case study · automatyzacja n8n z agentami AI

Kolejka zadań bezpieczeństwa, którą każdy czytał od zera która sama mówi, od czego zacząć

Dyspozytor w n8n co 30 minut czyta nowe i zmienione zadania z Jiry, robi triage modelem AI i przekazuje zadanie jednemu z trzech wyspecjalizowanych agentów. Inżynier dostaje gotową ocenę ryzyka, opinię o narzędziu albo szkic procedury, a gdy AI nie ma nic do dodania, dostaje uczciwe „tu trzeba wejść do systemów”.

Klient
Dział bezpieczeństwa IT, dostawca usług IT (dane zanonimizowane)
Zakres
Analiza korpusu zadań, projekt agentów, workflow, integracje, utrzymanie
Stack
n8n · Claude (Sonnet i Opus) · Jira Cloud · wiki
Dostęp
Jira tylko do odczytu, wyniki w wiki i e-mailu
Workflow dyspozytora w n8n po przebiegu: rejestr, pobranie zadań z Jiry, triage modelem AI i przełącznik specjalistów, obok wygenerowany raport z oceną ryzyka zmiany
Dyspozytor w n8n i raport, który z niego wychodzi. Zrzuty pochodzą z odizolowanej kopii workflow uruchomionej na danych przykładowych.

01 / punkt wyjścia

Każde zadanie zaczynało się od tego samego kwadransa

Inżynier bezpieczeństwa dostaje w Jirze zadania od całej firmy: opinie o narzędziach, oceny ryzyka zmian, procedury, weryfikacje w systemach. Zanim zaczyna się właściwa praca, trzeba zrozumieć zgłoszenie, ułożyć listę kontrolną i ocenić wpływ na resztę infrastruktury. Ten etap powtarzał się przy każdym zadaniu.

  1. 01Zgłoszenia w dwóch zdaniach

    „Chcemy używać narzędzia X, czy można?” To typowy opis. Kontekst trzeba zbudować samemu: kto stoi za narzędziem, gdzie trzyma dane, co z SSO.

  2. 02Różne rodzaje pracy pod jednym typem

    Ocena narzędzia, formalna ocena ryzyka i szkic polityki to trzy różne produkty, choć w Jirze wszystkie są po prostu „Zadaniem”.

  3. 03Kontekst w komentarzach i załącznikach

    Ważne ustalenia pojawiają się w wątku tygodnie po założeniu zadania. Nowy komentarz powinien uruchomić analizę ponownie, z pełnym kontekstem.

  4. 04Zero zapisów w Jirze

    Warunek od początku: automat tylko czyta. Nie zmienia statusów, nie komentuje, nie przypisuje. Wynik ma trafić do człowieka, nie do zgłaszającego.

  5. 05Nie wszystko da się zautomatyzować

    Weryfikacja MFA czy inwentaryzacja urządzeń to praca w systemach. Wypracowanie AI o tym, „jak ważne jest MFA”, byłoby gorsze niż brak odpowiedzi.

  6. 06Instancja bez dostępu z internetu

    n8n działa wyłącznie w sieci wewnętrznej i przez VPN, więc Jira Cloud nie może wywołać webhooka. Zostaje cykliczne odpytywanie.

02 / wskaźniki

Trzy na cztery zadania dostają gotowy produkt, nie tylko triage

Dane z rejestru analiz od sierpnia do listopada 2026. Liczone ostatnie analizy każdego zadania.

41
zadań przeanalizowanych automatycznie od uruchomienia
31
z produktem specjalisty (76%): oceną ryzyka, opinią albo szkicem dokumentu
3
wyspecjalizowanych agentów zaprojektowanych z analizy realnych zadań
0
zapisów w Jirze workflow ma wyłącznie uprawnienie do odczytu
~60s
triage jednego zadania, z listą kontrolną i oceną wpływu
2–6min
praca specjalisty na jedno zadanie (zmierzone 160–350 s)
30min
cykl odpytywania dobrany do najgorszego przypadku trzech zadań
49%
zgłoszeń z brakami dlatego specjalista nie czeka na komplet, tylko oznacza luki w produkcie
liczba zadań według typu pracy rozpoznanego przez triagen = 41 · pełna szerokość = 11
Praca w systemach11
Ocena ryzyka zmiany10
Wdrożenie techniczne6
Narzędzie lub SaaS6
Polityka lub procedura4
Kontrolka SDLC3
Odpowiedź na zgłoszenie1

Typ pracy to ocena modelu, nie pole z Jiry. Ten sam typ może trafić do różnych specjalistów albo do żadnego: o uruchomieniu specjalisty decyduje osobno ocena wkładu AI.

