Un agente de IA monta el dashboard de un equipo a partir de Jira en una hora, frente al mes de trabajo de un analista
Antes, un analista tardaba cerca de un mes en montar el dashboard de un equipo a partir de Jira, y la mayor parte del tiempo se iba en cuadrar los datos. Ahora lo hacen las skills de un agente de IA que lee Jira, GitLab, Confluence y las grabaciones de reuniones, y el tablero de un equipo nuevo está listo en una hora. El agente sigue cometiendo errores; por ejemplo, cuenta los MR abiertos de formas distintas. Por eso el autor mantiene los datos separados del maquetado y compara los cortes antes de publicar.
Procesado por IA desde Habr AI; editado por Hamidun News
El dashboard de un equipo a partir de Jira suele ser un proyecto de un mes: el analista exporta los datos, los cuadra, los maqueta y vuelve a cuadrarlos. El autor del análisis en Habr, extecnólogo jefe (CTO) con un bloque de ingeniería de más de 50 personas y hoy responsable de una plataforma que procesa 2000 operaciones financieras por segundo, convirtió ese proceso en un conjunto de skills para un agente de IA. Ahora monta el tablero de un equipo nuevo en una hora como máximo. Lo más útil del texto no es la velocidad, sino la lista sincera de los puntos en los que el agente se equivoca.
Por qué hacía falta un mes
Dibujar una página con gráficos no tiene mucha dificultad. El tiempo se va en los datos y en su verificación, y los errores en ellos son silenciosos: el tablero parece fiable, pero las cifras son incorrectas. El autor enumera los casos típicos.
El motivo por el que una tarea se aplaza está escondido en los comentarios: la tarea pasó al siguiente sprint, y por qué solo se ve en la conversación. La exportación paginada de Jira puede devolver sin avisar bastantes menos tareas de las que hay en realidad, sin ningún error. El perímetro del equipo puede definirse mal, de modo que el volumen de trabajo resulte varias veces menor que el real, y aun así el gráfico parece verosímil. Y un dashboard de BI típico de desarrollo a menudo ni siquiera incluye métricas de sprint. Por eso el mes del analista es, sobre todo, cuadrar datos.
Cómo funciona el esquema
El agente lee Jira, las grabaciones de reuniones, el calendario, GitLab y Confluence, siempre con permisos de solo lectura. El propio tablero informa de que el agente no ha escrito nada. La condición es estricta: un agente que pueda cambiar el estado de una tarea o cerrar un MR no tiene cabida en un tablero así.
El tablero es un único archivo HTML de referencia, y los datos van dentro en un bloque JSON aparte. En cada sprint, el agente cambia solo los datos y publica el tablero en la misma dirección, sin tocar el maquetado. Así se evita que el agente «corrija» una cifra directamente en el texto de la página y esta deje de coincidir con las demás.
Una skill, aquí, es una instrucción más scripts: de dónde sacar los datos, cómo calcular cada métrica, qué plantilla rellenar y qué comprobar antes de publicar. Todo lo que antes el analista llevaba en la cabeza queda escrito una sola vez. Para un equipo nuevo, el autor define el perímetro, revisa la primera ejecución y el tablero está listo. La revisión trimestral y la previsión del backlog funcionan igual: las recalculan scripts a partir de la exportación de Jira, no una persona en una hoja de cálculo.
Las métricas responden a las preguntas que el autor plantea en la revisión del sprint:
- cuántas tareas se han cerrado frente al tiempo transcurrido del sprint, con un indicador de semáforo;
- la tendencia a lo largo de varios sprints, porque un mal sprint aislado no significa nada, pero una serie sí;
- throughput y número de tareas en curso por persona;
- profundidad del traspaso: cuántos sprints seguidos se arrastra una tarea;
- cierre «de sello»: la proporción de tareas cerradas el último día del sprint; si es alta, el burnup miente;
- tareas no planificadas procedentes de las grabaciones de reuniones, tareas atascadas, MR abiertos sin revisor;
- discrepancias entre Confluence y Jira.
