AI 맞춤형 화장품 플랫폼

피부 측정 기술의 발달 과정

I. 개인화 시대의 뷰티 기술

현대 소비자들은 더 이상 일반화된 화장품에 만족하지 않는다. 피부는 유전, 연령, 호르몬 변화, 생활 습관, 환경적 요인에 따라 개인마다 고유하고 끊임없이 변화하는 특성을 가지기 때문이다. 이러한 배경에서 AI(인공지능)를 활용한 맞춤형 화장품 플랫폼은 단순한 트렌드를 넘어 뷰티 산업의 새로운 패러다임으로 자리잡고 있다.

뷰티 서비스 매칭 플랫폼은 고객의 요구를 정확히 충족시킬 수 있도록 연령, 피부 타입, 고민 등을 설문조사와 센서를 이용하여 진단하고, 이를 AI로 분석하여 고객의 피부 타입과 취향에 맞는 화장품을 추천해주는 서비스를 말한다(CMN, 2022). 소비자들은 자신의 피부 타입과 취향에 맞는 화장품을 쉽게 선택할 수 있으며, 화장품 구입 실패의 경험을 줄이고 편리한 소비를 할 수 있다는 장점을 가진다.

Neutrogena Skin 360(출처: Johnson & Johnson)

Hash et al.(2025)의 연구에 따르면, AI는 피부 장벽 기능이나 피지 분비량 등 개인의 피부 생리학적 특성과 기후, 오염 노출, 문화적 스킨케어 관행 같은 맥락적 변수들의 복잡한 상호작용을 통합적으로 분석함으로써, 기존 광범위한 피부 유형 분류(건성·지성 등)를 기반으로 한 전통적인 접근 방식의 한계를 극복하는 맞춤형 추천을 제공한다. 이러한 AI 기반 개인화의 출발점은 다름 아닌 '정확한 피부 측정'이다. 피부를 얼마나 정밀하게 측정하고 분석할 수 있느냐가 맞춤형 서비스의 질을 결정한다는 점에서, 피부 측정 기술의 발달 과정을 살펴보는 것은 매우 중요한 의미를 지닌다.

II. AI 맞춤형 화장품에서 피부 측정의 중요성

피부 측정은 AI 맞춤형 화장품 플랫폼의 핵심 인프라이다. 정확한 피부 측정 없이는 개인화된 추천도, 효과적인 성분 제안도 불가능하다. Hash et al.(2025)는 AI 기반 스킨케어 도구들이 수분도, 민감도, 여드름 패턴 등의 변화를 지속적으로 모니터링하고 분석하여 제품 추천을 동적으로 정교화함으로써, 피부의 진화하는 필요에 맞는 보다 효과적이고 개별화된 케어를 제공한다고 강조한다. 이처럼 AI의 분석 능력이 아무리 뛰어나더라도, 그 기반이 되는 피부 데이터의 정확성이 담보되지 않으면 추천의 신뢰성은 확보될 수 없다.

마케팅 리서치 업체인 '인사이트코리아'의 조사에 의하면, 화장품 구독과 관련해 서비스 측면에서 '개인 맞춤형 추천'에 대한 기대가 가장 큰 것으로 나타났다(CMN, 2022). 이는 소비자 스스로도 자신의 피부에 딱 맞는 제품을 원한다는 강한 수요를 방증하며, 그 수요를 충족시키기 위한 전제 조건이 바로 정밀한 피부 측정임을 시사한다.

https://www.perfectcorp.com

또한 피부 측정은 단순한 초기 진단에 그치지 않는다. Shiseido의 Optune이나 L'Oréal의 Perso처럼 첨단 플랫폼들은 자외선 지수, 초미세먼지(PM2.5) 농도, 습도, 기온 등 환경 데이터를 실시간으로 피부 측정 결과와 통합하여 제품 추천을 동적으로 조정한다(Hash et al., 2025). 피부 측정이 단순히 '현재 상태 파악'의 수단을 넘어, 지속적이고 적응적인 스킨케어의 근간이 되고 있는 것이다.

III. 피부 측정 방법의 발달 과정

1. 설문조사(Survey) 방법: 주관적 자기 보고에서 AI 분석으로

피부 측정의 가장 초기적 형태는 설문조사이다. 소비자가 자신의 피부 타입, 고민, 생활 습관 등을 직접 응답하는 방식으로, 접근성이 높고 비용이 저렴하다는 장점이 있다. Function of Beauty, Prose 등의 맞춤형 헤어·스킨케어 브랜드들이 이 방식을 대표적으로 활용하고 있으며, 모발 구조·두피 수분도·스타일링 방식 등 세분화된 항목을 포함한 단계별 설문을 통해 개인 맞춤 제품을 제조한다.

