Behöver ert företag hjälp med att implementera AI? Kontakta oss och få prisoffert här →
AI Skolan
januari 22, 2026

Asana + Slack: tydliga sprintsammanfattningar

Rickard Andersson Partner, Nodenordic.se

Statusuppdateringar låter enkelt tills du är den som jagar in dem. Uppgifter finns i Asana, kontexten finns i Slack, och din ”daily sync” blir snabbt en rörig skattjakt. Det är exakt vad sprint summary automation löser.

Scrum Masters känner av det först. Men Product Owners som försöker skydda sprintmålet, och team leads som vill upptäcka hinder tidigt, dras med samma brus. Du får en tydlig sammanfattning postad i din Slack-kanal utan att manuellt behöva sy ihop allt.

Den här guiden går igenom vad workflowet gör, vad du behöver för att köra det och hur du anpassar det efter teamets rytm.

Så fungerar den här automatiseringen

Här är hela workflowet du kommer att sätta upp:

n8n Workflow Template: Asana + Slack: tydliga sprintsammanfattningar

Varför det här spelar roll: daglig statusjakt slår sönder fokus

De flesta team har inte ett ”för få verktyg”-problem. De har ett ”statusen är utspridd”-problem. Uppdateringar skrivs i Slack-trådar, uppgifter flyttas i Asana, och sprintens berättelse finns inte samlad på ett ställe. Så någon måste översätta: skanna senaste ändringar i uppgifter, läsa kanalhistorik, ställa samma frågor igen och sedan försöka sammanfatta allt utan att missa det enda hindret som spelar roll. Det är mental belastning ovanpå det riktiga arbetet, och det äter i det tysta upp en rejäl del av veckan.

Det blir mycket, snabbt. Här brukar det spricka.

  • Du läser massor i Slack, men missar ändå den enda tråden som förklarar varför en uppgift fastnade.
  • Asana visar ändringar i uppgifter, men ”varför” sitter fast i kommentarer eller sidokonversationer.
  • Utvecklare svarar på standup-frågor, men svaren är utspridda i meddelanden och svåra att jämföra.
  • Sammanfattningen hänger på en persons minne, vilket gör den inkonsekvent när personen är stressad eller borta.

Det du bygger: en AI-scrum master som postar sprintsammanfattningar

Det här workflowet fungerar som en ”AI-scrum master” som plockar ut signal ur de platser där teamet redan jobbar. Det börjar med att hämta strukturen i ditt Asana-projekt (sektioner/kolumner) så att analysen förstår vad ”pågår” eller ”blockerad” betyder på er tavla. Sedan hämtar det nyligen ändrade uppgifter och uppgiftsdetaljer för att se vad som har ändrats och vem som äger vad. Parallellt läser det nylig historik i er Slack-kanal, inklusive meddelanden som ofta innehåller den verkliga kontexten bakom statusuppdateringar. Valfritt kan det också samla in direkta utvecklarsvar på dagliga frågor i Slack. När de här underlagen är sammanslagna granskar en AI-agent allt på ett scrum-vänligt sätt och skapar en kortfattad sprintsammanfattning med varningssignaler, möjliga impediment och föreslagna åtgärder. Till sist postas sammanfattningen tillbaka i Slack-kanalen, vilket skapar en användbar loop till nästa körning.

Workflowet startar enligt schema (arbetsdagar) eller via manuell start när du vill ha en ögonblicksbild vid begäran. Asana- och Slack-data formateras till felfria block, och sedan gör en OpenAI-chatmodell om det till en lättläst sammanfattning. Slutresultatet hamnar där folk faktiskt läser det: i teamets Slack-kanal.

Det du bygger

Förväntade resultat

Säg att din Scrum Master (eller team lead) lägger cirka 10 minuter på att skanna Asana-ändringar, ytterligare 20 minuter på att läsa Slack för kontext och cirka 5 minuter på att pinga folk för saknade uppdateringar. Det blir ungefär 35 minuter om dagen, vilket landar på cirka 3 timmar under en normal arbetsvecka. Med det här workflowet triggar du det på arbetsdagar, låter det hämta Asana + Slack automatiskt, och teamet läser bara den postade sammanfattningen. Du lägger fortfarande tid på att tänka kring problemen, men momentet ”samla in och sy ihop” försvinner till stor del.