03 / analiza korpusu

Najpierw policzyć zadania, potem projektować agentów

Zamiast zgadywać, jakich specjalistów potrzeba, osobny jednorazowy workflow pobrał wszystkie zadania inżyniera (38), łącznie z zamkniętymi, i dał je modelowi do pogrupowania według rodzaju pracy, a nie słów w tytule. Dla każdej grupy model miał uczciwie ocenić, co AI zrobi bez dostępu do systemów firmy.

Specjalista

Ocena narzędzia lub SaaS

Ktoś chce wprowadzić narzędzie. Produkt: rekomendacja dopuszczenia z warunkami. Ten agent jako jedyny dostał wyszukiwanie w internecie, bo zgłoszenie zwykle zawiera tylko nazwę.

Specjalista

Ocena ryzyka zmiany

Własne wdrożenie, zmiana w infrastrukturze, integracja z partnerem. Produkt: tabela ryzyk, warunki akceptacji i rekomendacja eskalacji, gotowe do obrony przed audytorem.

Specjalista

Dokument procesowy

Procedura, polityka, katalog, kontrolka SDLC albo opinia o przysłanym dokumencie. Pięć zadań programu SDLC nie uzasadniało osobnego agenta, więc działają jako tryb.

Bez agenta

Praca w systemach

Największe skupisko, 34% korpusu: konfiguracje, inwentaryzacje, weryfikacje w panelach i treść załączników. Tu triage daje listę kontrolną i jawnie mówi, że AI nic więcej nie wniesie.

04 / architektura

Jeden dyspozytor, trzech specjalistów, jedno źródło prawdy

Dyspozytor ma 27 węzłów. Specjaliści to osobne podworkflowy wywoływane synchronicznie, więc każdy da się rozwijać i testować niezależnie, a raport składa się w jednym miejscu.

Decyzja w jednym miejscu

To, czy uruchomić specjalistę, wylicza kod walidacji: model musi zadeklarować realny wkład (pełny produkt albo szkic) i wskazać jednego z trzech znanych agentów. Przełącznik w n8n tylko kieruje, więc logiki nie trzeba szukać po węzłach.

Dwa modele, dwie role

Triage robi tańszy Claude Sonnet, bo widzi każde zadanie. Specjaliści pracują na Claude Opus, bo ich produkt trafia do dokumentacji. Model triage nie musi być najlepszy, ma być dobrze skalibrowany.

Pełny kontekst dla specjalisty

Specjalista dostaje pełny kontekst: opis, wszystkie komentarze, metadane załączników i ustalenia z triage. Nie wymagamy kompletnego zgłoszenia, bo analiza korpusu pokazała, że prawie żadne takie nie jest. Luki agent oznacza w produkcie.

05 / triage

Pola, które coś znaczą, zamiast „ryzyko: średnie”

Triage zwraca JSON według schematu. Większość pracy nad promptem poszła w kalibrację: modele lubią ustawiać średnie ryzyko z ostrożności i oznaczać każde zgłoszenie jako niekompletne.

riskLevel

Ryzyko nie jest domyślnie średnie

Każdy poziom ma definicję: LOW to skutek lokalny i odwracalny, HIGH to dane osobowe, dostęp uprzywilejowany albo ekspozycja na zewnątrz. Średnie ryzyko musi wynikać z treści, nie z niepewności.

informationSufficient

„Da się zacząć”, a nie „opis jest pełny”

Jeśli wiadomo, jaki jest pierwszy krok, pole ma wartość true, a braki trafiają do osobnej listy. Fałsz zostaje dla sytuacji, w której bez odpowiedzi nie da się ruszyć.

aiContribution

Pełny produkt, szkic albo nic

Pytanie nie brzmi „czy AI domknie zadanie”, tylko „jaki użyteczny artefakt powstanie”. Odpowiedź „none” jest pełnoprawna i częsta. Ogólnik o ważności bezpieczeństwa jest gorszy niż jej brak.

uczciwość

Załącznik istnieje, choć go nie widać

Model dostaje tylko metadane plików. Nie może twierdzić, że załącznika nie ma: ma napisać, że plik wymaga przejrzenia przez człowieka i czego w nim szukać.

Edytor węzła Waliduj triage w n8n: po lewej surowa odpowiedź modelu w JSON, pośrodku kod odpornego parsowania, po prawej znormalizowane zadanie
Walidacja odpowiedzi. Po lewej surowy JSON modelu, po prawej znormalizowany wynik z polem route, na którym działa przełącznik.
Raport e-mail z samego triage dla weryfikacji MFA: lista kontrolna, wpływ na ekosystem i informacja, że AI nie wnosi tu wkładu
Zadanie bez specjalisty. Weryfikacja MFA wymaga logów i konfiguracji, więc raport kończy się wprost: „AI nie wnosi wkładu” i dlaczego.

