El recomendador agéntico no es un LLM que recomienda: es una arquitectura de memoria, planificación y supervisión.

Trapeznikov y Utushkin reformulan la recuperación top-K como un proceso de decisión de Markov sobre el posterior implícito de ALS, donde cada ítem seleccionado modifica el estado del usuario y, por tanto, lo que debería recuperarse a continuación [12]. La transición se calcula como un fold-in de rango uno en forma cerrada — sin reentrenamiento. Lo revelador es que un solo paso de planificación (lookahead) captura la mayor parte de la ganancia sobre la recuperación estática [12]. Para comercio agéntico, esto tiene una implicación concreta: no necesitamos planificadores pesados tipo MCTS con horizontes largos; basta una capa ligera de decisión sobre embeddings de filtrado colaborativo existentes para que el agente deje de tratar cada recomendación como independiente del contexto de la sesión.

La condición metodológica que reportan Trapeznikov y Utushkin merece atención: las ganancias de planificación dependen de medir relevancia con similitud coseno en lugar de producto interno, porque el producto interno está entrelazado con la popularidad del ítem [12]. En un agente de comercio que prioriza conversión personalizada sobre volumen de impresiones, esta distinción métrica no es un detalle técnico — es una decisión de negocio.

WhisperRec confronta una tensión que cualquier agente de comercio en producción enfrentará: el razonamiento Chain-of-Thought explícito mejora la calidad de la recomendación, pero introduce sobrecarga sustancial de inferencia [6]. La solución — comprimir el CoT de un modelo docente en tokens de razonamiento latente — retiene la información relevante para la decisión sin generar texto verboso. Jiang et al. reportan mejoras de SID@64 del 17,44% sobre CoT explícito tipo Think y más de 10× mayor throughput de inferencia [6]. Para un agente que debe responder en tiempo real sobre un catálogo vivo, esa diferencia de throughput es la diferencia entre un prototipo y un sistema desplegable.

Zhu, Wang y Zhang aportan un principio arquitectónico que el comercio agéntico no puede ignorar: en ausencia de señal de corrección barata y legible por máquina, la asignación del juicio humano es la variable de diseño más informativa [11]. Su arquitectura pAI-Econ-claude distingue explícitamente entre decisiones reversibles (delegables a agentes) e irreversibles (reservadas al humano). En comercio, un error de recomendación es reversible; un cobro duplicado o un envío a dirección incorrecta no lo es. Las puertas especializadas que diagnostican modos de fallo específicos redujeron la severidad media de fallos de 1,58 a 1,16 y aumentaron la utilidad de 2,60 a 3,10 en sus evaluaciones [11].

Living-Harness complementa esta perspectiva desde el ángulo de la evolución autónoma: convierte cada trayectoria completada en evidencia para actualizar el harness del agente, escribiendo memoria episódica y grafos de estados que acumulan reparaciones procedurales entre ciclos [4]. Du et al. reportan mejoras de Pass@1 de 10,07 y 9,91 puntos porcentuales sobre baselines interactivos en ocho entornos derivados de τ²-Bench y MultiWOZ-2.4 [4]. La combinación de ambos enfoques — puertas humanas para decisiones irreversibles, auto-evolución para el resto — dibuja el esqueleto de un agente de comercio que mejora con el uso sin acumular riesgo.