JIPRAKS Classroom

Cara Bangun AI Agent untuk Otomasi Prioritas Feature Roadmap dengan n8n + GPT (MVP 2 Hari)

· 3 menit baca

Cara Bangun AI Agent untuk Otomasi Prioritas Feature Roadmap dengan n8n + GPT (MVP 2 Hari)

🚀 Hook: Kenapa Tim Anda Sering Terjebak di ‘Feature Freeze’?

Anda pernah berada di posisi ini: tim product melimpahkan ratusan request, stakeholder menuntut quick win, tapi roadmap tetap bersifat "spam". Keputusan dipilih secara intuisi, akhirnya banyak effort terbuang pada fitur yang tak pernah dipakai. Masalahnya bukan kurangnya ide, melainkan tidak ada cara objektif untuk memprioritaskan.

🔧 Konsep: AI Agent + n8n = Prioritas Roadmap Otomatis

AI Agent di sini adalah workflow yang mengeksekusi prompt GPT secara dinamis, mengambil data dari sumber (Jira, Notion, Google Sheet), menilai tiap request dengan kriteria bisnis, dan menulis rekomendasi prioritas ke papan kanban.

n8n berperan sebagai orchestrator: mengatur trigger, menghubungkan API, menyimpan state, serta memberi human‑in‑the‑loop untuk approval.

⚙️ Breakdown Teknis / Workflow

  • Trigger: Cron setiap hari pukul 09:00 (atau webhook saat ada issue baru).
  • Step 1 – Collect Requests: Node HTTP Request ke Jira REST API untuk GET /search?jql=project=XYZ+AND+status=Backlog. Filter fields: summary, description, priority, labels, created.
  • Step 2 – Enrich Data: Node Webhook ke OpenAI (GPT‑4o) dengan prompt yang menilai request berdasarkan:
    • Potential Revenue Impact
    • Effort (Story Points)
    • Strategic Fit (tag ‘core’)
    • Customer Sentiment (jika ada link ke CS tickets)
    Prompt contoh: 
    You are a product manager AI. Given the following feature request, assign a score 0‑100 for:
- Revenue Impact (0‑40)
- Effort (0‑30, lower effort higher score)
- Strategic Fit (0‑20)
- Customer Sentiment (0‑10)
Return JSON.

Title: {{summary}}
Description: {{description}}
Labels: {{labels}}
Created: {{created}}
  • Step 3 – Aggregate Scores: Node Function menghitung weighted total (Revenue 40%, Effort 30%, Strategic 20%, Sentiment 10%). Simpan ke variable totalScore.
  • Step 4 – Sort & Rank: Node Set meng‑append totalScore ke tiap item, kemudian gunakan SplitInBatches + Sort (custom JS) untuk urut menurun.
  • Step 5 – Update Roadmap: Loop top‑5 items, gunakan API POST /issues ke Jira untuk memindahkan ke status Selected for Development atau buat issue di GitHub Projects.
    • Jika ada konflik (issue sudah ada), kirim notifikasi Slack ke PM untuk manual review.
  • Step 6 – Human‑in‑the‑Loop: Node Slack Message dengan Block Kit menampilkan tabel skor, tombol Approve/Reject. Action meng‑trigger n8n lagi untuk finalize.
  • Step 7 – Persist History: Simpan JSON hasil ke Google Sheet/Database (PostgreSQL) untuk audit trail.

📚 Use Case Real: Startup SaaS “DocuFlow”

DocuFlow menerima rata‑rata 80 feature request per minggu dari sales, support, dan feedback form. Sebelumnya mereka memprioritaskan secara manual, memakan 3‑4 hari dan meninggalkan bias.

Dengan workflow di atas, dalam 2 hari mereka berhasil membangun MVP:

  • Pengumpulan otomatis dari Jira & Google Form.
  • Pengecatan skor yang menurunkan effort‑heavy low‑impact features 70%.
  • Roadmap mingguan yang ter‑update otomatis di Trello, siap dipresentasikan ke stakeholder.

Hasil: 30% lebih cepat ship fitur dengan ROI tertinggi dan tim dev melaporkan stress level berkurang.

💡 Insight & Strategi: Membuat AI Agent Jadi “Product Owner Mini”

  • Define Weighted Criteria Aligned to Business OKR: Jangan seret‑seret semua metrik; pilih 3‑4 yang paling berpengaruh.
  • Iterasi Prompt dengan Human Feedback: Mulai dengan prompt generik, kumpulkan feedback dari PM, kemudian refine (prompt‑engineering). Simpan versi prompt di repo Git.
  • Cache Results: Jika request tidak berubah, gunakan cache (Redis) agar tidak menghabiskan token.
  • Guardrails: Tambahkan step validation di n8n untuk memastikan score berada 0‑100; jika outlier, kirim ke Slack untuk review.
  • Observability: Export metrics (totalScore avg, count processed) ke Prometheus & Grafana untuk memantau performa AI Agent.

🛑 Penutup & CTA

Dengan kombinasi n8n dan GPT, Anda tidak perlu menulis kode backend untuk membangun “Product Prioritizer Bot”. Mulailah dengan template workflow ini, sesuaikan kriteria, dan lihat roadmap Anda berubah menjadi data‑driven dalam 48 jam.

🚀 Download contoh workflow (JSON) dan fork repositori template prompt. Jangan lupa beri feedback di Slack komunitas JIPRAKS!

Artikel terkait