Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизРазбор · На радарHabr AI→ оригинал

ИИ-агент собирает дашборд команды из Jira за час вместо месяца работы аналитика

Раньше аналитик собирал дашборд по команде из Jira около месяца: основное время съедала сверка данных. Теперь это делают скиллы ИИ-агента, который читает Jira, GitLab, Confluence и записи встреч, а борд для новой команды готов за час. Агент всё равно ошибается, например считает открытые MR по-разному. Поэтому автор держит данные отдельно от вёрстки и сверяет срезы перед публикацией.

AI-обработка оригинала Habr AI; редакция Hamidun News
ИИ-агент собирает дашборд команды из Jira за час вместо месяца работы аналитика
Источник: Habr AI. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникHabr AI ↗
Главный редактор
Агент работает с правами только на чтениестатусы и MR изменить не может
Ключевой факт #2Борд — один эталонный HTML, а данные лежат в нём отдельным JSON-блоком
Ключевой факт #3Постраничная выгрузка Jira молча теряет строки, число задач надо сверять

Дашборд команды по Jira обычно выглядит как проект на месяц: аналитик выгружает данные, сверяет, верстает, снова сверяет. Автор разбора на Habr, бывший CTO с инженерным блоком больше 50 человек, а сейчас руководитель платформы на 2000 финансовых операций в секунду, превратил этот процесс в набор скиллов для ИИ-агента. Борд для новой команды он теперь собирает максимум за час. Самое полезное в тексте — не скорость, а честный список того, где агент ошибается.

Почему уходил месяц

Нарисовать страницу с графиками несложно. Время съедают данные и их проверка, а ошибки в них тихие: борд выглядит уверенно, цифры при этом неверные. Автор перечисляет типичные случаи.

Причина переноса задачи спрятана в комментариях: задача уехала в следующий спринт, а почему, видно только из переписки. Постраничная выгрузка из Jira может молча отдать заметно меньше задач, чем есть на самом деле, и никакой ошибки не будет. Периметр команды можно задать неверно, и объём работы окажется в разы меньше настоящего, но график всё равно выглядит правдоподобно. А типичный BI-дашборд по разработке часто вообще не содержит метрик спринта. Поэтому месяц аналитика — это в основном сверка.

Как устроена схема

Агент читает Jira, записи встреч, календарь, GitLab и Confluence, причём везде с правами только на чтение. Борд сам отчитывается, что агент ничего не записал. Условие жёсткое: агент, который может сменить статус задачи или закрыть MR, на таком борде не нужен.

Сам борд — один эталонный HTML-файл, а данные лежат в нём отдельным JSON-блоком. Каждый спринт агент меняет только данные и публикует борд по тому же адресу, вёрстку не трогает. Это защита от ситуации, когда агент «поправляет» число прямо в тексте страницы и оно расходится с остальными.

Скилл здесь — инструкция плюс скрипты: откуда брать данные, как считать каждую метрику, какой шаблон заполнять и что проверить перед публикацией. Всё, что раньше держал в голове аналитик, записано один раз. Для новой команды автор задаёт периметр, проверяет первый прогон, и борд готов. Квартальный разбор и прогноз бэклога устроены так же: их пересчитывают скрипты по выгрузке Jira, а не человек в таблице.

Метрики подобраны под вопросы, которые автор задаёт на ревью спринта:

  • сколько закрыто против прошедшего времени спринта, с индикатором-светофором;
  • тренд за несколько спринтов, потому что один плохой спринт ничего не значит, а серия значит;
  • throughput и число задач в работе на человека;
  • глубина переноса: сколько спринтов подряд задача переезжает;
  • закрытие «штампом» — доля задач, закрытых в последний день спринта; если она высока, burnup врёт;
  • внеплановые задачи из записей встреч, застрявшие задачи, открытые MR без ревьюера;
  • расхождения между Confluence и Jira.

Внеплановые задачи и расхождения документов с трекером BI не покажет принципиально: для них нужны записи встреч и тексты документов, а не только таблица задач.

Где агент ошибается

Автор подчёркивает: агент ошибается регулярно. Например, открытые MR без ревьюера в двух срезах оказались посчитаны по-разному. Каждый срез по отдельности выглядел нормально, расхождение стало видно, только когда их положили рядом. В другом случае день спринта в шапке борда разошёлся с днём спринта в данных. Мелочь, но читатель, заметивший её, перестанет верить остальным цифрам.

Отсюда два правила. Первое: любое число на борде берётся из JSON-блока, а число, написанное в HTML руками, считается ошибкой, даже если сейчас оно совпадает. Второе: если метрика считается в двух местах, перед публикацией срезы сравниваются, и при расхождении борд не выходит, пока не найдена причина. Агент не устаёт, но и не сомневается в своих цифрах, поэтому сомневаться приходится человеку, а правила делают это дёшево.

Что взять в работу

  • Начните с прав только на чтение, чтобы агент физически не мог ничего поменять в трекере и репозиториях.
  • Сделайте один эталонный борд руками и вычитайте его, дальше агент заполняет только данные.
  • Сверяйте число задач в выгрузке с числом в самой Jira.
  • Запишите периметр команды явно: какие проекты и доски входят.
  • Добавьте то, чего нет в трекере: записи встреч и документы.

Ограничение очевидно: это описание личного опыта одного руководителя, без замеров точности и стоимости токенов, а демо-борд построен на вымышленных данных. Но практический вывод ясен: борд команды перестаёт быть проектом, его можно завести на каждую команду и обновлять каждый спринт без отдельного человека. Время, которое уходило на сборку, освобождается для разговора о том, что делать с цифрами.

Сюжет

Вопросы и ответы по материалу

Что известно по теме: почему уходил месяц?

Нарисовать страницу с графиками несложно. Время съедают данные и их проверка, а ошибки в них тихие: борд выглядит уверенно, цифры при этом неверные. Автор перечисляет типичные случаи. Причина переноса задачи спрятана в комментариях: задача уехала в следующий спринт, а почему, видно только из переписки. Постраничная выгрузка из Jira может молча отдать заметно меньше задач, чем есть на самом деле, и никакой ошибки не будет.

Что известно по теме: как устроена схема?

Агент читает Jira, записи встреч, календарь, GitLab и Confluence, причём везде с правами только на чтение. Борд сам отчитывается, что агент ничего не записал. Условие жёсткое: агент, который может сменить статус задачи или закрыть MR, на таком борде не нужен. Сам борд — один эталонный HTML-файл, а данные лежат в нём отдельным JSON-блоком. Каждый спринт агент меняет только данные и публикует борд по тому же адресу, вёрстку не трогает.

Что известно по теме: где агент ошибается?

Автор подчёркивает: агент ошибается регулярно. Например, открытые MR без ревьюера в двух срезах оказались посчитаны по-разному. Каждый срез по отдельности выглядел нормально, расхождение стало видно, только когда их положили рядом. В другом случае день спринта в шапке борда разошёлся с днём спринта в данных. Мелочь, но читатель, заметивший её, перестанет верить остальным цифрам. Отсюда два правила.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Практика · Hamidun Academy

Соберите рабочего ИИ-агента или сервис своими руками без ручного кода

В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.

Открыть 72ч бесплатный доступ →Интенсив по Вайб-кодингу
Что вы думаете?
Загружаем комментарии…