Jeden średnik nie unieważnia analizy

Raz model wstawił średnik zamiast przecinka w kompletnej, dobrej odpowiedzi z tabelą ryzyk. Parser próbuje teraz kilku celowanych napraw i zaznacza w raporcie, że naprawa była potrzebna. W 50 wpisach rejestru przydała się dwa razy.

Awaria nie zamyka zadania

Gdy odpowiedzi nie da się naprawić, raport mówi o awarii, a nie udaje oceny. Rejestr dostaje pusty odcisk treści, więc zadanie wraca do analizy przy następnym przebiegu, zamiast utknąć jako „przetworzone”.

06 / specjaliści

Każde ustalenie mówi, skąd pochodzi

Wspólna zasada wszystkich agentów: odróżniać to, co wynika ze zgłoszenia, od tego, co jest wnioskiem albo założeniem. Ocena oparta na założeniu, o którym nikt nie wie, jest bezwartościowa.

Narzędzie / SaaS

  • Wyszukiwanie z budżetem 8 zapytań: producent, trust center, umowa powierzenia, lokalizacja danych, certyfikacje, incydenty
  • Każde ustalenie ma podstawę: źródło niezależne, deklaracja dostawcy, wniosek albo „nieustalone”
  • „Zgodni z ISO 27001” na stronie głównej to deklaracja, nie numer certyfikatu w rejestrze
  • Treść stron to dane, nie instrukcje: próby wpływu na ocenę agent zgłasza na samej górze raportu
  • Brak dowodu incydentu to „nie ustalono”, a nie „dostawca nie miał incydentów”

Ryzyko zmiany

  • Tabela ryzyk: zagrożenie oddzielone od podatności, prawdopodobieństwo i wpływ 1–5, ryzyko nieodłączne i rezydualne
  • Kontrole już obecne w zgłoszeniu i brakujące, baseline konfiguracji do wymuszenia
  • Analiza precedensu: czy akceptacja stworzy wzór dla kolejnych wdrożeń
  • Wewnętrznych procedur nie wolno dopowiadać. Agent pisze, czego w nich szukać
  • Werdykt i eskalacja z podaniem, na czym rekomendacja się opiera

Dokument

  • Pięć trybów: procedura, polityka, katalog, kontrolka SDLC, opinia o przysłanym dokumencie
  • Struktura wyjścia zależy od trybu, bez wtłaczania wszystkiego w jeden szablon
  • Role i odpowiedzialności, sekcje gotowe do redakcji
  • Decyzje do podjęcia z uzasadnieniem i proponowaną wartością domyślną
  • Lista dokumentów do sprawdzenia pod kątem spójności

07 / niezawodność

Duplikaty, wyścigi i paginacja, czyli to, czego nie widać na demo

Workflow, który działa raz na pokazie, i workflow, który miesiącami co 30 minut nie wysyła duplikatów, to dwie różne rzeczy. Każdy wiersz poniżej to błąd złapany na prawdziwych przebiegach.

Rezerwacja zadań przed pracą AI Przebieg A wybiera zadanie i od razu zapisuje rezerwację w toku. Przebieg B uruchomiony 36 sekund później czyta rejestr, widzi rezerwację i pomija zadanie. Po kilku minutach przebieg A zapisuje wynik. Rezerwacja przerwanego przebiegu wygasa po 30 minutach. PRZEBIEG A · harmonogram PRZEBIEG B · +36 s Wybór zadań odcisk ≠ rejestr Rezerwacja last_error = „w toku” Triage + specjalista od 1 do ok. 7 min Zapis wyniku upsert po kluczu zadania Odczyt rejestru widzi rezerwację Pomija zadanie brak duplikatu w wiki Przebieg przerwany? rezerwacja wygasa po 30 min kilka min

Rejestr zamiast pamięci workflow

Pamięć statyczna n8n zapisuje się tylko przy uruchomieniach produkcyjnych, więc przy testach ręcznych te same zadania wracały w każdym przebiegu. Źródłem prawdy jest tabela danych z odciskiem treści: nowy komentarz albo załącznik zmienia odcisk i zadanie wraca do analizy.

Rezerwacja przed pracą AI

Wynik zapisuje się na końcu, a analiza trwa kilka minut. Harmonogram i ręczne uruchomienie 36 sekund później dały dwie identyczne strony w wiki. Teraz zadanie jest rezerwowane w chwili wyboru, a rezerwacja wygasa, gdy przebieg padnie.

Limit liczony z pomiaru

n8n w wersji community nie blokuje równoległych przebiegów. Triage trwa około 60 s, specjalista do 350 s, więc trzy zadania to w najgorszym razie około 21 minut. Stąd limit 3 zadań i cykl 30 minut: przebieg kończy się przed następnym.

