Hopp til hovedinnhold

Fra Discovery til vedlikehold: Slik gjennomfører Startup House et prosjekt steg for steg

Prosessen i ett bilde

FaseHva skjerTypisk varighet
Første kontaktDu deler ideen eller forretningsutfordringen; discovery‑workshop og detaljert prosjektbriefDager
Product DiscoveryResearch, problemdefinisjon, prototyping, brukertesting4 til 8 uker
Scope BuildingFunksjonsprioritering, teknisk gjennomførbarhet, testede wireframes, kostnadsestimat2 til 5 uker
MVP‑utviklingDesign, utvikling, brukertesting, lanseringMVP: fra kickoff til første bruker på så lite som 1 uke
Quality EngineeringInnebygd i hver sprint; oppsett fra bunnen av2 til 3 uker for første oppsett
Vedlikehold & videreutviklingSkyovervåking, QA, nye funksjoner, skaleringLøpende

Hver fase avsluttes med et konkret leverbart, og hver fase er valgfri: Hvis du allerede har research, kan du starte på Scope Building. Har du et definert scope, kan du starte på utvikling. Slik ser innholdet i hvert steg ut.

Steg 0: fra første samtale til prosjektbrief

Prosessen starter med at du deler ideen eller forretningsutfordringen din. Vi kjører en discovery‑workshop og utarbeider en detaljert prosjektbrief, deretter en Software Requirements Specification (SRS) som definerer scope, funksjoner og budsjett. Derfra lager vi en roadmap, setter på spesialister, og utviklingen kan begynne i løpet av noen uker – med full åpenhet, demoer og jevnlige oppdateringer underveis.

Steg 1: Product Discovery (4 til 8 uker)

Product Discovery er en strukturert research‑prosess som gjør antakelser til bevis før én eneste linje produksjonskode skrives. Den svarer på spørsmålet: Bør vi bygge dette?

De seks fasene:

  1. Research. Intervjuer med interessenter, markedsanalyse og konkurrentgjennomgang, med AI‑assistert analyse som øker dekningsgraden uten å forlenge tidslinjen.
  2. Problemdefinisjon. Datasyntese, problemformulering og brukerpersonas, prioritert opp mot forretningsmål.
  3. Idéutvikling. Løsninger samskapt med teamet ditt, rangert etter brukerverdi og forretningsmessig gjennomførbarhet.
  4. Prototyping. En low‑fidelity‑prototype med fokus på brukerflyt, der AI‑verktøy akselererer wireframing og iterasjon.
  5. Brukertesting. Prototypen testes med ekte brukere; funn dokumenteres og prioriteres.
  6. Handover. En beslutningsklar pakke: MVP‑spesifikasjon, kostnadsestimat og teknologiroadmap.

Dette får du: en validert prototype, en prioritert MVP‑funksjonsliste, et utviklingskostnadsestimat, brukerpersonas og teknologianbefalinger. Som Jonathan Goodman, grunnlegger av NegotiateNow, beskrev det: "During Product Discovery, SH helped me to understand the lean start-up way of product development with initial research, discovery workshops and many hours of discussion and iteration."

Steg 2: Scope Building (2 til 5 uker)

Der Discovery svarer "bør vi bygge dette?", svarer Scope Building "hva bygger vi helt konkret, og hva vil det koste?" Det er broen mellom å vite hva som skal bygges og faktisk å bygge det.

Prosessen: strukturerte workshops for visjonsjustering; funksjonsprioritering etter brukerverdi, forretningsmessig gjennomførbarhet og utviklingskost; en teknisk gjennomførbarhetsvurdering av seniorutviklere mot din eksisterende stack; high‑fidelity interaktive wireframes; målrettet brukbarhetstesting (der fikser koster timer, ikke sprinter); og en endelig MVP‑definisjon.

Dette får du: en ferdigstilt MVP‑funksjonsspesifikasjon, et utviklingskostnadsestimat, testede wireframes, en teknisk gjennomførbarhetsvurdering og dokumentasjon som er klar for utvikling. Hver prioriteringsbeslutning dokumenteres med begrunnelse, så interessenter vet hva som ble utsatt og hvorfor. Pakken står på egne ben: bygger du med en annen partner eller in‑house, mangler ingenting.

Steg 3: utvikling (MVP: til og med 1 uke til første bruker)

Utvikling skjer i fire faser:

  1. Scoping og research. Markedsvalidering, der AI kartlegger konkurranselandskapet og stresstester kjerneantakelser.
  2. Produktdesign. Wireframes og en klikkbar prototype, der AI genererer flere designvarianter parallelt, så du kan velge mellom flere konsepter i stedet for ett.
  3. Brukertesting. Tilbakemeldinger samles inn og syntetiseres; fikser gjennomføres for å ferdigstille designene.
  4. Utvikling og vedlikehold. Selve byggingen, etterfulgt av videreutvikling basert på brukertilbakemeldinger.

