Con el aumento del comercio electrónico y el uso de aplicaciones web, los sistemas de recomendación se han vuelto importantes para nuestras tareas diarias. Ofrecen sugerencias personalizadas para ayudar con cualquier tarea en consideración. Aunque se han desarrollado varios algoritmos de aprendizaje automático para tareas de recomendación, los sistemas existentes aún enfrentan limitaciones. Esta investigación se centra en avanzar en los sistemas de recomendación sensibles al contexto aprovechando las capacidades de los Modelos de Lenguaje Grandes (LLMs) en conjunto con datos en tiempo real. La investigación explota la integración de APIs de datos en tiempo real existentes con LLMs para mejorar las capacidades de los sistemas de recomendación ya integrados en las sociedades inteligentes. Los resultados experimentales demuestran que el enfoque híbrido mejora significativamente la experiencia del usuario y la calidad de las recomendaciones, garantizando sugerencias más relevantes y dinámicas.