mcpField
P
pipefy-process-intelligence

pipefy-process-intelligence

github.com/pipefy生産性51684 回インストール2 日前に更新
リポジトリ

pipefy-process-intelligence について

既存の Pipefy プロセスを分析し、段階的に改善するスキルです。パイプ構造やカード、自動化のデータから根拠のある課題を特定し、各ラウンドで少数の変更を実施して確認します。

主な機能

  1. 01パイプ構造と最近のカードを確認
  2. 02自動化と AI エージェント設定を調査
  3. 03データからボトルネックと改善点を特定
  4. 04ラウンドごとに変更を実施
  5. 05変更後の結果を検証

活用シーン

  1. 01カードが滞留するフェーズの特定
  2. 02自動化できる手動引き継ぎの発見
  3. 03未使用フィールドや不要なフェーズの整理

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/pipefy/ai-toolkit --skill pipefy-process-intelligence

インストール後、Claude Code で/pipefy-process-intelligenceを入力して読み込まれたか確認します。

同梱ファイルreferences/cli.mdreferences/mcp.md

詳細

プロセスインテリジェンス

使用しているインターフェースに応じて、MCP リファレンスまたはCLI リファレンスをお読みください。関連するリファレンスのみ読み込みます。

既存のパイプを分析して改善の機会を見つけ、段階的に実装します。すぐに調査し、データに基づいて診断し、段階的に改善します。

使用する場合

ユーザーが既存のプロセスの分析または改善を依頼した場合：

  • 「自分のパイプを分析してください」
  • 「このプロセスをどう改善できますか？」
  • 「このパイプは最適化されていますか？」
  • 「ボトルネックはどこですか？」

対象外： 新しいプロセスをゼロから設計する場合 → pipefy-process-design を使用してください。実装はせず、数値を使って変更を正当化する場合 → pipefy-process-impact を使用してください。

前提条件

  • パイプの ID または名前がわかっている（または search_pipes で検索できる）。
  • パイプのカードとフェーズデータへの読み取りアクセス権がある。

手順 — 調査（ラウンド 1）

  1. パイプの構造を取得する：

    操作：get_pipe pipe_id=<id>

    取得する情報：フェーズ、フェーズごとのフィールド数、自動化の数。

  2. 最近のカードをサンプリングする（直近 30～50 件）：

    操作：get_cards pipe_id=<id> first=50 include_fields=true

    確認する点：初期フェーズにカードが滞留していないか、カードが 0 件のフェーズがないか、未入力のフィールドがないか。get_cards では作成、更新、フェーズのタイムスタンプは選択されません。診断フレームワークで使用する時間指定のカード読み取りでは、これらを選択します。

  3. 自動化を確認する：

    操作：get_automations pipe_id=<id>

    確認する点：自動化のないフェーズ（手動の引き継ぎ）、繰り返し発生する手動の作業。

  4. AI 設定を確認する：

    操作：get_ai_agents repo_uuid=<PIPE_UUID>

    有効な各エージェント（disabledAt が null）について、そのエージェントがすでにどのフェーズで動作するかを確認するため、ビヘイビアを読み取ります。

    操作：get_ai_agent uuid=<AGENT_UUID>

    確認する点：手動の分類やトリアージのパターンがあるにもかかわらず、AI エージェントが存在しないこと。また、有効なビヘイビアがすでに対応しているフェーズ間の移動（これらを手動作業として報告しないでください）。

診断フレームワーク

時間ベースのシグナルには、get_pipe と get_cards が返さない日付が必要です。フェーズに 7 日を超えて滞留している、数週間更新がないといったカード単位のシグナルは、時間指定のカード読み取りから取得します。これは、パイプのカードを対象に updated_at、current_phase_age、およびフェーズごとの firstTimeIn、lastTimeOut、duration（秒単位）を持つ phases_history を選択する 1 回の execute_graphql クエリです。クエリのドキュメントはリファレンスにあります。確認は不要な読み取りで、1 ページあたり 25 件（最大 50 件）です。数値が何件のカードに基づいているかを伝えてください。

パイプ全体のシグナル（90 日間カードがないフェーズ、週ごとのフェーズ離脱カード数）には、すべてのカードが必要です。cards クエリには日付フィルターも、文書化された並び順もないため、1 ページだけでは含まれないカードについて何も証明できません。hasNextPage が false になるまで時間指定の読み取りでページを取得するか、start_at_phase_<n> と end_at_phase_<n> を指定してパイプレポートをエクスポートします（<n> はレポートのインデックスであり、フェーズ ID ではありません）。エクスポートには既存のレポート（get_pipe_reports）が必要です。create_pipe_report によるレポート作成は書き込み操作のため、事前に確認してください。全件をカバーできない場合は、そのシグナルを確認できなかったと伝えてください。サンプルだけでフェーズを使われていないと判断したり、cards_count から時間を推定したりしないでください。

