この論文は、現在の「プラットフォーム中心」の個人化を変えようとしています。個人化とは、ユーザーの好みや行動に合わせてコンテンツやサービスを調整する仕組みです。著者らは、唯一ユーザーだけが自身の複数のサービスやオフラインの情報を一つにまとめられるという点に着目し、大型言語モデル（LLM：大規模な言語処理モデル）を使った「ユーザー側のエージェント」がそれを現実にできると主張します。

研究チームは理論的な議論に加え、実証的な証拠も示しています。論文は、ユーザーが複数のプラットフォームからデータをエクスポートし、市販のLLMエージェントに委ねると、単一プラットフォームの個人化手法よりも良い結果を出せるという「プルーフ・オブ・コンセプト（概念実証）」を報告します。ここでのLLMエージェントとは、異なる形式の個人データを理解し、照合し、実際の推薦や選択に使える形に変えるソフトウェアです。

なぜ今までプラットフォームが全部をできなかったのかも論文は説明します。主要因は競争上の理由、法的制約、利用者のプライバシー懸念、そして観測できるデータの限界です。たとえばAppleやGoogleは各自のエコシステム内でデータを統合する取り組みを進めていますが、それは自社サービス内に限られます。法的には欧州のデジタル市場法（DMA：Digital Markets Act）の第5条2項が、指定された門番企業に対してコアサービス間で個人データを結合することを制限しており、2025年4月にはMeta（旧Facebook）に対し2億ユーロの罰金が科されました。こうした構造が、プラットフォーム横断の完全な利用者像の形成を難しくしています。

この考え方が重要な理由は、ユーザー自身が自分の生活全体を最もよく知っているという点です。ユーザー側エージェントは、プラットフォームが持つ断片的なデータの外側にあるオフライン情報や他サービスでの履歴を取り込み、よりきめ細かい個人化を実現できます。論文は、既存の推薦や配信インフラ（候補生成や在庫管理など）はそのまま活かしつつ、最終的なランキングや表示決定をユーザー側のLLMエージェントが担う構図を想定しています。

重要な注意点も明示されています。示された成果は概念実証であり、実用化には課題が残ります。スケールさせるための技術的問題、プライバシーやセキュリティの管理、法規制下での運用、ユーザーがデータをどこまで共有・エクスポートするかといった人間側の合意などです。著者らはこれらの課題を解決するための研究課題一覧も提示しており、プラットフォームが無意味になると主張しているわけではなく、プラットフォームとユーザー側エージェントが役割分担する未来を議論しています。