En este documento, presentamos un enfoque innovador para manejar el problema del bandido multi-brazo (MAB) en entornos no estacionarios, aprovechando el poder predictivo de los grandes modelos de lenguaje (LLMs). Con la realización de que las estrategias tradicionales de bandido, incluyendo epsilon-greedy y upper confidence bound (UCB), pueden tener dificultades ante los cambios dinámicos, proponemos una estrategia informada por LLMs que ofrece orientación dinámica sobre la exploración versus la explotación, dependiendo del estado actual de los bandidos. Presentamos un nuevo modelo de bandido no estacionario con distribuciones de recompensa fluctuantes e ilustramos cómo se pueden emplear LLMs para guiar la elección del bandido en medio de esta variabilidad. Los resultados experimentales ilustran el potencial de nuestra estrategia informada por LLMs, demostrando su adaptabilidad a la naturaleza fluctuante del problema del bandido, manteniendo un rendimiento competitivo frente a estrategias convencionales. Este estudio proporciona ideas clave sobre las capacidades de los LLMs para mejorar los procesos de toma de decisiones en escenarios dinámicos e inciertos.