Масовото навлизане на платформите базирани на изкуствен интелект в сектора на здравето и красотата разкрива сериозни пропуски по отношение на надеждността на предоставяните данни. Статистическите анализи показват, че в голям процент от случаите алгоритмите се провалят в опитите си да предложат адекватни козметични решения за крайните потребители. Основният проблем се корени в повърхностния анализ на входната информация, която често се ограничава до двуизмерни изображения или субективни отговори в анкети. Това не позволява на технологията да отчете важни фактори като нивата на хидратация в дълбоките кожни слоеве или специфичната реактивност на съдовете, което прави крайните препоръки за използване на козметика често неточни и дори потенциално опасни. Така например, ако даден човек около 40-те поиска съвет за грижа за мазна кожа на лицето и план за ежедневна рутина – моделите почти винаги препоръчват продукти, които са за мазна кожа. На пръв поглед това е логично, но всеки дерматолог знае, че грижата за мазна кожа на 20-годишния човек е различна от тази на 40-годишния, при който са необходими продукти за нормална кожа поради естественото намаляване на хидратацията, дори да изглежда, че има прекомерно омазняване. Това е елементарен пример, който показва повърхностното разчитане на зададените от нас въпроси и отговорите, които ни се дават.
Ситуацията се оказва още по-тревожна при опитите за поставяне на първични медицински диагнози, където процентът на грешните заключения е значително по висок в сравнение с козметичните съвети. Изкуственият интелект не разполага с капацитета да интерпретира комплексни клинични картини, които изискват мултидисциплинарен подход и отчитане на множество външни фактори. При поставянето на диагнози софтуерът често се подвежда от визуални прилики между различни кожни състояния, което води до фалшиво положителни или за съжаление фалшиво отрицателни резултати. Липсата на биологичен контекст и невъзможността за провеждане на лабораторни изследвания в реално време превръщат тези системи в ненадежден източник за първоначална преценка на здравословното състояние.
Технологичният провал в тези сектори се дължи и на липсата на достатъчно представителни данни в базата за обучение на невронните мрежи. Много от алгоритмите са разработени върху специфични извадки от населението, които не отразяват глобалното разнообразие от етноси и специфични патологии. Когато системата се сблъска с нетипичен клиничен случай тя често генерира най+вероятния статистически отговор който обаче се оказва напълно погрешен за конкретния човек. Този механичен подход към човешкото здраве подчертава фундаменталната разлика между изчислителната мощ и професионалната експертиза на лекарите.
Експертната общност изразява опасения, че прекомерното доверие в подобни дигитални инструменти може да доведе до масово самолечение и забавяне на необходимата медицинска интервенция. Използването на AI в козметиката и дерматологията без строг контрол създава илюзия за достъпност и компетентност която не отговаря на действителните възможности на технологията. Поради тези причини е наложително потребителите да бъдат информирани че автоматизираните системи трябва да служат само за обща информация а не като основа за вземане на решения свързани с тяхното физическо състояние. Преодоляването на тези технологични дефицити изисква не само по добри алгоритми но и интеграция на строги етични и професионални стандарти в разработката на софтуерните продукти.
