# Як L'Oréal навчила ChatGPT підбирати косметику Maybelline

> Мультимодальний AI в косметиці: що збудувала L'Oréal і як повторити цей патерн у своєму e-commerce

- Опубліковано: 22 червня 2026 р. (2026-06-22T10:17:44.331349+00:00)
- Розділ: Практика
- На основі публікації: [AI News](https://www.artificialintelligence-news.com/news/loreal-maybelline-virtual-try-on-chatgpt/)
- Видання: AiiN (https://aiin.news)
- URL: https://aiin.news/article?slug=%D1%8F%D0%BA-l-or-al-%D0%BD%D0%B0%D0%B2%D1%87%D0%B8%D0%BB%D0%B0-chatgpt-%D0%BF%D1%96%D0%B4%D0%B1%D0%B8%D1%80%D0%B0%D1%82%D0%B8-%D0%BA%D0%BE%D1%81%D0%BC%D0%B5%D1%82%D0%B8%D0%BA%D1%83-maybelline

---

Коли говорять про AI в рітейлі, найчастіше мають на увазі чатботи або персоналізовані рекомендації. Але L'Oréal зробила ставку на щось точніше: впровадила ChatGPT у систему віртуальної примірки продуктів Maybelline — і тепер покупець може «приміряти» помаду, не виходячи з чату.

[За даними AI News](https://www.artificialintelligence-news.com/news/loreal-maybelline-virtual-try-on-chatgpt/), компанія інтегрувала можливості ChatGPT у свій virtual try-on інструмент для бренду Maybelline. Система аналізує фото користувача, накладає відтінки косметики в реальному часі та веде діалог — підбирає колір під тон шкіри, відповідає на питання й пропонує альтернативи. По суті, це злиття computer vision і conversational AI в одному продуктовому сценарії.

Що тут цікаво для AI-білдерів? Не сам факт «великий бренд + ChatGPT». А архітектурний патерн, який повністю переносимий у будь-який domain із фізичним продуктом і варіативністю вибору.

## Від фільтрів до діалогу

Технологія virtual try-on існує вже кілька років. Snapchat, Instagram, Pinterest — всі мали AR-примірку. Але проблема цих рішень завжди була одна: користувач бачить продукт на собі, проте не отримує відповіді на важливіші питання: «який відтінок підійде до мого тону шкіри?», «що краще поєднується з цим образом?», «є щось схоже, але стійкіше?».

ChatGPT закриває цей gap. Модель не просто накладає текстуру — вона веде контекстний діалог, пам'ятає попередні запити в рамках сесії, може порівняти два продукти й пояснити різницю. AR-шар _бачить_ обличчя, LLM-шар _розуміє_ запит і керує вибором — разом це суттєво вища конверсія, ніж у чистого try-on без діалогу.

## Технічна архітектура за патерном L'Oréal

Якщо деконструювати те, що L'Oréal, найімовірніше, збудувала, архітектура виглядатиме приблизно так:

- **Vision pipeline**: модель комп'ютерного зору визначає ключові точки обличчя, сегментує зони (губи, повіки, щоки)
- **Try-on engine**: рендерить відтінок продукту поверх відео або фото з урахуванням освітлення та тону шкіри
- **LLM orchestration**: ChatGPT через OpenAI API отримує контекст — що зараз «одягнено», що запитав користувач — і керує рекомендаціями
- **Product RAG**: база продуктів Maybelline зі структурованими атрибутами (відтінок, формула, стійкість, сумісність із типом шкіри) слугує knowledge base для моделі

Критично тут: LLM не «малює» косметику — вона _оркеструє_. Вирішує, яку підказку відправити try-on engine, яку альтернативу запропонувати, як пояснити різницю між двома продуктами. Це класична роль LLM-as-orchestrator у мультикомпонентній AI-системі.

## Що це означає для AI-білдерів

Патерн L'Oréal + Maybelline — не нішова beauty-технологія. Це шаблон для будь-якого e-commerce із фізичним продуктом, де є варіативність вибору:

- **Меблі**: AR-розміщення + ChatGPT порадить, чи підійде диван до існуючого інтер'єру на фото
- **Окуляри і оправи**: face shape detection + conversational рекомендація форми оправи
- **Одяг**: try-on за фото + стилістичний діалог про поєднання образу

Для розробника, який хоче відтворити цей патерн, потрібно чотири компоненти:

- Vision API або спеціалізована модель (MediaPipe, Segment Anything або vendor-специфічна)
- LLM через API — GPT-4o або Claude з vision, якщо потрібен одночасний аналіз зображення
- Product vector store з атрибутами для RAG
- Оркестратор, який пов'язує стан try-on з діалоговим контекстом

Складність не в окремих компонентах — кожен доступний як managed service. Складність у **stateful orchestration**: як зберегти зв'язок між тим, що зараз рендериться на екрані, і поточним станом розмови. Це та інженерна задача, де більшість proof-of-concept зламуються, переходячи у production.

## Висновок AiiN

Кейс L'Oréal демонструє не технологічну революцію, а mature pattern. Компанії, які вже мають AR try-on, отримали новий шар — conversational interface. Ті, хто ще будує, — мають архітектурний взірець із топової реалізації.

Для AI-білдерів головний takeaway: мультимодальний AI (бачить + говорить) перестав бути demo-технологією і стає production-ready інструментом для e-commerce. Якщо у вашому проєкті є каталог продуктів і є варіативність вибору — цей патерн заслуговує на proof-of-concept вже сьогодні. Архітектура відома. Компоненти доступні. Лишається зібрати.

---

Теги: AI, VirtualTryOn, ChatGPT, Ecommerce, LLM, AIінструменти

Джерело: AiiN — https://aiin.news/article?slug=%D1%8F%D0%BA-l-or-al-%D0%BD%D0%B0%D0%B2%D1%87%D0%B8%D0%BB%D0%B0-chatgpt-%D0%BF%D1%96%D0%B4%D0%B1%D0%B8%D1%80%D0%B0%D1%82%D0%B8-%D0%BA%D0%BE%D1%81%D0%BC%D0%B5%D1%82%D0%B8%D0%BA%D1%83-maybelline. Цитуючи, посилайтесь на канонічний URL.