Edtech-utvikling hos Startup House: Hva vi har bygget og hvilken forskjell det har gjort

Nøkkelfakta i korte trekk

• Flaggskip innen EdTech: Graspify, en mikrolæringsplattform for bedriftsopplæring, tatt fra konsept til MVP og videre til versjon 2.0, med versjon 2.1 planlagt, implementert hos norske virksomheter
• Bevist skalerbarhet: I august 2022 brukte en Graspify-kunde plattformen til å trene hundrevis av ansatte under et bedriftsarrangement
• Discovery først i praksis: LITTLEWINE, en B2B-plattform for vinopplæring, fikk omfang definert gjennom 10 brukerintervjuer på 2 uker med vinmakere, innkjøpere, sommelierer og forbrukere
• AI-læringsverktøy: KnowHub og InProduct AI kan gå live på så lite som 2 uker når innholdet er klart
• Leveringsmodell: trinnvis utvikling med egne budsjetter per fase og reell brukertesting før hver neste fase

Hvorfor EdTech-produkter mislykkes, og hva vi gjør annerledes

EdTech-plattformer mislykkes oftere av UX-grunner enn tekniske. Lærende faller fra når grensesnittet ikke matcher hvordan folk faktisk lærer. Innhold skalerer ikke. Onboarding tar for lang tid. ROI forblir usynlig for dem som betaler for plattformen.

Vårt svar er prosessdisiplin: definer ønsket utfall først, bygg i etapper med egne budsjetter per fase, og test med ekte brukere før hvert neste steg. Slik spilte det seg ut i prosjektene under.

Graspify: fra en dristig idé til live bedriftsopplæring

Kunden: Graspify, en norsk startup som vil endre intern opplæring med en mikrolæringsplattform som kombinerer læring med en forskningsbasert læringsprosess. Samarbeid fra januar 2021.

Utfordringen: Gjøre en dristig visjon om til et fungerende produkt, og finne riktig form for «Grasps», de korte minikursene på 5–6 slides som er kjernen i plattformen. Hvor lange bør de være? Hvor komplekse? Hvor enkle? Den balansen var selve designproblemet – og kunne ikke løses med synsing.

Hvordan vi jobbet: Vi delte prosjektet i mindre steg, hvert med eget budsjett og egen runde brukertesting, både én-til-én og i uformelle grupper. I januar 2021 fullførte vi Product Discovery og visjonen for Graspify 1.0. Deretter kom MVP (versjon 1.0 og 1.1), fulgt av den utvidede versjon 2.0, med versjon 2.1 planlagt basert på live bruksdata.

Hva som endret seg:

• Graspify ble tatt i bruk i flere norske virksomheter.
• I august 2022 brukte en Graspify-kunde MVP 2.0 til å trene hundrevis av ansatte under et bedriftsarrangement.
• Hendelsene genererte betydelige data for analyse, som gikk direkte inn i planen for versjon 2.1.

Plattformen lar selskaper lage skreddersydd innhold, invitere ansatte, styre tilgang, spore progresjon og anbefale kurs. Den trinnvise modellen gjorde at Graspify aldri bandt opp hele utviklingsbudsjettet til en uvalidert antakelse.

Les casestudien om Graspify

LITTLEWINE: å avklare en kunnskapsplattform med dem som faktisk skal bruke den

Kunden: LITTLEWINE, en britisk B2B SaaS som demokratiserer vinopplæring og kunnskapsutveksling mellom fagfolk og vinmakere. Samarbeid fra november 2021.

Utfordringen: Gjøre vinkunnskap tilgjengelig direkte fra vinmakere, uten mellommenn som utvanner autentisiteten, og validere B2B-retningen før man forplikter seg til utvikling.

Hvordan vi jobbet: En serie workshops som dekket konkurrentanalyse, kundebehov og potensielle inntektsstrømmer, deretter wireframe-prototyping forankret i brukerinnsikt og markedsresearch. Nøkkelgrepet: 10 brukerintervjuer på 2 uker i 2 grupper (vinmakere, innkjøpere, sommelierer, forbrukere).

Hva som endret seg: LITTLEWINE fikk en komplett B2B-produktbeskrivelse (scope) og MVP-estimater i flere varianter, utformet for å pitch’es til tidlige investorer. Funksjoner inkluderte dedikerte vinmaker-kontoer med innholdsopplasting, personlige samlinger, en database over regioner og druesorter, og avansert søk.

Slik ser EdTech-discovery ut når målgruppen er nisje: du snakker med de faktiske fagfolkene, raskt, før noen skriver produksjonskode.

