Narzędzia

Jak AI może czytać zgłoszenia i cykle z Linear i odciążyć Wasz zespół produktu?

AI czyta zgłoszenia, cykle i plan z Linear: wyciąga blokady, opóźnienia i błędy klientów, zakłada issue z maili i pisze release notes.

⏱ 11 min czytania · 📅 22.11.2026 · 👁 12 wyświetleń

Tak, da się to zrobić. Linear ma otwarte GraphQL API, przez które AI może czytać każde zgłoszenie, cykl i projekt w Waszym workspace'ie, a także tworzyć nowe Issues i dodawać komentarze bez klikania przez interfejs. Zamiast wchodzić rano na tablicę i szukać co utknęło, menedżer dostaje gotowy raport: kto jest zablokowany, co przeterminowane, ile z bieżącego cyklu jest zamknięte. Zgłoszenia od klientów trafiają do Linear same, bez przepisywania z maila.

Co siedzi w Linear i co AI stamtąd wyciąga

Linear nie jest zwykłą listą zadań. Każde zgłoszenie (Issue) ma kilkanaście pól, z których wiele bywa pomijanych przy codziennej pracy. Właśnie w tych polach siedzi informacja, której szuka menedżer podczas przeglądu sprintu.

Pola, z których AI korzysta:

  • Identifier (np. ENG-42): unikalny numer zgłoszenia, do którego można linkować z komentarzy, maili i pull requestów
  • Status: Backlog, Todo, In Progress, In Review, Done, Cancelled. Możecie też mieć własne statusy pośrednie, np. "Waiting for feedback" albo "Blocked".
  • Priority: Urgent, High, Medium, Low albo No priority. Jedno pole, które bywa notorycznie zaniedbywane.
  • Due date: data graniczna na poziomie zgłoszenia, niezależna od dat cyklu
  • Cycle: do którego sprintu należy zgłoszenie
  • Labels: etykiety jak "bug", "customer-bug", "feature", "blocked". Dowolne własne.
  • Relations: powiązania między zgłoszeniami. Linear rozróżnia "blocks", "blocked by", "duplicate of" i "related to".
  • Estimate: punkty lub czas, zależnie od ustawień zespołu
  • Assignee: kto to robi
  • Comments: cała historia rozmów o zgłoszeniu

Do tego dochodzą Projekty z kamieniami milowymi (Milestones) i roadmapą produktu. Projekty w Linear to coś więcej niż folder: mają własny status, daty i postęp widoczny osobno od cykli sprintowych. Jeśli Wasza firma prowadzi roadmapę kwartalną w Linear, AI może sprawdzić, które projekty mają otwarte milestones po terminie, zanim w ogóle wejdziecie na tablicę.

Oraz integracja z GitHubem: po połączeniu repozytoriów, Linear pokazuje przy każdym Issue powiązane pull requesty i commity. Stan PR (open, merged, closed) jest częścią danych zwracanych przez API.

Co wyciągamy do analizy: Issues z bieżącego cyklu, które mają status nie-Done i przeterminowaną due date. Issues z relacją "blocked by" albo etykietą "blocked", które stoją od kilku dni. Postęp cyklu: ile Issues Done z ilu łącznie. Błędy klientów: Issues z etykietą "customer-bug" posortowane według priorytetu. Lista zgłoszeń w Triage, czyli jeszcze nieprzypisanych do żadnego cyklu, z priorytetem Urgent lub High.

Jak fizycznie podłączyć AI do Linear: GraphQL API, klucze, uprawnienia

Linear udostępnia GraphQL API opisane pod adresem developers.linear.app. To nie REST, nie plik wymiany. Jedno zapytanie GraphQL może w jednym wywołaniu pobrać wszystkie Issues z bieżącego cyklu razem ze statusami, priorytetami, przypisanymi osobami i relacjami. Nie trzeba robić kilku zapytań po kolei, co przy dużych workspace'ach ma znaczenie.

Żeby się połączyć, potrzebujecie:

  • Konta w Linear z dostępem do workspace'u. Plan Free już daje dostęp do API.
  • Personal API key: Settings > API > Personal API keys > Create key. Klucz daje dostęp do tych danych, do których ma dostęp Wasze konto Linear. Jeśli konto nie widzi konkretnego projektu, API też go nie zwróci.
  • Lub OAuth 2.0 application dla rozwiązania wieloosobowego, gdzie każdy loguje się własnym kontem. W tym przypadku nie ma jednego klucza dla całego systemu: każdy użytkownik autoryzuje dostęp osobno.

