La llegada de la tecnología blockchain ha revolucionado varios sectores al proporcionar transparencia, inmutabilidad y automatización. En el centro de esta revolución se encuentran los contratos inteligentes, que facilitan transacciones automatizadas y sin necesidad de confianza en diversos dominios. Sin embargo, la proliferación de contratos inteligentes ha expuesto vulnerabilidades de seguridad significativas, lo que requiere técnicas de análisis avanzadas. El análisis de dependencia de datos es un método crítico de análisis de programas utilizado para mejorar las pruebas y la seguridad de los contratos inteligentes. Este documento presenta Sligpt, una metodología innovadora que integra un modelo de lenguaje grande (LLM), específicamente GPT-4o, con la herramienta de análisis estático Slither, para realizar análisis de dependencia de datos en contratos inteligentes de Solidity. Nuestro enfoque aprovecha tanto las avanzadas capacidades de comprensión de código de GPT-4o como las ventajas de una herramienta de análisis tradicional. Evaluamos empíricamente Sligpt utilizando un conjunto de datos curado de contratos inteligentes de Ethereum. Sligpt logra mejoras significativas en precisión, recuperación y profundidad general del análisis en comparación con Slither y GPT-4o, proporcionando una solución robusta para el análisis de dependencia de datos. Este documento también discute los desafíos encontrados, como los requisitos de recursos computacionales y la variabilidad inherente en las salidas de LLM, mientras propone direcciones de investigación futuras para mejorar aún más la metodología. Sligpt representa un avance significativo en el campo del análisis estático de contratos inteligentes, ofreciendo un marco práctico para integrar LLMs con herramientas de análisis estático.