그러나 Hash et al.(2025)이 지적하듯, 초기 AI 플랫폼들은 주로 설문지에 의존했기 때문에 주관적 자기 평가에 의존하는 한계가 있었다. 사람마다 '건성'과 '지성'을 다르게 인식하고, 피부 트러블의 심각도를 과소 또는 과대 평가하는 오류가 발생할 수 있기 때문이다. 이를 보완하기 위해 Proven Skincare의 'Skin Genome Project'처럼 20,000개 이상의 성분, 100,000개의 제품, 수백만 건의 고객 후기, 수천 편의 동료 심사 과학 논문을 분석한 AI 보조 설문 방식이 등장하였다. 사용자의 피부 타입, 병력, 스트레스 수준, 식습관, 환경적 노출에 관한 상세 정보를 수집하여 맞춤 제품 포뮬레이션을 제안하고, 사용자 피드백과 변화하는 피부 상태에 따라 지속적으로 정교화한다(Hash et al., 2025).

2. 이미지 분석(Image Analysis): 카메라 기술과 AI의 결합

설문조사의 주관성 문제를 극복하기 위해 등장한 것이 이미지 분석 기반 피부 측정이다. 스마트폰 카메라나 전문 이미징 장비를 이용해 피부 사진을 촬영하고, AI가 이를 분석하여 모공, 주름, 색소 침착, 트러블 등을 객관적으로 평가한다.

대표적 사례로 존슨앤드존슨의 스킨케어 브랜드인 뉴트로지나(Neutrogena)는 2018년 피부 분석기 'Skin360'을 발표하고, 2020년 국제 전자제품 박람회(CES)에서 개량 버전을 선보였다. 초기 버전이 스킨스캐너 디바이스와 30배율 확대 렌즈, 강한 조명 등을 필요로 했던 것과 달리, 개량 버전은 스마트폰에 장착된 카메라 하나만으로 피부의 현재 상태, 시간의 흐름에 따른 변화, 현재 피부에 필요한 영양소 등을 심층 파악하고 개인 맞춤형 정보를 제공한다.

https://www.beautynury.com/news/view/86969/cat/20

L'Oréal은 모디페이스(ModiFace)를 인수한 후 딥러닝 알고리즘을 수백만 개의 얼굴 이미지로 학습시킨 'SkinConsult AI'를 개발하여, 주름, 텍스처, 색소 침착 등 다차원적 피부 상태를 평가하고 개인화된 제품을 추천한다(Hash et al., 2025). 프랑스 화장품 브랜드 라로슈포제(La Roche-Posay)의 '에빠끌라 스팟스캔(Effaclar Spotscan)' 역시 스마트폰으로 좌·우·정면 셀카를 찍으면 AI가 트러블과 색소침착의 위치와 개수를 파악하여 심각도에 따라 0~4+로 분류하고, 개인의 피부 상태에 최적화된 맞춤형 제품을 추천하는 서비스를 제공한다. 일본의 오르비스(ORBIS)는 AI를 활용하여 퍼스널 컬러와 얼굴 프로포션을 스마트폰으로 온라인 진단하는 'AI 메이크 어드바이저'를 출시하여, 16분류의 페이스 프로포션을 기반으로 개인에게 어울리는 색상과 메이크업 방법을 제안한다.

또한 Hash et al.(2025)이 소개한 Yoon et al.의 딥러닝 모델은 피부 형태를 효과적으로 식별하여 모공과 주름 같은 특징을 보다 정확하게 분류하며, Seité et al.이 개발한 AI 알고리즘은 수천 장의 얼굴 이미지 데이터셋으로 학습하여 피부과 전문의의 평가와 68%의 일치율로 여드름 중증도를 평가하는 데 성공하였다. 이는 의사들 간의 평가자 간 일치율에 근접하는 수준으로, AI 이미지 분석의 임상적 가능성을 입증한다.

3. DNA 테스트: 유전 정보 기반 초개인화

이미지 분석이 현재의 피부 상태를 측정한다면, DNA 테스트는 피부의 유전적 소인을 분석하여 미래 피부 문제까지 예측하고 예방하는 혁신적 접근법이다. 미국 '홈DNA(HomeDNA)'사의 '스킨케어분석(Skin Care Analysis)'은 과학에 기초한 DNA 테스트를 통해 콜라겐 품질, 피부 탄력, 일반 및 미세 주름, 자외선차단, 색소침착, 피부 항산화제, 피부 민감도 등 총 7가지 영역을 판독하며, 이를 기반으로 비타민 C, 히알루론산, 녹차추출물 등 가장 효과적인 성분을 포함한 '맞춤 화장품 권장사항'을 제공한다.

https://www.k-health.com/news/articleView.html?idxno=47423

이는 Hash et al.(2025)이 제시한 AI의 예측 모델링 개념과 일치한다. 콜라겐 분해, 염증, 피지 분비와 관련된 다형성 같은 유전자 마커를 UV 노출, 오염, 습도 같은 환경적 노출과 결합함으로써, 조기 광노화나 색소 관련 피부 질환 등의 조건에 대한 위험 계층화를 향상시킬 수 있는 가능성을 보여준다. DNA 기반 측정은 아직 초기 단계이지만, 개인의 유전적 특성을 반영한 초개인화 스킨케어의 실현 가능성을 제시한다는 점에서 주목할 만하다.