Las tareas no planificadas y las discrepancias entre los documentos y el tracker, el BI no puede mostrarlas por principio: para ellas hacen falta las grabaciones de reuniones y los textos de los documentos, no solo la tabla de tareas.
Dónde se equivoca el agente
El autor subraya que el agente se equivoca con regularidad. Por ejemplo, los MR abiertos sin revisor se contaron de forma distinta en dos cortes. Cada corte por separado parecía correcto; la discrepancia solo se vio al ponerlos uno al lado del otro. En otro caso, el día del sprint en la cabecera del tablero no coincidía con el día del sprint en los datos. Es un detalle menor, pero el lector que lo note dejará de fiarse del resto de las cifras.
De ahí salen dos reglas. La primera: cualquier número del tablero se toma del bloque JSON, y un número escrito a mano en el HTML se considera un error, aunque ahora mismo coincida. La segunda: si una métrica se calcula en dos lugares, los cortes se comparan antes de publicar, y si hay discrepancia, el tablero no sale hasta que se encuentre la causa. El agente no se cansa, pero tampoco duda de sus cifras, así que la duda le toca a la persona, y las reglas la hacen barata.
Qué llevarse a la práctica
- Empiece con permisos de solo lectura, para que el agente no pueda físicamente cambiar nada en el tracker ni en los repositorios.
- Haga a mano un tablero de referencia y revíselo a fondo; a partir de ahí, el agente rellena solo los datos.
- Compare el número de tareas de la exportación con el que muestra la propia Jira.
- Escriba de forma explícita el perímetro del equipo: qué proyectos y tableros incluye.
- Añada lo que no está en el tracker: grabaciones de reuniones y documentos.
La limitación es evidente: se trata de la descripción de la experiencia personal de un solo directivo, sin mediciones de precisión ni del coste en tokens, y el tablero de demostración se ha construido con datos ficticios. Aun así, la conclusión práctica es clara: el tablero de equipo deja de ser un proyecto, se puede poner en marcha para cada equipo y actualizar en cada sprint sin una persona dedicada. El tiempo que se iba en el montaje queda libre para hablar de qué hacer con las cifras.
- 12 nov 2026El equipo de BI de Avito monta dashboards con un agente en 8–10 días en lugar de 20
- 8 nov 2026Cult.fit traslada su desarrollo a Codex: red social en 2 meses en lugar de un año
- 28 abr 2026Claude Code y 11 agentes: cómo un equipo de QA automatizó hasta el 80 % de la rutina de pruebas
- 11 jul 2026Claude Reflect: Anthropic lanza un Spotify Wrapped para ChatGPT
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Por qué hacía falta un mes?
Dibujar una página con gráficos no tiene mucha dificultad. El tiempo se va en los datos y en su verificación, y los errores en ellos son silenciosos: el tablero parece fiable, pero las cifras son incorrectas. El autor enumera los casos típicos. El motivo por el que una tarea se aplaza está escondido en los comentarios: la tarea pasó al siguiente sprint, y por qué solo se ve en la conversación.
Cómo funciona el esquema?
El agente lee Jira, las grabaciones de reuniones, el calendario, GitLab y Confluence, siempre con permisos de solo lectura. El propio tablero informa de que el agente no ha escrito nada. La condición es estricta: un agente que pueda cambiar el estado de una tarea o cerrar un MR no tiene cabida en un tablero así. El tablero es un único archivo HTML de referencia, y los datos van dentro en un bloque JSON aparte.
Dónde se equivoca el agente?
El autor subraya que el agente se equivoca con regularidad. Por ejemplo, los MR abiertos sin revisor se contaron de forma distinta en dos cortes. Cada corte por separado parecía correcto; la discrepancia solo se vio al ponerlos uno al lado del otro. En otro caso, el día del sprint en la cabecera del tablero no coincidía con el día del sprint en los datos. Es un detalle menor, pero el lector que lo note dejará de fiarse del resto de las cifras. De ahí salen dos reglas.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.