Arbeidet kjøres i agile sprinter med demoer og jevnlige oppdateringer. Å kunne pivotere underveis er planlagt for, ikke noe du straffes for: AI‑akselererte arbeidsflyter holder kostnaden ved å endre retning lav inntil dataene dine sier noe annet. I praksis kan en MVP gå fra kickoff til første bruker på så lite som 1 uke: vi bygger på velprøvde komponenter og skriver skreddersydd kode bare der det virkelig betyr noe, mens enterprise‑omfang forlenger tidslinjen.

Reelle eksempler fra casene våre: Simon Care Managements helse‑MVP gjennomførte 7 brukertestøkter med pasienter og omsorgspersoner. NegotiateNows markedsplass ble bygget på en no‑code‑stack for å nå markedet raskt. Doogie, vår interne AI‑showcase, gikk fra kickoff til fungerende applikasjon på 2 måneder.

Steg 4: Quality Engineering – integrert, ikke ettermontert

QA hos Startup House er Quality Engineering: testing er innebygd i utviklingsprosessen fra første sprint, ikke en port på slutten. Å sette opp en QE‑prosess for et produkt som allerede er i utvikling tar typisk 2 til 3 uker.

De fem stegene: kvalitetsaudit og teststrategi; testcasedesign mappet til produktkrav; manuell og automatisert testing (manuell for komplekse brukerreiser og edge cases, automatisert for regresjon og ytelse); ytelses‑ og sikkerhetstesting under reell last; og release sign‑off med CI/CD‑integrasjon.

Automatisering bruker Cypress eller Playwright, gradvis konvertert fra validerte manuelle testcaser, med AI‑assistert testskriving for å skalere praksisen. Dokumenterte testplaner og sign‑off‑rapporter lagres i repoet ditt, så når revisorer ber om QA‑bevis for ISO 27001‑, SOC 2‑ eller HIPAA‑kravene dine, ligger det der allerede.

Steg 5: vedlikehold og videreutvikling

Lansering er midtveis, ikke målstreken. Løpende arbeid omfatter kvalitetssikring, skytjenester med overvåking og kontinuerlig funksjonsutvikling. De fleste kunder fortsetter etter MVP: innarbeider brukertilbakemeldinger, legger til funksjoner og skalerer. Skyinfrastrukturen kjøres med CI/CD‑pipelines og støttenivåer helt opp til 24/7.

Mønsteret over tid vises i kundelisten vår: Siemens Financial Services siden 2016, sikkerhetsplattformen siden 2020, og Siemens Healthineers i mer enn 6 år. Vi bygger for fasen etter lansering – fordi det som regel er der vi fortsatt er, flere år senere.

Slik passer AI inn i hele prosessen

AI‑verktøy brukes i alle steg: research‑analyse i Discovery, parallelle designvariasjoner i prototyping, kodegenerering og testskriving i utvikling, og syntese av tilbakemeldinger i testing. Governance er konstant: menneskelig gjennomgang på hver commit, sikkerhetsskanning på hver push, og AI‑bruk dokumentert i pull requests.

Om Startup House

Startup House er et 50‑personers programvareselskap med base i Warszawa, Polen, etablert i 2016, i samsvar med ISO 27001, med 100+ produkter levert til kunder på 5 kontinenter.

Vil du se hvordan denne prosessen ser ut for produktet ditt? Bestill en 30‑minutters samtale.

FAQ

Hvor lang tid tar et fullt prosjekt hos Startup House?

Product Discovery varer 4 til 8 uker, Scope Building 2 til 5 uker, og en MVP kan gå fra kickoff til første bruker på så lite som 1 uke. AI‑produkter som KnowHub kan settes i produksjon på så lite som 2 uker når dataene er klare.

Må jeg starte med Product Discovery?

Nei. Har du veldokumentert brukerstudier og en definert verdiproposisjon, kan du starte direkte på Scope Building. Har du et validert scope, kan du starte på utvikling. Hver fases leveranser står på egne ben.

Hva får jeg etter Product Discovery?

En validert low‑fidelity‑prototype, en prioritert MVP‑funksjonsliste, et utviklingskostnadsestimat, dokumentasjon på brukerpersonas og teknologianbefalinger – alt du trenger for å starte utviklingen med klarhet.

Hvordan håndteres testing under utvikling?

Quality Engineering er innebygd fra første sprint: QE‑ingeniører jobber i sprintsyklusen, automatiserte tester (Cypress eller Playwright) kjører på hver build, og hver release går gjennom dokumentert sign‑off. Første QE‑oppsett tar 2 til 3 uker.

