Hay un champú en las estanterías de medio mundo que nació de una molécula que no buscaba cabello, sino piel. Un ingrediente pensado para el cuidado facial acabó dando volumen a una fórmula capilar con colágeno porque un algoritmo detectó lo que ningún catálogo decía, que aquella asociación de moléculas funcionaría. Esa pequeña historia, contada por Reuters este verano, resume lo que está pasando con la Inteligencia Artificial en L’Oréal: el mayor grupo de belleza del planeta está reinventando la parte más íntima de su negocio, la manera de crear sus productos.
En los últimos casos hemos analizado ejemplos de copilotos, asistentes y agentes que ayudan a las plantillas en sus tareas de oficina y administrativas. Este caso es distinto. Aquí la IA no está en la bandeja de entrada sino en el laboratorio, tocando el corazón del negocio. Y precisamente por eso merece que lo estudiemos despacio.
Qué está haciendo la Inteligencia Artificial en L’Oréal
Pongamos primero las dimensiones sobre la mesa. L’Oréal cerró 2025 con unas ventas de 44.050 millones de euros, a su vez mantiene 22 centros de investigación repartidos por siete regiones del mundo y emplea a más de 4.000 científicos, a los que se suman 8.000 perfiles de datos y tecnología, según sus propias cifras oficiales. Hablamos de un siglo de ciencia cosmética decidiendo cómo se investiga en la próxima década.
Según recogía Reuters en julio de 2026, la compañía lleva cuatro años aplicando IA en sus laboratorios para predecir cómo afectará cada molécula a la piel o al cabello antes de tocar una sola probeta y el resultado ya es medible: L’Oréal formula hoy sus productos cuatro veces más rápido que antes. Fabrice Megarbane, presidente de su división de gran consumo, lo explicaba con sencillez: imaginar nuevas asociaciones de moléculas permite avanzar mucho más deprisa que probarlas una a una. De ahí salió el champú con colágeno, que no fue casualidad de laboratorio sino una búsqueda dirigida por datos.
Cómo lo ha implantado: alianzas, datos propios y un objetivo que no es cosmético
Lo interesante de este caso no es una herramienta concreta, sino la arquitectura que hay detrás. En enero de 2025, L’Oréal anunció con IBM la construcción del primer modelo fundacional de formulación cosmética, entrenado no con Internet, sino con su propio archivo, en el que había décadas de fórmulas y datos de componentes acumulados por la casa. Stéphane Ortiz, responsable de innovación en su área de I+D, resumía el propósito que pretendían, extender la velocidad y la escala de todo su circuito de innovación y reformulación, poniendo el modelo al alcance de sus 4.000 investigadores. Además, con una meta que va más allá del envase, cumplir su programa L’Oréal for the Future, que aspira a que en 2030 la mayoría de sus fórmulas procedan de materiales de origen biológico o de economía circular.
En marzo de 2026 llegó la segunda pieza: la alianza con NVIDIA para integrar ALCHEMI, un sistema de química computacional que simula el comportamiento de ingredientes y texturas en un entorno virtual, probando miles de variables a la vez. El objetivo declarado, hacer el proceso de descubrimiento hasta cien veces más rápido en dos frentes muy concretos, la fotoprotección y el tratamiento del tono de piel. Barbara Lavernos, número dos del grupo y responsable de investigación y tecnología, hablaba de una nueva dimensión para sus laboratorios, descubrir a escala atómica lo que luego se convierte en beneficios reales para quien usa el producto.
Y en junio, en VivaTech 2026, el grupo mostró el resto del ecosistema: un gemelo digital del cabello —Hair Digital Twin— que acelera por tres el cribado molecular capilar, la plataforma creativa CreAItech con un estimador de CO₂ integrado en la generación de contenidos, y un Beauty Knowledge Graph que ordena 116 años de conocimiento de la compañía para alimentar a sus agentes de IA. Fijémosno en el patrón. Primero los datos propios. Después los modelos. Y siempre con un objetivo de negocio —y de sostenibilidad— definido antes de elegir la tecnología.
Resultados que ya se miden, y los que vienen
Todo ello conlleva, formulación de productos cuatro veces más rápida, cribado molecular capilar tres veces más veloz, y un horizonte de descubrimiento cien veces más ágil en las líneas donde trabaja con NVIDIA. A eso se añade que cada fórmula que se descarta en el ordenador es un prototipo físico que no se fabrica, materia prima que no se desperdicia y semanas de ensayo que no se consumen. La velocidad, aquí, también es sostenibilidad.
No es un movimiento aislado del sector del lujo, Reuters también habla de Mondelez —la casa de Oreo y Toblerone— reconocía que el 60 % de las recetas de galletas generadas con su herramienta de IA superan a las anteriores en nutrición, sostenibilidad y coste. Cuando dos gigantes tan distintos como un grupo de belleza y uno de alimentación llegan a la misma conclusión, no estamos ante una moda. Estamos ante una nueva manera de investigar.
Qué podemos aprender las empresas, también desde Canarias
La primera lección es que la mayoría de las organizaciones están aplicando la IA en su día a día, correos, resúmenes, atención básica y muy pocas se atreven con su núcleo, que es el producto o el servicio que las hace existir. L’Oréal demuestra que el mayor retorno aparece cuando la tecnología entra en la sala donde se decide qué se va a vender mañana.
La segunda es que el activo decisivo no fue el algoritmo, sino el archivo. El modelo de formulación vale lo que valen las décadas de fórmulas con las que se entrenó. Y eso sí es trasladable a cualquier escala. Una bodega con veinte años de análisis de vendimias, una quesería con sus registros de maduración, una empresa canaria de cosmética de aloe vera con cientos de ensayos acumulados en carpetas, todas tienen su propio «archivo de fórmulas» esperando a convertirse en una o varias ventajas competitivas. El conocimiento ya lo tienen. Lo que falta, casi siempre, es tratarlo como el dato valioso que es.
La tercera lección va en el propósito, L’Oréal no ha puesto la IA a inventar por inventar, sino al servicio de un compromiso público y verificable —sus fórmulas sostenibles en 2030—. Cuando el objetivo está claro, la tecnología encuentra su sitio; cuando no lo está, se convierte en un juguete caro.
En esos laboratorios, la máquina propone moléculas, pero sigue siendo una científica o un científico quien decide cuál merece llegar a la piel de una persona. La IA multiplica las hipótesis y el criterio humano elige las respuestas. Ese reparto de papeles —máquinas que exploran, personas que deciden con ética y con oficio— es, para mí, la manera correcta de implantar y ejercer la profesión, cualquiera de ellas, con IA. La tecnología solo vale la pena cuando ensancha lo que las personas ya saben hacer.
¿Y tu empresa? ¿Qué sabe después de años de trabajo o desempeño que todavía no has convertido en datos… y en ventaja?
