Las decisiones semi-estructuradas, que se encuentran entre los tipos de decisiones altamente estructuradas y no estructuradas, dependen de la intuición y la experiencia humanas para la elección final, mientras utilizan datos y modelos analíticos para generar soluciones tentativas. Estos procesos son tradicionalmente iterativos y consumen tiempo, requiriendo ciclos de recopilación de datos, análisis y evaluación de opciones. En este estudio, proponemos un marco novedoso que integra Modelos de Lenguaje Grande (LLMs) con técnicas de optimización para agilizar estos procesos de toma de decisiones. En nuestro enfoque, los LLMs aprovechan sus capacidades en interpretación de datos, razonamiento de sentido común y modelado matemático para ayudar a los tomadores de decisiones al reducir la carga cognitiva. Logran esto automatizando aspectos del procesamiento de información y la evaluación de opciones, al tiempo que preservan la supervisión humana como un componente crucial del proceso de toma de decisiones final. Otra fortaleza significativa de nuestro marco radica en su potencial para impulsar la evolución de una nueva generación de sistemas de apoyo a la toma de decisiones (DSSs). A diferencia de los sistemas tradicionales que dependen de interfaces rígidas e inflexibles, nuestro enfoque permite a los usuarios expresar sus preferencias de una manera más natural, intuitiva y adaptable, mejorando sustancialmente tanto la usabilidad como la accesibilidad. Un estudio de caso sobre el diseño de un sistema de entrega de última milla en una ciudad inteligente demuestra la aplicación práctica de este marco. Los resultados sugieren que nuestro enfoque tiene el potencial de simplificar el proceso de toma de decisiones y mejorar la eficiencia al reducir la carga cognitiva, mejorar la experiencia del usuario y facilitar interacciones más intuitivas.