15 spørsmål kunder stiller før de starter et prosjekt med Startup House
Alexander Stasiak ・ Marek Pałys
25. sep. 2026・5 min lesing
Innholdsfortegnelse
Hver salgssamtale dekker stort sett det samme, og det er et godt tegn: Dette er de riktige spørsmålene å stille enhver software-partner. Her er de 15 vi hører oftest, med de samme svarene vi gir på samtaler.
Økonomi
1. Hvor mye koster et prosjekt?
Små MVP-prosjekter ligger typisk på €25 000–€50 000. Enterprise-løsninger starter på €200 000 og oppover, avhengig av skala og compliance-krav. De viktigste kostnadsdriverne er prosjektstørrelse, kompleksitet og nødvendige integrasjoner. Etter en Discovery call og scoping får dere et nøyaktig estimat. Både Product Discovery og Scope Building ender med et estimat på utviklingskostnad, slik at dere forplikter et byggebudsjett til et validert tall – ikke en gjetning.
2. Hva betaler jeg egentlig for?
Utviklingskapasitet og resultater, ikke overhead. I Team Augmentation betaler du for utviklernes arbeid – ikke for goder, kontorplasser eller dødtid mellom prosjekter – med kostnader direkte knyttet til leveranser. I managed modeller (Dedicated Team, AI-Native Pod) dekker prisingen det tverrfaglige teamet pluss delivery management.
3. Er det en minimumsforpliktelse?
Oppdrag starter fra én måned. De fleste Augmentation-kunder går 3–12 måneder og skalerer opp eller ned etter hvert som prosjektet utvikler seg. Dedicated Teams har ingen langsiktige bindinger utover den aktive sprintsyklusen.
Tid
4. Hvor raskt kan vi starte?
Profiler på shortlistede utviklere som regel innen én uke, onboarding fullført innen 2–4 uker etter at dere har valgt. For et komplett Dedicated Team tar det noen uker fra kickoff til første sprint. Utvikling på et prosjekt med definert scope starter innen få uker etter første workshop.
5. Hvor lang tid tar det å bygge MVP-en?
En MVP kan gå fra kickoff til første bruker på så lite som 1 uke. Konkrete eksempler: Simon Cares helse-MVP ble formet av omfattende brukertesting med pasienter; markedsplassen til NegotiateNow ble bygd på en no-code stack for å komme raskt i markedet. AI-produkter som KnowHub eller SmartSearch kan gå live på bare 2 uker når dataene deres er klare.
6. Hvor lang tid tar forprosjektet?
Product Discovery varer 4–8 uker og svarer på "bør vi bygge dette?". Scope Building varer 2–5 uker og svarer på "hva bygger vi konkret, og hva vil det koste?". Hvis dere allerede har solid research, kan dere gå rett til Scope Building.
Team
7. Hvem jobber faktisk på prosjektet mitt?
Mid-level- og senior-spesialister fra vårt team på 50 personer i Warszawa: produktledere, designere, frontend- og backendutviklere, QA og DevOps. Vi setter ikke juniorer i Augmentation-roller. Hver utvikler gjennomgår teknisk vurdering, code review, strukturert intervju og referansesjekker før de havner på shortlisten deres, og dere godkjenner hvert teammedlem før oppstart.
8. Hvem leder teamet?
Valget av modell avgjør. I Team Augmentation rapporterer utviklerne til deres ledere i deres prosesser. I et Dedicated Team eller en AI-Native Pod leder vår Delivery Lead sprintplanlegging, code reviews og retrospektiver, mens dere setter retning og prioriteringer. I Build-Operate-Transfer styrer vi teamet til dere tar eierskap.
9. Hva om en utvikler ikke passer?
Vi starter en utskiftingsprosess umiddelbart, uten forsinkelse, slik at tidsplanen deres holdes intakt. I Dedicated Teams sikres kontinuitet gjennom en kjerne med Delivery Lead og seniorutviklere som blir værende gjennom endringer.
10. Kan vi skalere teamet opp eller ned midt i prosjektet?
Ja, med avtalt varsel, uten langsiktige minimumskrav per utvikler. Øk kapasiteten i en kritisk sprint, reduser når scopet stabiliseres. Scope-endring behandles som normalt, ikke som kontraktsbrudd.