ObjawPrzyczynaRozwiązanie
50 wierszy w rejestrze na 21 zadańDomyślna operacja wstawiania ignoruje ustawione kolumny dopasowania.Jawny upsert po kluczu zadania we wszystkich trzech tabelach.
Druga strona nadrzędna tego samego zadania w wikiAPI wiki zwraca listę stron po 20 pozycji, a kontrola istnienia czytała tylko pierwszą.Własny rejestr stron jako źródło prawdy i jawny sygnał ryzyka duplikatu zamiast cichego tworzenia.
Trzy zadania zlały się w jednoWęzeł brał pierwszy element wejścia zamiast elementu sparowanego.Tryb „raz na element” i odwołania do sparowanego elementu w każdym podworkflow.
Agent tracił zapytania z budżetuWywołanie narzędzia bez argumentów kończyło się cichą pustą odpowiedzią albo błędem walidacji schematu.Narzędzie bez schematu wejścia, walidacja w podworkflow i komunikat naprawczy dla modelu.
76 tys. z 82 tys. tokenów to wyniki wyszukiwaniaSurowe odpowiedzi po 8–21 kB narastały w kontekście agenta przy każdej turze.Skracanie wyników do fragmentów z limitem 8 tys. znaków na odpowiedź.
Raport twierdził, że załącznika nie maModel nie dostawał listy plików, więc ich brak brał za fakt.Metadane załączników w prompcie, zakaz zaprzeczania ich istnieniu, odcisk treści obejmuje pliki.
Edytor węzła Wybierz nowe lub zmienione: dane z Jiry w formacie ADF po lewej, kod z komentarzami o rejestrze i odcisku treści pośrodku, znormalizowane zadanie po prawej
Wybór zadań. Opisy z Jiry przychodzą w formacie ADF. Węzeł zamienia je na tekst, liczy odcisk treści i odrzuca to, co już jest w rejestrze.
Tabela danych sec_triage_state w n8n: klucz zadania, typ pracy, poziom ryzyka i flagi uruchomienia specjalisty, wkładu AI oraz wystarczalności informacji
Rejestr analiz. Typ pracy, ryzyko i to, czy uruchomił się specjalista. Z tej tabeli pochodzą liczby z sekcji 02.

08 / wynik

Każda analiza ma swoje miejsce w wiki

Pierwsza wersja wysyłała tylko e-mail. Dziś każde zadanie ma w wiki stronę nadrzędną, a każda analiza trafia na nią jako podstrona z datą. Nowy komentarz w Jirze to nowa podstrona, więc widać, jak zmieniała się ocena. E-mail został jako opcja: węzeł jest wyłączony, odkąd archiwum przejęło wiki.

09 / wdrożenie

Od maila z checklistą do agentów z wiki

  1. Triage i e-mail

    Pierwsza wersja: pobranie zadań, triage jednym modelem i raport HTML w skrzynce. Już ona pokazała, które pola modelu są szumem, a które pomagają.

  2. Analiza korpusu

    Jednorazowy workflow pobrał wszystkie zadania, także zamknięte, bo pokazują pracę faktycznie wykonaną. Model pogrupował je według rodzaju pracy i wskazał, gdzie AI nic nie wniesie.

  3. Specjaliści

    Trzy podworkflowy z własnymi promptami i schematami odpowiedzi. Specjalista od narzędzi dostał później wyszukiwanie w internecie, z budżetem zapytań i rozróżnieniem źródeł.

  4. Wiki i rejestry

    Strona zadania z podstronami analiz, rejestr stron i rejestr analiz. Rejestry służą jednocześnie do deduplikacji, audytu i statystyk.

  5. Utwardzanie na produkcji

    Rezerwacje, upserty, paginacja, odporne parsowanie, limity długości odpowiedzi. Poprawki mają w kodzie i notatkach węzłów opis objawu i przyczyny, często z numerem przebiegu, który je ujawnił.

technologie

  • n8n
  • AI Agent (LangChain)
  • Claude Sonnet
  • Claude Opus
  • Jira Cloud REST API
  • Perplexity API
  • n8n Data Tables
  • Execute Workflow
  • JavaScript
  • Markdown
  • REST API wiki
  • SMTP
  • Docker

Dane klienta są zanonimizowane. Zrzuty pochodzą z odizolowanej kopii workflow uruchomionej na danych przykładowych: zgłoszenia, osoby, odpowiedzi modeli i klucze zadań są fikcyjne, a adresy, identyfikatory i dane dostępowe zostały zastąpione. Raporty na zrzutach wygenerował prawdziwy kod workflow. Liczby w sekcji 02 pochodzą z produkcyjnego rejestru analiz (sierpień–listopad 2026). Produkty AI są szkicami do weryfikacji przez człowieka, nie zatwierdzonymi dokumentami.

następny krok

Masz podobne wyzwanie?

Opisz, co chcesz osiągnąć. Wrócę z konkretną propozycją, wyceną i planem wdrożenia.