推薦システムは人工知能の最も影響力のある応用の一つであり、ユーザー、販売者、プラットフォームを結ぶ重要なインフラとして機能している。しかし、現在の多くの産業用システムは、依然として過去の共起パターンやログ適合性最適化（log-fitting）に強く依存しており、ユーザーの意図を明示的にモデル化せずに過去のユーザー行動の最適化を目指している。このログ適合性アプローチは、限定的な過去の嗜好に過剰に適合しやすく、ユーザーの変化する潜在的な関心を捉えきれないことが多く、結果としてフィルターバブルや長尾現象を助長し、ユーザー体験を損なうだけでなく、推薦エコシステム全体の持続可能性を脅かす要因となっている。こうした課題に対処するため、我々は推薦システムの全体的な設計パラダイムを再考し、ユーザーの意図を推薦プロセスの中心に据える次世代フレームワーク「RecGPT」を提案する。RecGPTは、大規模言語モデル（LLM）をユーザー関心の抽出、アイテム検索、説明生成といった主要段階に統合することで、従来のログ適合型推薦から意図中心型のプロセスへと転換する。汎用的なLLMを大規模に、かつ効果的にこのドメイン特化型の推薦タスクに適合させるために、RecGPTは「推論強化型事前整合」と「自己学習による進化」を組み合わせたマルチステージ学習フレームワークを採用しており、人間とLLMが協働する評価システムによってガイドされる。現在、RecGPTは淘宝（タオバオ）アプリに完全に導入済みである。オンライン実験の結果、RecGPTはすべてのステークホルダーにおいて一貫したパフォーマンス向上を達成した。ユーザーはコンテンツの多様性と満足度の向上を実感し、販売者およびプラットフォームはより高い露出とコンバージョンを獲得した。このように、すべての関係者にわたる包括的な改善が実証されたことから、LLM駆動で意図中心の設計が、より持続可能で相互に利益をもたらす推薦エコシステムの構築に貢献できることが裏付けられた。