Con el fin de mejorar la precisión en la detección de fugas en redes de distribución de agua (RDA) mientras se reducen los costos de implementación de sensores, se propuso un algoritmo inteligente para la implementación óptima de sensores de monitoreo de redes de agua basado en el etiquetado automático y redes neuronales gráficas (ALGN). La investigación tiene como objetivo desarrollar una estrategia de implementación de sensores impulsada por datos y consciente de la topología que logre un alto rendimiento en la detección de fugas con requisitos de hardware mínimos. La metodología consistió en tres pasos principales: primero, se empleó el algoritmo de optimización del escarabajo estiércol (DBO) para determinar automáticamente los parámetros óptimos para el algoritmo de agrupamiento DBSCAN, que generó etiquetas de clúster iniciales; segundo, se utilizó una arquitectura de red neuronal gráfica personalizada para realizar un agrupamiento de nodos consciente de la topología, integrando información de la estructura de la red; finalmente, se seleccionaron las ubicaciones óptimas de los sensores de presión basándose en criterios de distancia mínima dentro de los clústeres identificados. La innovación clave radica en la integración de la optimización metaheurística con el aprendizaje basado en gráficos para automatizar completamente el proceso de colocación de sensores mientras se incorpora explícitamente la topología de la red hidráulica. El enfoque propuesto fue validado en infraestructura de RDA del mundo real, demostrando un rendimiento superior con un 93% de cobertura de nodos y un 99.77% de precisión en la detección de fugas, superando a los métodos de vanguardia en un 2% y un 0.7%, respectivamente. Estos resultados indican que el marco ALGN proporciona a las empresas de agua municipales una solución robusta y automatizada para diseñar sistemas de monitoreo de presión eficientes que equilibran el rendimiento de detección con el costo de implementación.