シグナル改善の機会
フェーズに 7 日を超えて滞留しているカード期限日フィールドと期限超過時の自動化を追加する
フェーズの移行を常に同じ人が行っている移行条件を自動化する
特定のフェーズで一度も入力されないフィールド削除するか、任意項目にする
同じコメントが繰り返し投稿されているトリガーに基づいて自動投稿する AI エージェントを導入する
受付から最初のアクションまで自動化がないカード作成時に「担当者に通知」する自動化を追加する
開始フォームのフィールド数が多い任意のフィールドを後続のフェーズに移動する
90 日間カードがないフェーズ（サンプルではなくパイプ全体が対象）隣接するフェーズと統合するか、フェーズ間の移動を自動化または AI エージェントに置き換えます。空のフェーズをパイプ削除の理由にしないでください。

手順 — 改善（第 2 ラウンド以降）

各ラウンドでは 1～2 件の改善に取り組み、次に進む前に結果を報告します。

例：繰り返し手作業で行っている手順を自動化する

  1. 手作業の手順と、その実行条件を特定します。

  2. 対象のパイプについて get_automation_events と get_automation_actions を呼び出し、対応しているイベントとアクションを選択します。

  3. 自動化を作成します。

    操作：create_automation pipe_id=<id> name="Automate manual step" trigger_id=<EVENT_ID> action_id=<ACTION_ID> active=false

  4. 有効化する前にルールを検証し、実際に使用したイベントとアクションを報告します。目的のイベントまたはアクションが利用できない場合は、ID を推測せず、その制約を報告します。

例：フィールド条件を追加する

  1. 別のフィールドが特定の値の場合にのみ表示するフィールドを特定します。

  2. フィールド条件の入力スキーマを読み取ってから、必須の name、condition 辞書、actions リストを指定して条件を作成します。

    操作：create_field_condition phase_id=<PHASE_ID> name="Show follow-up" condition=<CONDITION_DICT> actions=<ACTION_DICTS>

ラウンドごとの出力形式

## Analysis — [Pipe Name]

### Findings
- [Finding 1]: [evidence from tool calls]
- [Finding 2]: ...

### Implemented this round
- [Change 1]: [tool called + result]

### Impact
[One line: minimum step done or proposed, time it returns to the team (formula with the missing numbers named), and the extra lift of the next step, or "next step does not close". Lead time only if this round already has dates.]

### Next round (if approved)
- [Opportunity]: [proposed action]

Impact は 1 行に収めます。処理量、時間当たりのコスト、リードタイムを捏造しないでください。不明な数値をすべて挙げ、1 つの質問ですべて確認します。詳しい根拠については pipefy-process-impact を参照してください。パイプの削除は推奨しないでください。

成功基準

  • 各ラウンドで、目に見える具体的な変更（新しい自動化、フィールド条件、フェーズの整理）が行われる。
  • 変更の前後で、影響を受けたフェーズから 1 週間に退出したカード数を比較する（時間指定のカード読み取りにおける lastTimeOut、またはパイプのレポートエクスポートにおける end_at_phase_<n> を使用）。または、ユーザーに確認します。
  • 改善によるデグレードが発生しないようにする（各ラウンド後に get_pipe と get_cards で確認します）。

失敗パターン

  • get_cards が空を返す： パイプにまだカードがない可能性があります。構造のみを分析し、パイプを削除するのではなく、受付の立ち上げ（開始フォーム、ポータル、またはカードを作成する自動化）を推奨します。
  • create_automation が不明なイベントで失敗する： get_automation_events を使用して、有効なトリガーを一覧表示します。
  • ユーザーが自動化に難色を示す： 作成する前に、自動化の内容を平易な言葉で説明します。

関連項目

  • pipefy-automations — 自動化作成の詳しいガイドです。
  • pipefy-ai-agents — ユーザー向けの自動化に会話型エージェントを追加します。
  • pipefy-observability — クレジットと実行データを確認し、改善の影響を定量化します。
  • 詳しい根拠については pipefy-process-impact を参照してください。このスキルでは、各ラウンドで Impact の行のみを出力します。

コメント

Markdown 対応