La investigación de operaciones (IO) utiliza modelos matemáticos para mejorar la toma de decisiones, pero desarrollar estos modelos requiere conocimientos especializados y puede ser un proceso que consume mucho tiempo. La programación matemática automatizada (PMA) ha surgido para simplificar este proceso, pero los sistemas existentes tienen limitaciones. Este artículo presenta una nueva metodología que utiliza avances recientes en un modelo de lenguaje grande (MLG) para crear y editar modelos abstractos de IO a partir de consultas de usuarios no expertos expresadas en lenguaje natural. Esto reduce la necesidad de experiencia en el dominio y el tiempo para formular un problema, y un modelo abstracto de IO generado puede ser implementado en una plataforma multiusuario para apoyar a una clase de usuarios con diferentes datos de entrada. Este artículo presenta un pipeline de extremo a extremo, llamado NL2OR, que genera soluciones a problemas de IO a partir de entradas en lenguaje natural y comparte resultados experimentales sobre varios problemas importantes de IO.