El agente de comercio no necesita más datos: necesita mejor dinámica de decisión.

Creemos que WhisperRec marca un punto de inflexión en la economía computacional de los recomendadores agénticos. El paradigma Chain-of-Thought explícito — que un agente de comercio 'piense en voz alta' antes de recomendar — genera una sobrecarga de inferencia que lo hace inviable a escala de catálogo real. Jiang et al. resuelven esto comprimiendo el CoT de un modelo docente en tokens de razonamiento latente, realizando el razonamiento en espacio latente sin producir texto verboso [4]. El resultado no es solo teórico: WhisperRec mejora SID@64 en 17,44% frente a la variante CoT explícita Think y alcanza más de 10× mayor throughput de inferencia [4].

Paralelamente, Kairos demuestra que en entornos con cold-start estructural de ítem — exactamente el escenario de catálogos con rotación alta, como moda o alimentación — un bandido contextual LinUCB con actualizaciones de Cholesky y Matryoshka Representation Learning logra una ganancia de eficiencia de 4,85× sin comprometer significativamente la precisión de ranking [1]. La convergencia es clara: los modelos que sobrevivirán en pipelines agénticos de ecommerce son los que comprimen representación e inferencia simultáneamente.

Un agente de comercio que repite el mismo fallo de fulfillment, de interpretación de intención o de pricing en episodios sucesivos destruye confianza acumulada. Living-Harness aborda esto convirtiendo cada trayectoria completada en evidencia posterior para actualizaciones acotadas del harness, mediante memoria episódica (condiciones de activación, patrones de fallo, acciones de recuperación) y grafos de estados con aristas de reparación [2]. Los resultados son contundentes: sobre ocho entornos interactivos, mejora el Pass@1 promedio en 10,07 y 9,91 puntos porcentuales respectivamente sobre los baselines más potentes [2]. Creemos que esta arquitectura es directamente trasladable a agentes de ecommerce que gestionan devoluciones, disputas o personalización de ofertas — tareas donde el fallo recurrente tiene coste económico medible.

SAGE demuestra que un LLM congelado con menos del 10% de parámetros entrenables puede superar al ajuste fino completo en auto-bidding restringido, usando LoRA condicionado por restricciones de campaña como señales de enrutamiento [8]. Para un agente de comercio que gestione presupuesto publicitario, esto significa que la adaptación a restricciones cambiantes (ROAS objetivo, techo de CPA, estacionalidad) no requiere reentrenamiento costoso. DASH complementa esto en el lado de evaluación: al generar trazas de razonamiento conjuntamente con predicciones de acción sobre datos cross-domain reales de Tencent, permite validar estrategias de puja con simuladores de usuario que capturan preferencias más allá del clic [5].

La evidencia que hemos recorrido apunta en una dirección coherente: el comercio agéntico que funcionará no será el que acumule más datos ni el que despliegue el LLM más grande, sino el que trate la sesión de compra como una trayectoria con estado — donde cada recomendación actualiza el modelo del usuario [10], donde el razonamiento se comprime en espacio latente para no sacrificar throughput [4], donde el harness del agente aprende de sus propios fallos sin intervención humana constante [2], y donde el humano interviene exactamente en las decisiones que no se pueden revertir [9]. Los protocolos de pago por agente y los estándares de interoperabilidad vendrán después. Lo que se decide ahora es la arquitectura cognitiva del agente que compra, recomienda y puja. Y esa arquitectura será dinámica o no será.