Quería resolver un problema concreto: consultar y actualizar expedientes desde el móvil sin abrir un CRM o una interfaz pesada. Muchas tareas administrativas son simples, pero obligan a entrar en una herramienta, buscar un registro, abrirlo, cambiar un campo y comprobar que se ha guardado. Me pareció interesante convertir ese flujo en una conversación natural desde Telegram, usando un bot conectado a un agente de automatización.
El resultado es DB_consult_bot, una aplicación que permite buscar y actualizar expedientes de una base de datos directamente desde Telegram. El usuario puede pedir información, modificar campos como el estado y continuar la conversación usando como contexto el último expediente consultado.
El entorno y los datos
El proyecto trabaja con una base de datos de expedientes. Cada expediente tiene un identificador, por ejemplo EXP-0090, y varios campos asociados que pueden consultarse o actualizarse. El caso de uso está pensado para entornos administrativos, comerciales o de gestión interna donde se trabaja con registros estructurados.
El principal reto no era solo acceder a la base de datos, sino hacerlo de forma cómoda desde el móvil. También era importante mantener el contexto. Por ejemplo, después de consultar EXP-0090, el usuario puede escribir:
Cambia el estado a facturado
sin repetir el identificador del expediente.
Otro desafío era evitar respuestas duplicadas en desarrollo, especialmente si se arrancaban dos servidores a la vez usando long polling con Telegram.
El proceso
La arquitectura combina varios bloques:
- Telegram Bot API para la interacción desde el móvil.
- Express.js + TypeScript como backend.
- n8n como agente intermedio conectado a la base de datos.
- React + Vite + Tailwind CSS para una interfaz web local.
- Zustand para gestionar el estado visible de la app web.
El flujo principal funciona así:
Usuario en Telegram
↓
Bot de Telegram
↓
Servidor Express
↓
Webhook de n8n
↓
Agente conectado a la base de datos
Cuando el usuario envía un mensaje, el servidor lo recibe mediante long polling. Después, el backend envía la consulta al webhook de n8n. El agente interpreta la petición, consulta o actualiza la base de datos y devuelve una respuesta que el bot envía al usuario.
También añadí memoria ligera por chat para guardar el último expediente mencionado. Así, el bot puede entender instrucciones posteriores sin que el usuario repita todos los datos.
Además, implementé un indicador typing... mientras el agente procesa la solicitud y un bloqueo local para evitar que dos instancias del servidor respondan al mismo mensaje.
La estructura del proyecto está separada por módulos:
src/
modules/
app/
chat/
expedientes/
server/
modules/
chat/
telegram/
Resultados
El bot permite realizar operaciones como:
Usuario: Busca el expediente EXP-0090
Bot: He encontrado el expediente EXP-0090...
Usuario: Cambia el estado a facturado
Bot: Estado actualizado correctamente.
Los resultados principales fueron:
- Consulta de expedientes desde Telegram sin abrir el CRM.
- Actualización de campos usando lenguaje natural.
- Uso de contexto conversacional por chat.
- Verificación posterior de cambios mediante el agente.
- Interfaz web local con chat, listado de expedientes y vista de detalle.
- Arquitectura modular preparada para ampliarse a otros registros o sistemas.
También añadí tests para validar partes importantes, como la validación de entradas, el parser de expedientes y el flujo entre Telegram y el agente.
Lo que aprendí
Lo más interesante fue comprobar que Telegram puede funcionar como una interfaz muy práctica para operaciones internas. No siempre hace falta construir una aplicación compleja para cada proceso. A veces, una conversación bien diseñada reduce muchos pasos.
También aprendí que la memoria de contexto, aunque sea sencilla, mejora mucho la experiencia de usuario. Poder decir “cambia el estado” después de consultar un expediente hace que el bot se sienta más natural.
Como siguientes pasos, añadiría autenticación de usuarios autorizados, control de permisos por rol, historial de cambios y confirmación previa antes de modificar campos sensibles. También tendría sentido desplegarlo en cloud y conectarlo a un CRM real.
Repositorio
Puedes ver el código del proyecto aquí:
Este proyecto forma parte de mi portfolio de soluciones de IA Generativa, automatización y aplicaciones LLM, y lo desarrollé durante mi proceso de especialización en el Máster de Evolve Academy: https://evolve.es/