Las aplicaciones de IA generativa han desempeñado un papel cada vez más significativo en aplicaciones de seguimiento en tiempo real en muchos dominios, incluyendo, por ejemplo, la atención médica, la consultoría, los cuadros de diálogo (tipos comunes de ventana en una interfaz gráfica de usuario de sistemas operativos), sistemas de monitoreo y respuesta a emergencias. Este documento considera la IA generativa y presenta un enfoque que combina álgebra de hedge y un modelo de lenguaje grande multilingüe para encontrar reglas ocultas en grandes datos para ChatGPT. Presentamos un método novedoso para extraer conocimiento en lenguaje natural de grandes conjuntos de datos aprovechando conjuntos difusos y álgebra de hedge para extraer estas reglas, presentadas en metadatos para ChatGPT y aplicaciones de IA generativa. El modelo propuesto ha sido desarrollado para minimizar los costos computacionales y de personal para empresas de tamaño mediano que suelen tener recursos y tiempo limitados. El modelo propuesto ha sido diseñado para automatizar interacciones de pregunta-respuesta para reglas extraídas de grandes datos en una multiplicidad de dominios. Los resultados experimentales muestran que el modelo propuesto tiene un buen rendimiento utilizando conjuntos de datos asociados con dominios específicos en atención médica para validar la efectividad del modelo propuesto. La aplicación de ChatGPT en estudios de caso de atención médica se prueba utilizando conjuntos de datos para los idiomas inglés y vietnamita. En pruebas experimentales comparativas, el modelo propuesto superó el estado del arte, logrando un rendimiento en el rango del 96.70-97.50% utilizando un conjunto de datos sobre el corazón.