Eierskap og sikkerhet
11. Hvem eier koden?
Dere gjør det. All kode, dokumentasjon, design og produktartefakter dere bestiller, tilhører dere – inkludert full kildekode, designfiler og deploy-tilgang. Ingen vendor lock-in, ingen lisenskostnader. Overleveringsdokumentasjon skrives slik at den står på egne ben, enten dere fortsetter med oss, deres interne team eller en annen partner.
12. Hvordan beskyttes data og IP?
NDA er standard. Startup House er i samsvar med ISO 27001, med GDPR-etterlevelse i datahåndteringen. For regulerte bransjer mapper vi til deres HIPAA-, SOC 2- og DORA-krav, og infrastruktur og datahåndtering dokumenteres for revisorene deres på forespørsel. I AI-prosjekter brukes ikke dataene deres til å trene AI-modeller, og all prosessering skjer i deres sikre miljø.
13. Dere bruker AI i utviklingen. Hvordan styres det?
Teamene våre bruker AI-verktøy til kodegenerering, testskriving og dokumentasjon. Tre regler gjelder: Ingen AI-generert kode går i produksjon uten menneskelig review av seniorutviklere, sikkerhetsskanning kjøres på hver push, og AI-bruk dokumenteres i pull requests for fullt revisjonsspor.
Passer vi for dere?
14. Hvilke typer selskaper jobber dere med?
Enterprise- og produktselskaper innen fintech, helse, cybersecurity, reise, logistikk og utdanning – i Polen, Vest-Europa, Skandinavia og USA. Kunder inkluderer Siemens Financial Services (siden 2016), Siemens Healthineers, PwC, Toyota, Rainbow Tours, CHOOOSE og Omnipack. Vi jobber også med produkter i tidlig fase: Graspify gikk fra konsept til en plattform som kjører live bedriftsopplæring.
15. Hvordan kommer vi i gang?
Book en 30-minutters samtale. Dere deler idéen eller forretningsutfordringen, vi kjører en Discovery Workshop og utarbeider en detaljert project brief, deretter en Software Requirements Specification som definerer scope, funksjoner og budsjett. Derfra: roadmap, team settes, og utvikling i løpet av noen uker – med demoer og faste oppdateringer underveis.
Mønsteret bak svarene
Tre prinsipper ligger til grunn for alle femten svarene. Estimater følger validering, slik at dere knytter budsjett til testet scope. Teamene tilpasser seg roadmappen deres, fordi scope-endring er normalen i produktutvikling. Og alt vi bygger er deres – fordi en partner dere velger å bli hos er bedre enn en dere blir låst til.
Om Startup House
Startup House er et tverrfaglig softwareutviklingsselskap med base i Warszawa, Polen, etablert i 2016, i samsvar med ISO 27001, med 100+ produkter levert, en kunde-NPS på 75 og kunder på 5 kontinenter. Listet av Financial Times og Statista blant Europas raskest voksende selskaper i 2022 og 2023.
Har du et sekstende spørsmål? Book en 30-min samtale.
Slik ble denne artikkelen laget. Utarbeidet med KI-assistanse, deretter faktasjekket og redigert av teamet vårt. Redaksjonelt ansvar: Startup Development House sp. z o.o. Les retningslinjene våre for KI-innhold
Alexander StasiakAlexander Stasiak – medgründer og styremedlem i SH. Siden 2016 har han og teamet utviklet software- og AI-løsninger for finansielle tjenester, industri og FMCG, for kunder som Siemens, Toyota og PwC. Han fokuserer på implementeringer med målbar effekt.Marek PałysMarek Pałys – Co-Founder i Startup House med 15+ års erfaring med å bygge digitale bedrifter. Tidligere Head of Groupon Goods i Groupon Poland og ekspert på lean product strategy. Han hjelper selskaper med å omsette forretningsmål til fungerende software.Digital Transformation Strategy for Siemens Finance
Cloud-based platform for Siemens Financial Services in Poland
Du vil kanskje også like...
