Juan GiupponiVol. 03 — 2026
17:15 GMT-3
Municipalidad de San NicolásOct 2025 a Abr 2026En producción

Santia: bot ciudadano de WhatsApp

63.360 conversaciones. 9.63M mensajes. 7 meses de operación del asistente ciudadano más grande de San Nicolás.

Conversaciones
63.360
7 meses de operación
Mensajes totales
9.63M
Bot 65% · WA 35%
Resuelto sin humano
85%
de las conversaciones
Pico diario
89.8K
mensajes (Mar 30, 2026)

San Nicolás tiene 170.000 habitantes. Antes, hacer un trámite municipal significaba ir a ventanilla: esperar turno, llevar fotocopias, volver si faltaba algo. Santia es el intento de cambiar eso.

El bot opera 24/7 sobre WhatsApp (el canal que los vecinos ya tienen instalado y usan todos los días) y gestiona desde sacar un turno médico hasta consultar el estado de una infracción de tránsito. No reemplaza al Estado: lo hace más accesible.

Arquitectura y servicios

Cada conversación pasa primero por el orquestador en n8n, que determina cómo resolverla. Las consultas informativas (qué documentos traer, horarios, requisitos) se resuelven contra un RAG en Qdrant, alimentado por un sistema de documentos municipales que se actualiza automáticamente. Los trámites se derivan a sub-agentes especializados: multas, licencias de conducir, turnos médicos, reclamos.

Los flujos se clasifican en tres tipos según la complejidad del trámite. IA puro: el agente resuelve todo en lenguaje natural (consultas, reclamos, multas). Híbrido: IA para comprensión y clasificación, determinístico para los pasos críticos del trámite (renovación de licencias, turnos médico). Determinístico puro: árboles de decisión fijos sin LLM, para formularios, pagos y validaciones contra APIs externas. El análisis de DNI y cédula verde se hace con OpenAI Vision/OCR directamente en el flujo.

Arquitectura completa de Santia
Servicios
  • BuilderBotSesión WhatsApp y routing inicial de conversaciones
  • GupshupBusiness Service Provider de WhatsApp (BSP)
  • n8nOrquestador principal: clasifica intents y coordina sub-agentes
  • QdrantBase vectorial para RAG: documentos municipales auto-actualizados (fuente: AWS S3)
  • OpenAILLM para lenguaje natural y Vision/OCR para DNI y documentos
  • Node agentsServicios de alta velocidad para operaciones sensibles a la latencia. Complementan n8n
  • PostgreSQLPersistencia de conversaciones, mensajes y derivaciones
  • AWS S3Storage de multimedia: fotos, PDFs, audio
  • PuppeteerGeneración de boletas y certificados en PDF
  • Panel CRMInterfaz para operadores humanos en escalamientos

Volumen y operación

Desde el lanzamiento masivo en noviembre 2025, el bot procesó más de 9.6 millones de mensajes. El pico mensual fue noviembre (17.768 conversaciones), el mes de arranque. El promedio de mensajes por día en abril 2026 es de ~57.000.

Hay un patrón semanal muy marcado: domingos y lunes concentran el mayor tráfico (~250 a 317 conversaciones/día), mientras que viernes y sábados están en el mínimo (~65 a 114). La ratio pico/valle es de aproximadamente 4:1.

Oct 2025
4.071
Nov 2025
17.768
Dic 2025
10.299
Ene 2026
9.972
Feb 2026
6.833
Mar 2026
9.710
Abr 2026*
4.706
Abril es parcial (28 días). El patrón es estable: ~200 a 300 conversaciones en días hábiles, pico el domingo. Noviembre fue el mes de lanzamiento masivo.

Resolución automática vs operador humano

Todas las conversaciones pasan por n8n, el orquestador central. n8n clasifica el intent de cada mensaje y decide el camino: flujos determinísticos para trámites con pasos conocidos, respuestas en lenguaje natural del LLM para consultas abiertas, o escalamiento a un operador cuando el trámite lo requiere.

El resultado: el 85% se resuelve sin intervención humana. El 15% restante se deriva a operadores para atención personalizada.

63.360total
  • Resuelto automáticamente: 85%
  • Con operador humano: 15%
n8n orquesta el 100% de las conversaciones. El split relevante es automático vs humano: 85% no requiere ningún operador.

Hallazgos

01

Juzgado y Corralón son el próximo target de automatización

Dos departamentos concentran el 55% de las derivaciones a humano (Juzgado 33%, Corralón 22%). Son los candidatos más claros para sub-flujos IA especializados: alto volumen, intents repetitivos y trámites con pasos identificables. Un agente especializado por departamento puede recortar la carga operativa sin perder la precisión que hoy aporta el operador humano.