Uprawnienia dzielą się na zakresy (scopes): read do czytania Issues, cykli i projektów, write do tworzenia i edycji. Do raportów wystarczy read. Do zakładania zgłoszeń z maili klientów potrzebujecie write.

Linear oferuje też webhooks: możecie skonfigurować, żeby Linear wysyłał powiadomienie do Waszego systemu za każdym razem, gdy pojawi się nowe zgłoszenie, zmieni się status albo ktoś doda komentarz. To podstawa pod przetwarzanie zdarzeń w czasie rzeczywistym zamiast odpytywania API co kilka minut.

Czego Linear nie udostępnia przez API: historii zmian pól w pełnej wersji (niektóre logi audytu są dostępne, ale nie zawsze to, co potrzeba do audytu pracy), załączników binarnych (pliki dołączone do Issue dostajecie jako linki, nie treść pliku), prywatnych notatek poza komentarzami. Rate limiting API istnieje: przy dużych workspace'ach z tysiącami Issues i setkami zapytań trzeba to uwzględnić w projekcie integracji.

Eksport przez UI: Linear pozwala eksportować Issues do CSV z poziomu widoku filtrów. To legalna droga do jednorazowej analizy. Do pracy ciągłej i automatycznej lepiej użyć API.

Co AI robi z tymi danymi w praktyce: przegląd poranny cyklu

U jednego klienta, firmy robiącej aplikację do zarządzania serwisem samochodowym, standup trwał codziennie ponad 20 minut. Połowę zajmowało szukanie na tablicy, co komu utknęło i dlaczego. Po integracji z Linear rankiem przychodzi wiadomość: "W cyklu Sprint 31 masz 18 zgłoszeń. Done: 11. Zablokowane: ENG-204 (czeka na decyzję o API od zewnętrznego dostawcy), ENG-211 (brakuje zasobów, Anna na L4). Przeterminowane: ENG-198 (due date wczoraj, status In Progress, przypisane do Marka). Bez estimate: 3 zgłoszenia."

To nie raport robiący się raz na tydzień. Uruchamia się rano, z danymi sprzed kilku minut. Standup skrócił się o połowę.

Kolejna rzecz: błędy zgłoszone przez klientów. Jeśli macie etykietę "customer-bug" i dobrze oznaczacie zgłoszenia, AI codziennie wyciąga: "Otwarte błędy klientów według priorytetu: Urgent: 1 (ENG-219, brak dostępu do raportów dla administratorów), High: 3, Medium: 7." Taki widok przydaje się przy planowaniu cyklu, zanim zaczniesz wciągać nowe Features do kolejnego sprintu.

Przydaje się też widok Projektów. Jeśli pracujecie z Linear Projects i macie roadmapę, AI może powiedzieć: "Projekt 'Nowy panel klienta' ma 3 otwarte milestones. Milestone 'Beta launch' jest 5 dni po terminie. Issues nieprzypisane do żadnego cyklu w tym projekcie: 4." Bez klikania po kolejnych widokach i zakładkach.

AI przegląda też powiązanie z GitHubem. Gdy Issue ma status "In Review", ale podpięty pull request jest od tygodnia bez aktywności i nikt nie zrobił code review, to sygnał. Nikt w zespole tego zazwyczaj nie pilnuje na co dzień. AI go wyłapuje i może dodać komentarz do zgłoszenia lub wysłać powiadomienie do przypisanej osoby przez Slack albo mail.

Zakładanie zgłoszeń z maili i wiadomości klientów bez ręcznego przepisywania

Tutaj jest największa oszczędność czasu w firmach z regularnym kontaktem z klientami. Schemat jest zawsze podobny: klient pisze maila o błędzie albo prośbie, ktoś w zespole to czyta, otwiera Linear, przeklepuje treść, ustawia pola i zapisuje. Przy kilku mailach dziennie: kilkanaście minut. Przy kilkudziesięciu, co się zdarza po wydaniu nowej wersji: godziny tygodniowo.