Slik fungerer egentlig samarbeidet med Startup House: ingeniører, scope-endringer og IP-eierskap
Før du signerer med en programvarepartner, stiller kunder tre spørsmål: hvem som skal jobbe på produktet ditt, hva som skjer når prioriteringer skifter, og hvem som eier det vi bygger. Denne artikkelen besvarer alle tre med de faktiske vilkårene Startup House opererer etter. Du får se hvordan ingeniører blir kvalitetssikret og godkjent av deg, hvordan team kan skaleres opp eller ned med avtalt varsel, og hvorfor all kode, design og dokumentasjon tilhører deg – uten leverandørlåsing. Den dekker også de fire samarbeidsmodellene og reglene som gjelder for AI-assistert leveranse.
Alexander Stasiak
27. sep. 2026・5 min lesing
Beste AI-verktøy for bedriftsautomatisering i 2026
Markedet for AI-drevet forretningsautomatisering ligger an til å vokse fra 2,9 mrd. dollar i 2023 til 25 mrd. dollar innen 2027, og Fortune 500-selskaper rapporterer allerede effektivitetsgevinster på 30–50 %. Men med plattformer som spenner fra no-code Zapier-arbeidsflyter til UiPath-implementeringer på enterprise-nivå, er ikke den virkelige utfordringen om dere skal automatisere — men å velge riktig verktøy for teamets størrelse, tech stack og tekniske modenhet. Denne guiden går gjennom de åtte ledende AI-automatiseringsplattformene for 2026, sammenligner pris og funksjonalitet side om side, og gir deg en tydelig ramme for å matche riktig verktøy til dine spesifikke forretningsmål.
Alexander Stasiak
16. apr. 2026・11 min lesing
AI-agenter for prediktivt vedlikehold og utstyrspålitelighet
Slik leser autonome agenter vibrasjons-, termiske og akustiske data for å forutsi feil flere uker i forkant — og iverksetter tiltak uten å vente på menneskelig inngripen.
Alexander Stasiak
29. aug. 2026・9 min lesing
AI-agenter for regulatorisk etterlevelse og KYC-automatisering
Hvordan autonome agenter håndterer KYC, AML-screening og regulatorisk rapportering ende-til-ende — og reduserer onboarding fra dager til sekunder, samtidig som de opprettholder et etterprøvbart revisjonsspor.
Marek Pałys
26. aug. 2026・10 min lesing
AI-agenter for personlig tilpasset shopping og produktanbefalinger
Slik erstatter konversasjonsagenter fasettert søk — gjennom semantisk produktoppdagelse, personalisering i sanntid og veiledet kjøp som øker gjennomsnittlig ordreverdi.
Marek Pałys
30. aug. 2026・9 min lesing
AI-agenter for pris- og kampanjeoptimalisering
Slik kan autonome agenter prise i sanntid og målrette kampanjer presist – og dermed beskytte marginene i stedet for å gi rabatt til alle som uansett ville betalt full pris.
Marek Pałys
28. aug. 2026・10 min lesing
Nylig lagt til
Slik reduserte Startup House tiden for leasingsøknader til 2 minutter for Siemens Financial Services
Leasing innebar tidligere papirarbeid, manuelle kredittsjekker og beslutninger som måtte vente til kontortid. For Siemens Financial Services Poland har Startup House erstattet dette med SimplyLease Online: en nettjeneste der kunder bruker rundt 2 minutter på å sende inn søknaden og får en automatisert kredittbeslutning på omtrent 7 minutter, når som helst på døgnet. Denne casestudien viser hvordan plattformen ble bygget i tråd med Siemens Group sine sikkerhetsstandarder, hvordan den integreres med Siemens-systemer og eksterne dataleverandører, og hva et partnerskap som har pågått siden 2016 har levert. Den avsluttes med tre lærdommer som gjelder for nesten alle finansierings- og utlånsprodukter.
