Este trabajo propone la utilización de grandes modelos de lenguaje como sistemas de recomendación para visitantes de museos. Dado que los modelos mencionados carecen de la noción de contexto, no pueden trabajar con información temporal que a menudo está presente en recomendaciones para entornos culturales (por ejemplo, exhibiciones especiales o eventos). En este sentido, el trabajo actual tiene como objetivo mejorar las capacidades de los grandes modelos de lenguaje a través de un proceso de ajuste fino que incorpora información contextual e instrucciones del usuario. Se espera que los modelos resultantes sean capaces de proporcionar recomendaciones personalizadas que estén alineadas con las preferencias y deseos del usuario. Más específicamente, el Generative Pre-trained Transformer 4, un gran modelo de lenguaje basado en conocimiento, se ajusta finamente y se convierte en un sistema de recomendación consciente del contexto, adaptando sus sugerencias en función de la entrada del usuario y de factores contextuales específicos como la ubicación, la hora de la visita y otros parámetros relevantes. La efectividad del enfoque propuesto se evalúa a través de ciertos estudios de usuario, que garantizan una mejor experiencia y participación del usuario dentro del entorno del museo.