Jak to działa po integracji:

  • Mail od klienta trafia do Waszej skrzynki albo do helpdesku
  • AI czyta treść i wyciąga: czego dotyczy problem, jak poważny, jaki moduł aplikacji jest dotknięty
  • Zanim założy nowe zgłoszenie, sprawdza przez API, czy nie istnieje już podobne: porównuje tytuły i opisy otwartych Issues
  • Jeśli znajdzie duplikat: dodaje komentarz do istniejącego zgłoszenia ("Kolejny klient zgłasza ten sam problem: [treść maila]"), może zmienić priorytet na wyższy, łączy przez relację "duplicate of"
  • Jeśli nie ma odpowiednika: tworzy nowe Issue z tytułem, opisem, etykietą "customer-bug", priorytetem i przypisaniem do odpowiedniego teamu. Numer maila albo klienta dorzuca w komentarzu.

Łączenie duplikatów to coś, czego żaden ręczny proces nie robi dobrze. Wymaga przejrzenia kilkuset otwartych Issues, zanim powie się "już to mamy". AI przeszukuje wszystko w kilka sekund i od razu linkuje powiązania w Linear.

Typowy przypadek z biura: po wydaniu nowej wersji aplikacji w ciągu doby przychodzi 12 maili od różnych klientów z tym samym błędem przy eksporcie. Bez integracji: ktoś zakłada 12 osobnych Issues albo 11 ignoruje. Z integracją: AI zakłada jedno zgłoszenie przy pierwszym mailu i do kolejnych 11 dodaje komentarze do tego samego Issue, zwiększając jego wagę. Programista widzi od razu, że to nie jest incydent jednostkowy.

Ważna zasada techniczna: gdy mail przychodzi od zewnętrznego klienta, AI do analizy jego treści nie dostaje narzędzi do zapisywania i wysyłania. Czyta treść, przetwarza, a dopiero wynik analizy (tytuł, opis, priorytet, etykiety) trafia do wywołania API Linear, które zakłada zgłoszenie. To zabezpieczenie przed przypadkowym wykonaniem poleceń, które klient mógłby wpleść w treść maila.

Release notes, których nikt nie lubi pisać

Koniec cyklu. Zamknęliście 23 zgłoszenia. Teraz trzeba napisać informację dla klientów: co naprawiliście, co nowego. W większości firm to zadanie spada na jedną osobę, która wchodzi do Linear, przegląda wszystkie Done Issues z cyklu, próbuje zrozumieć co jest "feature" a co "bug", i siada do edytora tekstu. Zajmuje to od godziny do całego popołudnia, zależnie od liczby zmian i tego, jak dobrze opisane są Issues.

AI robi to inaczej. Pobiera wszystkie Issues zamknięte w danym cyklu lub przedziale dat. Sortuje według etykiet: "bug" to poprawki, "feature" to nowe funkcje, "improvement" to zmiany istniejących. Czyta tytuły i opisy. Pisze draft release notes w języku zrozumiałym dla użytkownika końcowego, bez "refactored service layer" i "fixed null pointer exception".

Typowy draft: "Naprawiliśmy problem z eksportem raportów do PDF, który pojawił się przy dużych przedziałach dat. Poprawiliśmy szybkość ładowania widoku Zadań. Dodaliśmy filtrowanie po osobie w raportach miesięcznych." Trzy zdania zamiast godziny przeglądania tablicy.

Draft trafia do managera do przejrzenia i zatwierdzenia, nie od razu do klientów. AI przygotowuje, człowiek zatwierdza i wysyła. To ważna kolejność.

Możliwy jest też wariant odwrotny: AI czyta changelogi zewnętrznych bibliotek, z których korzysta Wasza aplikacja (GitHub releases, CHANGELOG.md w repozytoriach), i streszcza je do zdania lub dwóch: "Zaktualizowaliśmy bibliotekę do obsługi płatności. Poprawki bezpieczeństwa bez zmian w interfejsie." Przydatne, gdy aktualizujecie kilkanaście zależności przy każdym wydaniu i ktoś musi wyjaśnić klientom, że zmiany są bezpieczne.

Od czego zacząć, zanim wdrożycie całość

Nie warto zaczynać od zakładania Issues z maili. To jest bardziej złożone: wymaga podłączenia skrzynki albo helpdesku, testowania duplikatów, ustawienia uprawnień write w API. Zacznijcie od czytania, bo tam jest najmniej ryzyka i najszybciej zobaczycie, czy integracja w ogóle przynosi Wam coś sensownego.

Krok pierwszy: wygenerujcie Personal API key w Linear (Settings > API > Personal API keys). Uprawnienie read wystarczy. Sprawdźcie, do jakich teamów i projektów ma dostęp Wasze konto. Jeśli chcecie widzieć dane wszystkich zespołów, klucz powinien należeć do konta z dostępem do całego workspace'u.