4. 전기적 측정(Electrical Measurements): 피부 수분의 객관적 정량화

전기적 측정은 피부의 전기적 특성을 이용하여 수분 함량 등을 객관적으로 정량화하는 방법이다. 정상 피부의 각질층은 전기에 대해 높은 저항을 가지고 있으며, 피부 표면에 수분이 포함된 경우 표면의 저항과 수분은 역수의 관계를 보이는 것으로 알려져 있다.

대표적 측정 도구로는 Corneometer와 Skicon(Hydrometer)이 있다. Corneometer는 두 개의 복잡한 금속판 콘덴서를 이용하는 물리적 법칙에 근거하며, 정전부하용량(capacitance)이 수분량과 직접 비례하는 원리를 이용한다. 화장품과 약물의 도포에 크게 영향 받지 않는 상태에서 각질층 하방 30~40 마이크로미터 깊이 이내의 수분 함량을 측정하는 장점이 있다. 표준 작업 조건(20~22°C, 습도 40~60%)에서 30 AU 미만은 매우 건조, 30~45 AU는 건조, 45 AU 이상은 충분히 촉촉한 상태로 분류된다(Constantin et al., 2014).

Skicon은 피부 표면에 탐침을 접촉하여 교류파 전류를 가했을 때 수분 함유에 따라 저항이 감소하는 원리를 이용하며, 저항의 역수인 전도도(conductance)를 측정하여 수분 함량을 나타낸다. Corneometer가 낮은 수분 상태에서 유용한 반면, Skicon은 높은 수분 상태에서 세밀하게 측정된다. 이 두 도구는 서로 보완적으로 활용되며, AI 플랫폼이 트랜스표피수분손실량(TEWL)을 감지하여 피부 장벽 기능 저하를 실시간으로 파악하고 더 폐쇄적인 포뮬레이션을 추천하는 방식의 기반 기술이 된다(Hash et al., 2025).

5. 웨어러블 센서와 사물인터넷(IoT): 측정의 일상화

최근에는 측정 기기가 전문 기관을 벗어나 일상 속으로 들어오는 흐름이 뚜렷하다. CES 2017에서 로레알이 공개한 '헤어 코치(Hair Coach)'는 센서를 내장한 브러시로 머리카락 상태 데이터를 수집하고 스마트폰으로 전송하여, 브러싱 기술과 잘못된 습관을 실시간으로 교정해준다. CES 2018에서는 웨어러블 UV 센서를 발표하여, 엄지손가락에 부착된 센서가 착용자의 UV 노출 정도를 NFC를 이용해 앱에 전송하고, 앱은 분석된 정보를 기반으로 태양광의 안전성 여부와 그늘로 이동해야 할 시간을 경고한다. CES 2019의 'My Skin Track pH'는 미세유체 기술을 사용하여 피부 모공에서 극미량의 땀을 측정해 pH 수준을 파악하고, 습진이나 아토피성 피부염 같은 질환의 원인을 모니터링한다.

CES 2017 헤어 코치

Hash et al.(2025)에 따르면, AI 기반 스킨케어 시스템은 웨어러블 피부 센서나 스마트 기기로부터 수분 수준, 피부 pH, TEWL 같은 생리적 매개변수를 측정한 데이터를 통합함으로써, 미리 정해진 루틴을 따르는 것이 아니라 사용자의 생리적 변화에 실시간으로 반응하는 스킨케어 루틴을 구현한다. 측정이 더 이상 '한 번의 이벤트'가 아닌 '지속적인 과정'이 된 것이다.

IV. 최신 AI 분석 기술과 성분 최적화

측정 기술의 발전은 AI의 분석 역량 고도화와 맞물려 성분 추천과 포뮬레이션 최적화 영역까지 확장되고 있다. AI 알고리즘은 레티노이드, AHA, 파라벤, 황산염 등 스킨케어 제품의 화학적 성분을 분석하여 민감성 지표, 알레르기 이력, 주사(rosacea)나 습진 같은 피부 상태를 포함한 개인 피부 프로필과 교차 비교한다. 예를 들어 피부 장벽 기능이 손상된 사용자에게는 벤조일퍼옥사이드(benzoyl peroxide)가 자극적일 수 있다고 경고하고, 색소침착과 지성 피부를 가진 사용자에게는 나이아신아마이드(niacinamide)를 추천하는 방식이다(Hash et al., 2025).

