L’INCI l’etichetta frontale nei cosmetici ti permette di capire cosa contiene davvero il prodotto.
Quando scegli un cosmetico, non fermarti alla parte frontale della confezione. Parole come «clean», «naturale» o «delicato» appartengono soprattutto alla comunicazione del prodotto. Per conoscere la composizione bisogna consultare l’elenco INCI (International Nomenclature of Cosmetic Ingredients), cioè la lista degli ingredienti.
Alcune categorie di ingredienti cosmetici sono spesso oggetto di discussione. È importante però distinguere tra la semplice presenza di un ingrediente, la sua concentrazione, il tipo di prodotto e le evidenze scientifiche disponibili: non tutti gli ingredienti hanno lo stesso profilo di sicurezza e la valutazione dipende anche dalla modalità e dalla frequenza d’uso.
❌ Parabeni (Methylparaben, Propylparaben e altri)
I parabeni sono conservanti utilizzati per impedire la proliferazione di microrganismi nei cosmetici. Alcuni parabeni hanno mostrato attività estrogenica in studi sperimentali, ma questo non significa automaticamente che l’uso cosmetico alle concentrazioni consentite provochi alterazioni del sistema riproduttivo. Per questo è importante fare riferimento alle valutazioni delle autorità competenti e alle concentrazioni effettivamente utilizzate.
❌ BHA / BHT
BHA e BHT sono antiossidanti utilizzati per proteggere le formulazioni dall’ossidazione. La loro sicurezza è stata oggetto di valutazioni scientifiche e regolatorie. È quindi più corretto parlare di possibili effetti osservati in specifici studi piuttosto che affermare, in modo generale, che questi ingredienti «agiscano direttamente sulla tiroide».
❌ EDTA (Disodium EDTA e altri sali)
L’EDTA è un agente chelante: lega alcuni ioni metallici e contribuisce alla stabilità delle formulazioni. È anche discusso dal punto di vista ambientale perché alcune forme possono essere persistenti. L’affermazione secondo cui, applicato sulla pelle, «distruggerebbe i minerali necessari alle cellule per ripararsi» è però una semplificazione e non va presentata come un fatto generale senza specifiche evidenze.
❌ Fenossietanolo (Phenoxyethanol)
Il fenossietanolo è un conservante molto utilizzato nei cosmetici. Come per gli altri conservanti, la sicurezza dipende soprattutto dalla concentrazione e dalle condizioni d’uso. Può causare irritazione o sensibilizzazione in alcune persone, ma definirlo semplicemente «tossico per il fegato» senza indicare dose, via di esposizione e dati di riferimento può risultare fuorviante.
✨ INCI l’etichetta nei cosmetici un aiuto importante
Leggere l’INCI è un buon modo per conoscere ciò che contiene un cosmetico, ma la presenza di un determinato ingrediente non è, da sola, una prova che il prodotto sia dannoso. Per una comunicazione corretta e credibile è utile considerare concentrazione, tipo di prodotto, modalità d’uso e valutazioni delle autorità scientifiche e regolatorie.
![import os import glob import pandas as pd from ollama import Client # 1. CONFIGURA LA TUA CARTELLA SORGENTE CARTELLA_DATI = r"C:\I_Miei_Dati_Excel" if not os.path.exists(CARTELLA_DATI): os.makedirs(CARTELLA_DATI) print(f"[AVVISO] Ho creato la cartella vuota '{CARTELLA_DATI}'. Metti lì i tuoi file Excel!") client = Client() print("\n" + "="*60) print(" AI DATA AGENT - FLUSSO GUIDATO ULTRA-MIRATO") print("="*60) while True: print("\n[FASE 1] Quali colonne vuoi cercare nel file? (es. cliente, città)") campi_input = input("Inserisci i nomi delle colonne (separati da virgola) o 'esci': ") if campi_input.lower() == 'esci': break if not campi_input.strip(): continue # Teniamo traccia delle colonne esatte inserite dall'utente campi_cercati = [c.strip().lower() for c in campi_input.split(',')] file_excel = glob.glob(os.path.join(CARTELLA_DATI, "*.xlsx")) + glob.glob(os.path.join(CARTELLA_DATI, "*.xls")) if not file_excel: print("AI: Nessun file Excel trovato nella cartella.") continue file_idonei = {} for percorso_completo in file_excel: file_nome = os.path.basename(percorso_completo) try: df_headers = pd.read_excel(percorso_completo, nrows=1) colonne_reali = [str(c).strip().lower() for c in df_headers.columns] match_campi = True for campo in campi_cercati: if not any(campo in col for col in colonne_reali): match_campi = False break if match_campi: file_idonei[file_nome] = percorso_completo except Exception: continue if not file_idonei: print("\nAI: Nessun file contiene contemporaneamente le colonne richieste.") continue lista_file_idonei = list(file_idonei.keys()) file_selezionato_nome = lista_file_idonei[0] percorso_file_scelto = file_idonei[file_selezionato_nome] if len(lista_file_idonei) == 1: print(f"\n[Auto-Selezione] Trovato un unico file idoneo: {file_selezionato_nome}") else: print("\n--- FILE IDONEI TROVATI ---") for i, nome_f in enumerate(lista_file_idonei, 1): print(f"{i}. {nome_f}") print("---------------------------") scelta_file = input("Seleziona il numero del file da analizzare: ") try: file_selezionato_nome = lista_file_idonei[int(scelta_file) - 1] percorso_file_scelto = file_idonei[file_selezionato_nome] except: print("[ERRORE] Selezione non valida.") continue print(f"Caricamento in corso di: {file_selezionato_nome}...") try: if percorso_file_scelto.lower().endswith('.xls'): df = pd.read_excel(percorso_file_scelto, engine='xlrd') else: df = pd.read_excel(percorso_file_scelto) df.dropna(how='all', inplace=True) # Normalizzazione letterale rigida delle colonne originali df.columns = df.columns.str.strip().str.lower() # Pulizia e conversione in stringhe/numeri sicuri for col in df.columns: if any(x in col for x in ['quantità', 'quantita', 'vendite', 'prezzo', 'costo']): df[col] = df[col].astype(str).map(lambda x: x.replace('€', '').replace('.', '').replace(',', '.').strip() if pd.notnull(x) else '0') df[col] = pd.to_numeric(df[col], errors='coerce').fillna(0) else: df[col] = df[col].astype(str).map(lambda x: str(x).strip().replace("'", "").replace('"', '').lower() if pd.notnull(x) else '') except Exception as e: print(f"[ERRORE] Impossibile aprire il file: {e}") continue # --- FASE 2: INTERROGAZIONE GUIDATA FILTRATA SOLO SULLE COLONNE DATE --- print(f"\n[FASE 2] Configurazione filtri per il file '{file_selezionato_nome}'") df_filtrato = df.copy() # Ciclo mappato SOLO sulle colonne reali che corrispondono a quelle inserite nella Fase 1 colonne_da_chiedere = [col for col in df.columns if any(campo in col for campo in campi_cercati)] for colonna in colonne_da_chiedere: # Escludiamo a priori colonne numeriche di calcolo per evitare errori di digitazione if any(x in colonna for x in ['quantità', 'quantita', 'vendite', 'prezzo', 'costo', 'codice']): continue filtro_valore = input(f"Inserisci il valore da cercare per la colonna '{colonna}': ").strip().lower() if filtro_valore: df_filtrato = df_filtrato[df_filtrato[colonna].astype(str).map(lambda x: filtro_valore in x)] # Chiediamo quale colonna numerica sommare alla fine colonne_numeriche = [c for c in df.columns if any(x in c for x in ['quantità', 'quantita', 'vendite', 'prezzo', 'costo'])] print(f"\nColonne numeriche disponibili per il totale: {colonne_numeriche}") colonna_totale = input("Quale colonna vuoi sommare? (es. quantità): ").strip().lower() if colonna_totale in df_filtrato.columns: risultato_reale = df_filtrato[colonna_totale].sum() if hasattr(risultato_reale, 'item'): risultato_reale = risultato_reale.item() if isinstance(risultato_reale, float) and risultato_reale.is_integer(): risultato_reale = int(risultato_reale) print(f"\n[Elaborazione RAM] Numero di righe trovate dal filtro: {len(df_filtrato)}") # Generazione risposta finale basata solo sulla matematica vera di Python prompt_finale = f"""Rispondi in lingua italiana. Hai eseguito un calcolo su un file Excel. Colonna sommata: '{colonna_totale}' Risultato matematico esatto ottenuto: {risultato_reale} File analizzato: {file_selezionato_nome} Scrivi una breve frase in italiano che confermi il totale calcolato.""" print(f"\nAI: {client.generate(model='llama3:8b', prompt=prompt_finale)['response']}") e](https://sp-ao.shortpixel.ai/client/to_webp,q_glossy,ret_img,w_500,h_500/https://agenovskincare.com/wp-content/uploads/2025/11/Nadah-Longevity-Crema-viso-500x500.png)