Krok drugi: zdecydujcie, co chcecie widzieć rano. Zablokowane zgłoszenia? Postęp cyklu? Błędy klientów z ostatnich 7 dni? Jeden raport z trzema sekcjami to dobry start. Nie budujcie od razu rozbudowanego dashboardu.

Krok trzeci: sprawdźcie, czy etykiety są stosowane konsekwentnie w całym zespole. AI nie wyciągnie "customer-bug", jeśli połowa zespołu używa etykiety "klient" a połowa "zgłoszenie-klienta". To jeden z tych momentów, gdzie wdrożenie AI wymusza porządek w procesie, który już był potrzebny. Sprawdźcie też, czy Issues w bieżącym cyklu mają wypełnione due date i estimate, bo bez tego raporty o opóźnieniach będą niepełne.

Krok czwarty: dopiero po tym idzie automatyczne zakładanie zgłoszeń i release notes. Możecie zacząć od jednego z nich, nie obu naraz. Zakładanie Issues z maili ma sens, gdy Wasz support działa na w miarę regularnym wolumenie zgłoszeń. Release notes warto wdrożyć przed kolejnym wydaniem.

Typowy czas od pierwszego zapytania testowego do działającego raportu porannego: kilka godzin przy danych, które są w Linear w porządku. Dłużej, jeśli trzeba najpierw posprzątać etykiety, uzupełnić due dates i ustalić z zespołem, które statusy znaczą co. To nieunikniony etap, który i tak przynosi korzyść bez względu na AI.

Jeśli chcecie zobaczyć, jak to wygląda na realnych danych z Waszego Linear, zapraszamy na 15 minut rozmowy. Sprawdzimy API, pola i etykiety i powiemy, co ma sens u Was konkretnie. Możecie też zerknąć, jak wyglądają realne wdrożenia u firm, które już to zrobiły.

Najczęstsze pytania

Czy Linear ma API do integracji z zewnętrznymi narzędziami i AI?

Tak, Linear udostępnia GraphQL API opisane na developers.linear.app. Uwierzytelnienie odbywa się przez Personal API key lub OAuth 2.0. Przez API można czytać i tworzyć Issues, cykle, projekty i komentarze, a dostęp do API jest możliwy już na planie Free.

Jak AI rozpoznaje duplikaty zgłoszeń w Linear?

AI pobiera otwarte Issues przez API i porównuje ich tytuły oraz opisy z treścią nowego zgłoszenia. Gdy znajdzie podobne, może dodać komentarz do istniejącego zamiast zakładać nowe Issue, a oba połączyć relacją "duplicate of".

Czy AI może samodzielnie zakładać zgłoszenia w Linear z maili klientów?

Tak, po podłączeniu skrzynki mailowej lub helpdesku. AI czyta treść maila, wyciąga opis problemu, priorytet i etykiety, sprawdza duplikaty i przez API tworzy nowe Issue lub dodaje komentarz do istniejącego. Możecie ustawić zatwierdzenie przez człowieka przed zapisem do Linear.

Jak AI pisze release notes z danych w Linear?

AI pobiera wszystkie Issues zamknięte w danym cyklu, sortuje według etykiet (bug, feature, improvement) i generuje draft notatki w języku zrozumiałym dla klientów, bez technicznego żargonu. Manager przegląda i zatwierdza przed wysłaniem.

Czy integracja AI z Linear wymaga droższego planu?

GraphQL API i webhooks są dostępne już na planie Free. Do typowej integracji czytającej zgłoszenia, cykle i projekty wystarczy plan, którego już używacie. Ograniczenia dotyczą głównie liczby użytkowników i historii danych, nie samego dostępu do API.

Bez umawiania rozmowy

Napiszcie jednym zdaniem, co chcecie połączyć z AI

Program, skrzynka, dokumenty albo proces, który zabiera zespołowi czas. Odpiszemy, co da się zrobić u Was i od czego zacząć.

Opracowanie: zespół redAi z wykorzystaniem narzędzi AI.

Następny krok

Chcecie sprawdzić, jak AI rozwiąże to u Was?

15 minut rozmowy o tym, na czym pracujecie i gdzie robota grzęźnie. Na koniec wiecie, co da się zrobić.

  • Bezpłatna prezentacjaAI na Waszych zadaniach, nie na slajdach.
  • Dostęp tego samego dniaZespół od razu pracuje we własnym portalu.
  • Do 2 tygodni testówPłacicie dopiero po decyzji.

Może Was też zainteresować