Los métodos tradicionales usan promedios históricos o la palabra del intermediario. Este motor aprende por prueba y error la política que maximiza precio × probabilidad de venta: el punto donde el productor gana más sin espantar al comprador. Ese equilibrio ES el precio justo del mercado.
Por construcción, el agente jamás sugiere un precio bajo el piso contractual del productor. La banda del contrato es una restricción del modelo, no una sugerencia: protege al agricultor de la presión a la baja.
Cada oferta real aceptada o rechazada re-entrena al agente (aprendizaje online). El precio deja de ser una foto estática y se vuelve un organismo que se adapta a la estacionalidad y a la demanda real del Valle de Azapa.
El modo AUTO entrena dos algoritmos distintos (Q-learning y PPO), compara el ingreso esperado de cada política y usa la ganadora. Nadie fija el precio a dedo: compiten métodos, y la evidencia decide.
Todo lo que el motor aprende queda en un log con hora y métricas (este mismo panel). Un regulador, un productor o un comprador pueden ver POR QUÉ el precio es el que es. La opacidad de la intermediación se reemplaza por evidencia.
La interfaz del motor es intercambiable: cuando el historial de transacciones sea suficiente, la misma API se respalda con PPO profundo (redes neuronales) sin tocar el resto del sistema. La graduación está en el plan de I+D.