Hva skjer etter lansering?

De fleste kunder går videre til vedlikehold og videreutvikling: innarbeiding av brukertilbakemeldinger, nye funksjoner, QA og skyovervåking med støttenivåer helt opp til 24/7. Partnerskap med Startup House varer ofte i år, som med Siemens Financial Services siden 2016.

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

Digital Transformation Strategy for Siemens Finance

Cloud-based platform for Siemens Financial Services in Poland

See full Case Study
Ad image
Five glass spheres on a curved chrome rod, filling from empty to glowing green, symbolizing project stages from discovery to maintenance
KI-generert bilde
Ikke gå glipp av noe – abonner på nyhetsbrevet vårt
Jeg samtykker til å motta markedskommunikasjon fra Startup House. Klikk for detaljer

Du vil kanskje også like...

Cross-functional team reviewing application development phases and deliverables on a planning wall
Application developmentProduct discoveryTime to Market

Løsninger for applikasjonsutvikling

Løsninger for applikasjonsutvikling dekker hele spekteret fra strategisk discovery til kontinuerlig skalering, og hver fase har sine egne fallgruver. Denne guiden definerer hva moderne løsninger omfatter, forklarer hvorfor discovery fortjener reelle investeringer, og viser når skreddersydd utvikling slår generiske maler. Den gjennomgår sprintgjennomføring i smidig utvikling, bransjespesifikke krav og samarbeidsmodeller som passer ulike vekstfaser. Sikkerhet, compliance og avveininger rundt time-to-market behandles som ingeniørfaglige hensyn, ikke som ettertanker.

Alexander Stasiak

Alexander Stasiak

22. aug. 2026・8 min lesing

Two projects, one method: how phased delivery and real user testing took Graspify to live corporate training and gave LITTLEWINE an investor-ready scope.
Edtech transformationProduct discoveryAI In Education

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

Alexander Stasiak

02. okt. 2026・5 min lesing

Mental health app features for 2026 – AI, tracking, teletherapy, and privacy
Digital HealthProduct developmentMental Health Apps

Funksjoner i en psykisk helse-app

Apper for psykisk helse er for lengst blitt noe helt annet enn enkle meditasjons-tidtakere. I 2026 forventer brukerne personlig tilpasset støtte, evidensbasert innhold, robuste sikkerhetsfunksjoner og innebygd personvern.

Alexander Stasiak

Alexander Stasiak

30. nov. 2025・10 min lesing

An industrial technician reviewing predictive maintenance alerts with vibration and thermal sensor data on a plant floor
AI AgentsPredictive MaintenanceIndustry 4.0

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

Alexander Stasiak

29. aug. 2026・9 min lesing

An automated KYC verification flow showing identity documents, biometric matching and sanctions screening results
AI Agents ComplianceKYC

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

Marek Pałys

26. aug. 2026・10 min lesing

amification in financial services – engagement strategies for banks and fintechs
GamificationFintechFinancial Service

Gamification i finansbransjen 2026

Gamifisering innen finansielle tjenester er ikke lenger noe nytt. Banker og fintech-selskaper bruker nå spillmekanikker for å øke engasjementet, bygge bedre vaner og forbedre økonomiske resultater.

Alexander Stasiak

Alexander Stasiak

29. des. 2025・12 min lesing

Nylig lagt til

Glass paper airplane flying through a chrome ring, symbolizing a fast, automated leasing application
FinTechAutomationCase Study

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

Alexander Stasiak

06. okt. 2026・5 min lesing

Glass shield of four stacked layers with a glowing green core, symbolizing an AI agent embedded in a cybersecurity platform
AI AgentsCybersecurityCase Study

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

Marek Pałys

05. okt. 2026・5 min lesing

Five glass measuring cylinders filled with violet and green liquid to different levels, symbolizing measurable project outcomes
Business OutcomesCase StudyAI Projects

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

Alexander Stasiak

04. okt. 2026・5 min lesing

Glass medical capsule inside a protective glass sphere with a chrome ring, symbolizing compliance-first healthcare software
HealthtechHIPAA ComplianceAI in healthcare

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

Marek Pałys

03. okt. 2026・5 min lesing

Two projects, one method: how phased delivery and real user testing took Graspify to live corporate training and gave LITTLEWINE an investor-ready scope.
Edtech transformationProduct discoveryAI In Education

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

Alexander Stasiak

02. okt. 2026・5 min lesing

Glass and chrome balance scale holding green glass coins and a chrome padlock, symbolizing speed and control in fintech AI
FinTechAI in FinanceRegulatory Compliance

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

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.

Siemens logo
PwC logo
Toyota logo