AI工具在原料清单上常犯的五个INCI错误

上个月有人把一份配方粘贴进一个通用型AI聊天机器人，让它生成用于通报的INCI清单，得到的结果看起来完全可信。名称听起来都很对，表格整整齐齐，格式自信满满。其中有两条是错的，而且错得很隐蔽，除非你本来就认识这个原料，否则根本看不出来。这就是AI生成的INCI清单的陷阱所在：不管对不对，输出的语气都很自信，而这种自信恰恰是最容易让人停止复核的原因。

以下是几个值得留意的具体失败模式。

一、编造听起来很像的INCI名称

大语言模型本质上是模式生成器。当被要求给出某种冷门植物提取物或较新的合成原料的INCI名称时，模型有时会生成一个完全符合INCI命名惯例的名字，拉丁双名加植物部位加"提取物"，却在任何真实的命名词典里都找不到这个确切名称。它读起来跟真的一模一样，因为模型学到的是命名模式，而不是这个具体的原料。

这是最难发现的一种错误，因为它看起来完全不像出错了。解决办法很朴素但必不可少：对照真实的参考资料核实每一个INCI名称，而不是靠它听起来像不像来判断。

二、把CAS号安到了另一种物质上

CAS号是精确的标识符，而模型经常混淆名称相似的物质，或者给出的CAS号其实属于一个相关但不同的化合物。有些原料因生产工艺不同而确实拥有多个CAS号，而有些植物提取物根本没有CAS号。如果你让模型"给我这个植物成分的CAS号"，它有时会硬编出一个，而不是说"这个没有CAS号"，因为给出答案才是它被优化去做的事。

如果一份申报文件带着错误的CAS号，那就是你文档链条里一个真实的错误，即便INCI名称本身是对的。

三、没能把供应商混合物展开成各个成分

这大概是最容易造成严重后果的错误。像"Emulsense HC"或"Plantapon SPS"这样的供应商商品名不是INCI名称，永远不能直接出现在通报里。它必须被展开成真实的INCI成分，而每个成分在成品中的真实浓度，等于这个混合物的使用量乘以它在混合物中所占的份额。

通用AI工具经常干脆跳过这一步，把商品名当成可以直接申报的东西列出来，或者用某种通用的假设百分比来展开，而不是这家具体供应商真实的混合物成分比例。两种做法得到的申报都反映不了真实的配方。

四、把某个百分比误读成成品中的浓度

这和混合物的问题相关：模型有时会把配方描述里出现的某个百分比，直接套用到错误的原料上，尤其是当配方是用一段文字描述而不是一张干净的表格时。如果你的笔记写的是"5%的一种防腐剂混合物，该混合物本身含30%苯氧乙醇"，粗心的解读可能会得出"苯氧乙醇5%"，而正确答案是1.5%。这是把一种实际受限原料的浓度夸大了五倍，而这恰恰是禁限用清单筛查最关心的那类数字。

五、把商品名当成可以原样提交的东西

商品名承载着供应商的营销分量和品牌身份，但申报需要的是底层标准化的INCI名称。广泛训练于互联网文本的AI工具有时能认出某个商品名并给出一段描述，却没能把它完整映射到INCI，尤其是对那些文档在训练数据里覆盖不足的中小型或区域性供应商。这个空白就被一个读起来很流畅、但没有对照供应商自己的SDS核实过的猜测填上了。

错误类型速览

错误	发生原因	在申报文件上的表现
编造的INCI名称	模式续写但没有真实匹配	一个看起来对但并不存在的名称
错误的CAS号	混淆相似的物质	错误的标识符挂在一个真实存在的原料上
未展开的混合物	商品名被当成最终结果	直接提交了非INCI名称
浓度计算错误	百分比套用到了错误的成分上	受限原料浓度被高估或低估
商品名原样保留	训练数据里缺少该供应商的映射	该写INCI名称的地方写了营销名

真正的安全防线在哪里

这一切并不意味着AI在化妆品法规工作里没有用武之地。它意味着未经核实的AI输出不应该是提交前的最后一步。真正有用的工作方式，是把自动化匹配真实INCI和CAS参考数据，和一位人工审核员在提交任何东西之前核对结果（尤其是混合物展开的计算）结合起来。

这正是Cosmetic Comply的实际架构：它把你的原料匹配到INCI名称和CAS号，把供应商混合物展开成真实成分并携带百分比计算，对照相关的禁用和限用清单逐一筛查并给出置信度评分，然后由一位真正的合规审核员在通报发出之前核实结果。自动化加快了繁琐的匹配工作，而审核员的存在，正是因为任何形式的自动化单独工作时，有时仍然会自信地出错。