Alexander Stasiak
06. okt. 2026・5 min lesing
Hvordan en cybersikkerhetsplattform som betjener Fortune 500-kunder reduserte onboardingtiden med 95 % ved hjelp av en AI-agent utviklet av Startup House
En cyberrisikoplattform betrodd av Fortune 500-selskaper hadde et velkjent problem: Kundene stolte på den, men åpnet den bare én gang i kvartalet, og onboarding tok 45 minutter med veiledet oppsett. Startup House bygde Aria, en AI-agent innebygd i produktet, med et firelagdelt grensesnitt som betjener både styremedlemmer, CFO-er og CISO-er i ett og samme panel. Onboarding ble redusert med 95 % til under 2 minutter, datautforskning ble helt selvbetjent, og plattformen ble et verktøy for daglig beslutningsstøtte. Denne case-studien forklarer grensesnittet, tenant-isolation-arkitekturen, og hvorfor ingenting av dette krevde endringer i plattformens core codebase.
Marek Pałys
05. okt. 2026・5 min lesing
AI- og digitale prosjekter fra Startup House: 5 målbare resultater i tall
Det er lett å komme med påstander i programvareutvikling, så denne artikkelen holder seg til tall. Den går gjennom fem resultater fra kundeprosjekter hos Startup House, fra 95 % kortere onboarding-tid med en innebygd AI-agent til 40 % lavere utviklingskostnader for Omnipack. Hver seksjon forklarer hva slags arbeid som ga resultatet og lenker til den offentlig tilgjengelige kundecasen bak. Den avsluttende delen løfter fram tre felles mønstre det er verdt å ta i bruk, enten du jobber med oss eller ikke.
Alexander Stasiak
04. okt. 2026・5 min lesing
Programvareutvikling innen helseteknologi hos Startup House: compliance-first-prosjekter og resultater
I programvare for helsesektoren er compliance enten et arkitekturvalg eller en ettermontering. Denne artikkelen viser hvordan det ser ut når man bygger det inn fra dag én, gjennom tre prosjekter fra Startup House: en salgsplattform for Siemens Healthineers i bruk i over 60 land, en MVP for demensomsorg formet av sju runder med brukertesting med pasienter og pårørende, og Doogie – en HIPAA-nivå AI-demo bygget på to måneder. Den forklarer også hvordan RAG gjør kliniske AI-svar sporbare til verifiserte kilder, og hvorfor pasientdata aldri brukes til å trene modeller. For MedTech-selskaper og helse-SaaS-plattformer er dette et konkret blikk på hva compliance-first engineering betyr i praksis – utover merkelappen.
Marek Pałys
03. okt. 2026・5 min lesing
Edtech-utvikling hos Startup House: Hva vi har bygget og hvilken forskjell det har gjort
EdTech-plattformer feiler oftere på grunn av brukeropplevelsen (UX) enn på teknikken: brukere faller fra, innholdet skalerer ikke, og ROI forblir usynlig. Denne artikkelen viser hvordan Startup House unngår dette med fasevis leveranse og brukertesting med faktiske brukere, med to prosjekter som bevis. Graspify gikk fra en dristig idé til en mikrolæringsplattform som trente hundrevis av ansatte under et bedriftsarrangement, og LITTLEWINE fikk et investorklart scope etter 10 brukerintervjuer i løpet av 2 uker. Den dekker også AI-læringsverktøy som kun svarer basert på godkjent innhold og kan gå live på så lite som 2 uker.
Alexander Stasiak
02. okt. 2026・5 min lesing
AI i fintech: prosjekter, lærdommer og resultater fra Startup House
Fintech-kunder forventer hastighet på forbrukernivå, mens tilsynsmyndigheter forventer kontroll på banknivå. Denne artikkelen viser hvordan Startup House har håndtert den spenningen i tre prosjekter: automatiserte kredittbeslutninger 24/7 for Siemens Financial Services, en cyberrisikoplattform som økte omsetningen med 150 % på ett år, og et fintech-team innen klima for CHOOOSE satt sammen på 2 uker. Hvert prosjekt kommer med lærdommen vi tok med oss. Artikkelen avsluttes med fem regler for AI i finans, fra å forankre hvert svar i verifiserte data til å designe tenant isolation inn i arkitekturen.
Marek Pałys
01. okt. 2026・5 min lesing
Klar til å sentralisere din kompetanse med AI?
Start et nytt kapittel innen kunnskapsforvaltning – der AI-assistenten blir den sentrale pilaren i din digitale støtteopplevelse.
Arbeid med et team som er betrodd av ledende selskaper.