Les casestudien om LITTLEWINE

AI i EdTech: læringsverktøy som bare svarer fra eget innhold

For læringsplattformer er et feil svar ikke bare en bug. Det undergraver læringsutbyttet og kan skape ansvarsrisiko. Derfor opererer alle våre AI-produkter for EdTech med en modell for verifiserte svar: AI-en svarer kun med godkjent innhold, kan ikke generere svar fra offentlige treningsdata, og siterer hvert svar tilbake til et kildedokument.

• KnowHub gjør kunnskapsbasen din om til en døgnåpen læringsassistent som svarer på alle språk, på alle enheter.
• InProduct AI leser kodebasen din, skriver sin egen dokumentasjon og veileder brukere gjennom plattformen og kursene dine.
• SmartSearch forstår hva en lærende er ute etter, ikke bare ordene de skrev, og verifiserer hvert resultat med dokumentert faktagrunnlag.
• For eksisterende plattformer bygger vi også et konversasjonelt AI-lag oppå eldre LMS-systemer, slik at brukere får naturlig språklig tilgang til data uten en omskriving av systemet.

KnowHub og InProduct AI kan tas i bruk på så lite som 2 uker når innholdet eller kodebasen er klar. Skreddersydde plattformer følger en trinnvis modell, typisk 4–12 uker til en første brukbar versjon avhengig av omfang.

Hva vi leverer utover AI

Full-stack EdTech-leveranse dekker resten av det et læringsprodukt trenger:

• UX og læringsopplevelsesdesign: onboarding-løp, kursstrukturer, vane­byggende progresjonssporing og vurderings-UX, brukertestet i hvert trinn.
• Analytics og learning intelligence: dashbord som viser hva som fungerer, hvor lærende faller fra, og hva som predikerer fullføring før en lærende faller fra.
• Cloud-infrastruktur: bygget på GCP, AWS eller Azure for å håndtere trafikktopper, samtidige økter og globale brukere, med CI/CD og 24/7-supportnivåer.
• Plattformsintegrasjoner: SSO, HRIS, CRM, betalingsleverandører og innholdsbiblioteker, slik at plattformen passer inn i enhver enterprise stack.

Datastyring gjelder på tvers av alt: data om lærende brukes aldri til å trene delte eller offentlige AI-modeller, under de samme ISO 27001-kompatible praksisene vi benytter for enterprise-kunder som Siemens Healthineers.

Hva dette endret, kort oppsummert

For Graspify gjorde trinnvis leveranse en dristig visjon til et produkt som kjører live bedriftsopplæring og genererer egne forbedringsdata. For LITTLEWINE gjorde to uker med strukturerte intervjuer en bred idé til et investorklart scope. Fellesnevneren: I EdTech slår dokumentert innsikt om lærende antakelser om lærende – i hvert eneste byggetrinn.

Om Startup House

Startup House er et programvareselskap med 50 ansatte basert i Warszawa, Polen, etablert i 2016, med 100+ produkter levert til kunder på 5 kontinenter. Vi jobber både med tidligfase EdTech-startups og etablerte læringsplattformer, fra discovery via MVP til langsiktig iterasjon.

Bygger du et EdTech-produkt? Bestill en 30-min samtale.

FAQ

Hvilke EdTech-produkter har Startup House bygget?

Startup House har bygget Graspify, en mikrolæringsplattform for bedrifter som er tatt i bruk i norske virksomheter og brukt til å trene hundrevis av ansatte under et bedriftsarrangement, og definert omfanget for LITTLEWINE, en B2B-plattform for vinopplæring, gjennom strukturert discovery med 10 brukerintervjuer på 2 uker. Vi ruller også ut AI-læringsverktøy (KnowHub, InProduct AI, SmartSearch) for eksisterende plattformer.

Jobber Startup House med tidligfase EdTech-startups?

Ja. Graspify startet som et konsept uten produkt, og vi leverte discovery, design, MVP og versjon 2.0. Vi jobber også med etablerte plattformer som legger til AI-kapasitet eller skalerer infrastrukturen.

Hvor lang tid tar det å bygge en EdTech-plattform?

AI-læringsverktøy som KnowHub og InProduct AI kan gå live på så lite som 2 uker når innholdet er klart. Skreddersydde bygg følger en trinnvis modell, typisk 4–12 uker til en første brukbar versjon avhengig av omfang, med brukertesting innebygd i hver fase.

Hvordan sikrer Startup House at AI gir korrekte svar i en læringssammenheng?

Alle våre AI-produkter for EdTech opererer med en modell for verifiserte svar: AI-en svarer kun fra godkjent innhold, kan ikke svare fra offentlige treningsdata, og siterer hvert svar tilbake til et spesifikt kildedokument.

Brukes data om lærende til å trene AI-modeller?

Aldri. Data om lærende forblir i kundens miljø og brukes ikke til å trene delte eller offentlige AI-modeller, under ISO 27001-kompatibel datastyring.