Este documento presenta una metodología pionera para refinar los sistemas de recomendación de productos, introduciendo una integración sinérgica de modelos no supervisados: agrupamiento K-means, filtrado basado en contenido (CBF) y agrupamiento jerárquico, con el modelo de lenguaje grande (LLM) de vanguardia GPT-4. Su innovación radica en utilizar GPT-4 para la evaluación de modelos, aprovechando sus avanzadas capacidades de comprensión del lenguaje natural para mejorar la precisión y relevancia de las recomendaciones de productos. Una API basada en Flask simplifica su implementación para los propietarios de comercio electrónico, permitiendo el entrenamiento y evaluación sin problemas de los modelos utilizando datos de productos en formato CSV. El aspecto único de este enfoque radica en su capacidad para empoderar el comercio electrónico con sofisticados algoritmos de sistemas de recomendación no supervisados, mientras que el modelo GPT contribuye significativamente a refinar el contexto semántico de las características del producto, resultando en un sistema de recomendación de productos más personalizado y efectivo. Los resultados experimentales subrayan la superioridad de este marco integrado, marcando un avance significativo en el campo de los sistemas de recomendación y proporcionando a las empresas una solución eficiente y escalable para optimizar sus recomendaciones de productos.