Innan du börjar

  • n8n-instans (prova n8n Cloud gratis)
  • Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
  • Asana för projektsektioner, uppgifter och uppdateringar.
  • Slack för att läsa kanalhistorik och posta sammanfattningar.
  • OpenAI API-nyckel (hämta den i OpenAI API-dashboarden).

Svårighetsnivå: Medel. Du kopplar OAuth-/API-uppgifter och justerar några noder för dina projekt- och kanal-ID:n.

Vill du att någon bygger detta åt dig? Prata med en automationsexpert (gratis 15-minuters konsultation).

Steg för steg

En schemalagd körning (vardagar) eller manuell trigger sätter igång. Du kan köra det automatiskt på arbetsdagar och ändå behålla det manuella alternativet för ”ge mig det senaste just nu”.

Asana-data hämtas och organiseras. Workflowet hämtar dina projektsektioner och tar sedan in nyligen ändrade uppgifter plus uppgiftsdetaljer. Det extraherar också nyckelfälten som AI:n behöver, så att modellen inte drunknar i brus.

Slack-kontext och teaminput samlas in. Det laddar kanalhistorik, väljer relevant meddelandeinnehåll och kan iterera genom kanalens användare för att samla dagliga scrum-svar i Slack.

En AI-agent skapar sprintsammanfattningen och postar tillbaka till Slack. Alla källor slås ihop till en prompt, analyseras med en OpenAI-chatmodell och den färdiga sammanfattningen skickas till din kanal så att alla ser samma läge.

Du kan enkelt ändra frågorna du ställer och formatet på sammanfattningen så att det matchar teamets kadens och er definition av ”blockerad”. Se hela implementationsguiden nedan för anpassningsalternativ.

Steg-för-steg-implementeringsguide

Steg 1: Konfigurera triggertypen

Det här arbetsflödet stödjer både manuell och schemalagd körning för att skapa en daglig scrum-sammanfattning.

  1. Öppna Manual Launch Trigger för att tillåta körningar på begäran under uppsättning eller test.
  2. Öppna Weekday Schedule Trigger och bekräfta att cronExpression är satt till 0 0 9 * * 1-5 för körningar kl. 09:00 på vardagar.
  3. Säkerställ att Weekday Schedule Trigger är ansluten till Set Project and Channel för schemalagd körning.

Tips: Låt Manual Launch Trigger vara ansluten under den initiala testningen så att ni kan verifiera utdata utan att vänta på schemat.

Steg 2: Anslut Asana- och Slack-datakällor

Ställ in projekt- och kanalidentifierare som driver alla efterföljande Asana- och Slack-anrop.

  1. I Set Project and Channel anger ni slack_channel_id till ert kanal-ID (ersätt [YOUR_ID]).
  2. I Set Project and Channel anger ni asana_project_id till ert Asana-projekt-ID (ersätt [YOUR_ID]).
  3. Bekräfta förgreningen av körningen: Set Project and Channel skickar utdata till Retrieve Asana Sections, Retrieve Recent Tasks, Load Channel History och Fetch Channel Members parallellt.
  4. Behörighet krävs: Anslut era asanaOAuth2Api-uppgifter i Retrieve Asana Sections, Retrieve Recent Tasks och Fetch Task Details.
  5. Behörighet krävs: Anslut era slackOAuth2Api-uppgifter i Fetch Channel Members, Load Channel History, Get Channel Users, Collect Scrum Responses och Post Summary to Slack.

⚠️ Vanlig fallgrop: Om slack_channel_id eller asana_project_id fortfarande är [YOUR_ID] kommer alla efterföljande API-anrop att misslyckas.

Steg 3: Konfigurera historikbearbetning för Asana och Slack

Det här steget förbereder Asana-sektioner, nyligen ändrade uppgifter och Slack-kanalhistorik till HTML-tabeller för sammanfattning.

