있습니다.
원료 연구자 입장에서 이번 학회 인사이트를 정리하면 세 가지로 요약할 수 있습니다. 첫째, 원료 개발은 기초 효능, 작용 기전, 인체적용시험을 처음부터 연결해서 설계해야 합니다. 둘째, 효능평가는 수치 데이터뿐 아니라 이미지, 흡수, 사용감 등 시각화 자료까지 함께 준비해야 합니다. 셋째, AI 시대에는 실험 결과를 보고서로 끝내지 말고, 이후 분석 가능한 데이터 구조로 축적해야 합니다.
함께 읽으면 좋은 글