Il Makiage의 'PowerMatch' 알고리즘은 온라인 색상 매칭 설문조사만으로 50가지 파운데이션 셰이드 중 90% 정확도로 소비자에게 맞는 색상을 처방할 수 있다고 주장하며, 고객이 매장을 직접 방문하지 않고도 집에서 자신에게 딱 맞는 파운데이션을 찾을 수 있도록 돕는다. 이는 피부 측정과 AI 분석이 결합하여 소비자의 구매 경험 자체를 혁신하고 있음을 보여준다.

https://sports.yahoo.com

Haut.AI 같은 플랫폼은 머신러닝 알고리즘으로 사용자가 제출한 이미지를 평가하고 실시간 피부 데이터를 기반으로 맞춤형 스킨케어 추천을 제공하며, 피부과 연구와 사용자 제공 데이터를 결합하여 맞춤형 스킨케어 루틴을 만든다(Hash et al., 2025). 이 혁신들은 사용자들이 자신의 특정 필요에 맞게 설계된 제품으로 개선된 스킨케어 결과와 더 높은 만족감을 보고하면서 긍정적인 반응을 얻고 있다.

V. 측정에서 시작되는 맞춤형 뷰티의 미래

AI 맞춤형 화장품 플랫폼의 발전은 피부 측정 기술의 진보와 불가분의 관계에 있다. 초기의 주관적 설문조사에서 AI 보조 이미지 분석, DNA 기반 유전자 분석, 전기적 측정, 그리고 일상에서 지속적으로 데이터를 수집하는 웨어러블 센서까지, 피부 측정 기술은 정확성과 접근성, 그리고 지속성이라는 세 차원에서 동시에 발전해왔다. 이 과정은 단순히 기기가 더 정밀해지는 것을 넘어, 피부 이해의 깊이 자체가 달라지는 혁신을 의미한다.

Hash et al.(2025)이 제시하듯, AI 기술이 고도화될수록 방대한 피부과 데이터를 분석하는 능력이 향상되어 더욱 정확한 추천이 가능해질 것이다. 이는 다양한 인구 집단의 피부 건강에 대한 보다 깊은 이해를 증진하면서 소비자에게 맞춤형 스킨케어 루틴을 제공한다. 전통적이고 정적인 스킨케어 방식에서 각 개인의 변화하는 피부 필요에 따라 진화하는 역동적 모델로의 전환은, 피부과적 결과를 개선하고 맞춤형 실시간 스킨케어 관리를 통해 만족도를 높이는 데 큰 가능성을 제시한다.

성공한 매칭은 플랫폼을 통해 재구매 가능성을 높이고 구독 서비스로 연결된다(식품안전처, 2022). 이는 단지 상업적 성과를 넘어, 소비자가 자신의 피부를 더 잘 이해하고 더 건강하게 관리할 수 있도록 지원한다는 의미에서 사회적 가치를 지닌다. 피부를 측정하는 기술이 발전할수록, 우리는 더 정확하게 피부를 이해하고, 더 효과적으로 피부를 돌볼 수 있다. 측정에서 시작되는 AI 맞춤형 뷰티의 미래는, 이미 오늘 우리 손 안에서 펼쳐지고 있다.

참고문헌

CMN. (2022). 맞춤형 화장품 서비스 매칭 플랫폼. 코스메틱 매니지먼트뉴스.

Constantin, M. M., Poenaru, E., Poenaru, C., & Constantin, T. (2014). Skin Hydration Assessment through Modern Non-Invasive Bioengineering Technologies. Maedica (Bucur), 9(1), 33–38.

Hash, M. G., Forsyth, A., Coleman, B., Li, V., Vinagolu-Baur, J., & Frasier, K. M. (2025). Artificial Intelligence in the Evolution of Customized Skincare Regimens. Cureus, 17(4), e82510. https://doi.org/10.7759/cureus.82510

L'Oréal Korea. (2023). SkinConsult AI 서비스 소개. L'Oréal Korea 공식 자료.

Olay. (2022). Olay Skin Advisor 서비스 소개. Olay 공식 자료.

오르비스(ORBIS). 퍼스널 AI 메이크 어드바이저. https://prtimes.jp/main/html/rd/p/000000332.000004374.html

라로슈포제의 피부 읽어주는 AI '에빠끌라 스팟스캔'. (2022.07.10). https://www.jungle.co.kr/magazine/200878

식품안전처. (2022). 맞춤형 화장품 조제관리사 교육·훈련 자료.

헬스경향. 홈DNA 스킨케어분석 서비스 소개. http://www.k-health.com/news/articleView.html?idxno=47423