  1. I Retrieve Asana Sections bekräftar ni att url använder =https://app.asana.com/api/1.0/projects/{{ $json.asana_project_id }}/sections.
  2. Granska Split Section Items och behåll JavaScript-koden som mappar varje sektion till gid och name.
  3. Säkerställ att Retrieve Recent Tasks använder filter med project ={{ $json.asana_project_id }} och modified_since ={{ $now.minus(1, 'day') }}.
  4. Verifiera att Fetch Task Details använder id ={{ $json.gid }} och skickar vidare till Extract Task Fields.
  5. Bekräfta att Load Channel History inkluderar latest ={{ $now.minus(1,'days') }} och uttrycket för kanal-ID.
  6. Mappa utdata till HTML-tabeller med Render Sections HTML, Render Tasks HTML och Render History HTML (alla satta till operation convertToHtmlTable).

Steg 4: Samla in och formatera utvecklarnas scrum-svar

Samla in användarsvar via Slack-formulär och normalisera dem till en tabell.

  1. Bekräfta att Fetch Channel Members skickar medlemmar till Get Channel Users.
  2. Notera det parallella flödet: Get Channel Users skickar utdata till både Iterate Channel Users och Combine Users and Replies parallellt.
  3. I Collect Scrum Responses behåller ni message-värdet =As Scrum Master I would like to ask you about today and sprint. {{ $json.real_name }} your form is here. och kanalreferensen ={{ $('Set Project and Channel').item.json.slack_channel_id }}.
  4. Använd Combine Users and Replies med mode combine och combineBy combineByPosition för att matcha användare mot svar.
  5. I Map User Responses mappar ni answers till ={{ $json.data.toJsonString() }} och konverterar sedan till HTML med Render Answers HTML.

Tips: Om insamlingen av svar verkar stanna av, verifiera att Collect Scrum Responses har Slack-appbehörigheter för interaktiva meddelanden och formulär.

Steg 5: Slå ihop data och konfigurera AI-sammanfattningen

Aggregera alla datatabeller till en enda payload och skapa en AI-sammanfattning.

  1. Säkerställ att de etiketterade tabellnoderna mappar korrekt: Label Sections Column använder ={{ $json.table }} för asana_sections, Label Tasks Column för tasks_modified, Label History Column för channel_history och Label Responses Column för developer_answears.
  2. Verifiera att Merge Data Sources är satt till mode combine, combineBy combineByPosition och numberInputs 4.
  3. I Scrum Summary Agent behåller ni hela prompttexten och säkerställer att den refererar till {{ $json.asana_sections }}, {{ $json.tasks_modified }}, {{ $json.channel_history }} och {{ $json.developer_answears }}.
  4. Behörighet krävs: Anslut era openAiApi-uppgifter i AI Model Selector. Den här modellen är länkad till Scrum Summary Agent som dess språkmodell.

Steg 6: Konfigurera leverans av utdata till Slack

Skicka den AI-genererade sammanfattningen till er Slack-kanal.

  1. I Post Summary to Slack anger ni text till ={{ $json.output }}.
  2. Ställ in channelId till ={{ $('Set Project and Channel').item.json.slack_channel_id }} för att posta i den konfigurerade kanalen.
  3. Behörighet krävs: Anslut era slackOAuth2Api-uppgifter i Post Summary to Slack.

Steg 7: Testa och aktivera ert arbetsflöde

Kör ett end-to-end-test för att verifiera datainsamling, AI-utdata och leverans till Slack.

  1. Klicka på Execute Workflow med Manual Launch Trigger för att köra ett fullständigt test.
  2. Bekräfta att Render Sections HTML, Render Tasks HTML, Render History HTML och Render Answers HTML var och en returnerar en tabell.
  3. Kontrollera att Scrum Summary Agent returnerar en strukturerad sammanfattning och att Post Summary to Slack postar den i målkanalen.
  4. När ni har verifierat, aktivera arbetsflödet så att Weekday Schedule Trigger körs automatiskt på vardagar.
🔒

Lås upp fullständig steg-för-steg-guide

Få den kompletta implementeringsguiden + nedladdningsbar mall

Tips för felsökning

  • Slack-behörigheter är petiga. Om workflowet inte kan läsa historik eller posta meddelanden, kontrollera dina scopes i Slack-appen (channels:history, groups:history, im:history, mpim:history, chat:write) och installera om appen i din workspace.
  • Asana OAuth-tokens kan gå ut eller tappa åtkomst när projekt byter ägare. Om hämtning av uppgifter plötsligt blir tom, kontrollera Asana-uppgiften i n8n och bekräfta projekt-ID:t i noden ”Asana Project and Slack Channel”.
  • AI-utdata kan kännas generiska i början, helt ärligt. Uppdatera agentens prompt med er formulering av sprintmål, risketiketter och vad ”blockerad” betyder hos er, annars kommer du att putsa sammanfattningar varje dag.

