Escucha Comunitaria
El problema
Cartagena tiene mesas sectoriales, encuestas de percepción, testimonios grabados en campo. Decenas de documentos que describen con precisión qué necesita la comunidad. Ninguno se cruza sistemáticamente con las propuestas de intervención que llegan al escritorio de quien formula la política. La voz existe; el problema es que nadie la consulta.
En la Hackathon CTW Cartagena (13 de agosto de 2026), el equipo D&A eligió ese problema. Seis horas, dos personas, 21 equipos compitiendo. Obtuvimos el segundo lugar.
El corpus
Los datos se recopilaron entre el día de la hackathon y los días previos, combinando fuentes abiertas y recolección directa en campo:
- 1.148 fragmentos de la Encuesta de Percepción Ciudadana 2026 de Cartagena (1.150 fuentes)
- 271 fragmentos de actas de mesas sectoriales de Puerto Colombia (26 fuentes)
- 38 fragmentos de testimonios directos grabados en campo y transcritos con Whisper (7 fuentes)
En total: 1.457 fragmentos de voz ciudadana, 1.183 fuentes, 79 temas emergentes, período 2023-2026.
Ningún testimonio se publica sin consentimiento explícito. Los grabados en campo se ingestan marcados como privados por defecto; solo una confirmación humana los hace visibles.
Cómo funciona
La información pasa por cuatro etapas antes de ser consultable:
- Transcripción (Whisper) — los audios de campo se convierten a texto automáticamente.
- Segmentación (Gemma 4 12B + Claude Haiku) — cada documento se parte en unidades temáticas mínimas; modelo local primero, API como respaldo.
- Indexación semántica (Voyage voyage-4) — cada fragmento se convierte en un vector de 1.024 dimensiones. La búsqueda es por significado, no por palabra clave.
- Descubrimiento de temas (BERTopic + UMAP + HDBSCAN) — los fragmentos se agrupan por proximidad semántica. Ningún tema fue definido de antemano.
Con el corpus indexado, hay tres formas de consultarlo:
Contrastar propuesta. Se pega cualquier propuesta de programa social. El sistema la descompone en cuatro dimensiones (población, intervención, duración, resultado esperado) y contrasta cada una contra el corpus con citas literales. El resultado puede ser “respaldada”, “tensionada” o “sin datos”.
Explorar temas. Los temas que emergen del corpus sin que nadie los definiera de antemano, ordenados por volumen de evidencia y con su distribución por tipo de fuente.
Consultar en conversación. Pregunta en lenguaje natural. El sistema recupera los fragmentos más relevantes y responde citando cada fuente. Filtrable por municipio.
El equipo
D&A: Dorelys Martínez Suárez (IA, RAG, pipeline) y Alex Martínez (recolección de datos, entrevistas en campo). La división fue intencional: mientras yo construía el sistema, Alex hacía el trabajo más difícil, conseguir que la gente de Cartagena hablara con honestidad.
Estado actual
En mejora continua. El sistema se está aplicando ahora a Puerto Colombia, Atlántico, nuestro municipio de origen, ampliando el corpus con nuevas fuentes locales.
La historia completa del proceso, incluyendo el trabajo de campo, está en este post de la bitácora.