Los sistemas de recomendación son una tecnología clave para muchas aplicaciones, como el comercio electrónico, los medios de transmisión y las redes sociales. Los sistemas de recomendación tradicionales se basan en filtrado colaborativo o en filtrado basado en contenido para hacer recomendaciones. Sin embargo, estos enfoques tienen limitaciones, como el inicio en frío y el problema de la escasez de datos. Este artículo de revisión presenta un análisis exhaustivo del cambio de paradigma de los sistemas de recomendación convencionales a los chatbots basados en generadores preentrenados de transformadores (GPT). Destacamos los desarrollos recientes que aprovechan el poder de GPT para crear agentes conversacionales interactivos y personalizados. Al explorar técnicas de procesamiento de lenguaje natural (NLP) y de aprendizaje profundo, investigamos cómo los modelos GPT pueden comprender mejor las preferencias del usuario y proporcionar recomendaciones contextualizadas. El artículo también evalúa las ventajas y limitaciones de los sistemas de recomendación basados en GPT, comparando su rendimiento con los métodos tradicionales. Además, discutimos posibles direcciones futuras, incluido el papel del aprendizaje por refuerzo en el perfeccionamiento del aspecto de personalización de estos sistemas.