Snabba svar

Hur lång tid tar det att sätta upp den här automatiseringen för sprintsammanfattningar?

Cirka 45 minuter om åtkomst till Asana, Slack och OpenAI redan är på plats.

Krävs det kodning för den här automatiseringen för sprintsammanfattningar?

Nej. Du kopplar främst konton och klistrar in ditt Asana-projekt-ID och Slack-kanal-ID.

Är n8n gratis att använda för det här workflowet för sprintsammanfattningar?

Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna med kostnader för OpenAI API, vilket vanligtvis är några cent per sammanfattning beroende på hur mycket Slack-/Asana-text du tar med.

Var kan jag hosta n8n för att köra den här automatiseringen?

Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärt och hanterar n8n bra. Egen drift ger dig obegränsade körningar men kräver grundläggande serverhantering.

Kan jag ändra det här workflowet för sprintsammanfattningar för andra användningsfall?

Ja, och det borde du förmodligen. De flesta team börjar med att redigera noden ”Asana Project and Slack Channel” så att den pekar på ett annat projekt/en annan kanal, och finjusterar sedan AI-agentens prompt så att den speglar ert språk kring sprintmålet. Om du inte vill ha daglig Q&A tar du bort grenen som itererar genom kanalens användare och samlar scrum-svar, och då blir workflowet en ”statisk analys” av Asana + Slack. Du kan också byta Slack-destination till Microsoft Teams genom att ersätta steget som postar, eftersom workflowet redan innehåller en Teams-nod.

Varför misslyckas min Slack-anslutning i det här workflowet för sprintsammanfattningar?

Oftast saknas scopes eller så installerades inte appen om efter att du lade till behörigheter. Bekräfta att din Slack-app minst har channels:history och chat:write, och installera sedan om den i din workspace så att de nya scopen börjar gälla. Om det fungerar för en kanal men inte en annan kan du försöka läsa en privat kanal utan att ha gett groups:history eller utan att ha bjudit in boten till kanalen.

Vilken volym kan det här workflowet för sprintsammanfattningar hantera?

För en typisk setup med ett team (ett Asana-projekt, en Slack-kanal) är dagliga körningar lätta för de flesta abonnemang och servrar.

Är den här automatiseringen för sprintsammanfattningar bättre än att använda Zapier eller Make?

Ofta, ja, eftersom det här inte är en enkel zap som ”skicka meddelande när en uppgift ändras”. Du slår ihop flera datakällor, formaterar innehåll, itererar genom användare och kör sedan en ganska styrd AI-analys, vilket är där n8n brukar kännas mer flexibelt. Egen drift är också viktig om du vill ha obegränsade körningar utan att oroa dig för task-limiter. Zapier eller Make kan fortfarande fungera om du förenklar workflowet till ”hämta Asana + posta en sammanfattning”, men du kan stöta på begränsningar när du lägger till loopar och mer avancerad logik. Vill du få en second opinion innan du bestämmer dig, prata med en automationsexpert.

Du får en sanningskälla i kanalen som teamet redan kollar. Workflowet sköter insamling och sammanfattning, så att du kan lägga tiden på att undanröja hinder istället för att jaga status.

Kontakta oss

Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.

×

Använd mall

Få direkt tillgång till denna n8n-arbetsflödes JSON-fil

Få prisoffert redan idag!
Få prisoffert redan idag!

Berätta vad ni behöver hjälp med så hör vi av oss inom en arbetsdag!

Få prisoffert redan idag!
Få prisoffert redan idag!

Berätta vad ni behöver hjälp med så hör vi av oss inom en arbetsdag!

Launch login modal Launch register modal