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

Innholdsfortegnelse
Prosessen i ett bilde
| Fase | Hva skjer | Typisk varighet |
|---|---|---|
| Første kontakt | Du deler ideen eller forretningsutfordringen; discovery‑workshop og detaljert prosjektbrief | Dager |
| Product Discovery | Research, problemdefinisjon, prototyping, brukertesting | 4 til 8 uker |
| Scope Building | Funksjonsprioritering, teknisk gjennomførbarhet, testede wireframes, kostnadsestimat | 2 til 5 uker |
| MVP‑utvikling | Design, utvikling, brukertesting, lansering | MVP: fra kickoff til første bruker på så lite som 1 uke |
| Quality Engineering | Innebygd i hver sprint; oppsett fra bunnen av | 2 til 3 uker for første oppsett |
| Vedlikehold & videreutvikling | Skyovervåking, QA, nye funksjoner, skalering | Løpende |
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:
- Research. Intervjuer med interessenter, markedsanalyse og konkurrentgjennomgang, med AI‑assistert analyse som øker dekningsgraden uten å forlenge tidslinjen.
- Problemdefinisjon. Datasyntese, problemformulering og brukerpersonas, prioritert opp mot forretningsmål.
- Idéutvikling. Løsninger samskapt med teamet ditt, rangert etter brukerverdi og forretningsmessig gjennomførbarhet.
- Prototyping. En low‑fidelity‑prototype med fokus på brukerflyt, der AI‑verktøy akselererer wireframing og iterasjon.
- Brukertesting. Prototypen testes med ekte brukere; funn dokumenteres og prioriteres.
- 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:
- Scoping og research. Markedsvalidering, der AI kartlegger konkurranselandskapet og stresstester kjerneantakelser.
- Produktdesign. Wireframes og en klikkbar prototype, der AI genererer flere designvarianter parallelt, så du kan velge mellom flere konsepter i stedet for ett.
- Brukertesting. Tilbakemeldinger samles inn og syntetiseres; fikser gjennomføres for å ferdigstille designene.
- 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

Du vil kanskje også like...

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
22. aug. 2026・8 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

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
30. nov. 2025・10 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

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
29. des. 2025・12 min lesing
Nylig lagt til

Implementering av PLLuM i bedriften: slik velger du en implementeringspartner og kommer i gang
PLLuM, den polske åpne språkmodellen, kan lastes ned gratis, men selve modellen er bare begynnelsen. Vi viser hvordan implementeringen av PLLuM ser ut – fra idé til et fungerende system – hva infrastrukturen koster, og hvilke spørsmål du bør stille implementeringspartneren.

Alexander Stasiak
06. nov. 2026・10 min lesing

Tilskudd og lån til AI og digitalisering 2026 – hvordan velge riktig teknologileverandør
Fra november 2026 kan bedrifter søke om PARP-lån på opptil 15 mill. zł med inntil 15 % ettergivelse, samt Ścieżka SMART B+R og Dig.IT-tilskudd. Vi viser hvilke programmer som finansierer innføring av AI og digitalisering, og hvilke krav en teknologileverandør må oppfylle for at prosjektet skal komme gjennom vurdering, gjennomføring og sluttoppgjør.

Alexander Stasiak
05. nov. 2026・10 min lesing

De beste AI-selskapene i Sentral- og Øst-Europa for enterprise-kunder
Å velge en teknologipartner for implementering av AI i enterprise-segmentet krever at man går utover de vanlige kriteriene for et programvarehus. I CEE-regionen (Sentral- og Øst-Europa) finnes det aktører som kombinerer global skala med dyp ingeniørkompetanse, og som tilbyr agentsystemer og RAG-kunnskapsbaser i samsvar med AI Act og DORA. Denne artikkelen presenterer en oversikt over verifiserte selskaper med dokumenterte AI-implementeringer for enterprise-segmentet.

Alexander Stasiak
04. nov. 2026・10 min lesing

De beste AI-selskapene innen fintech og forsikring (2027)
Å velge teknologipartner i regulerte bransjer er en beslutning med høy fallhøyde. Hvis du vil vite hvilke av de beste AI-selskapene for fintech og forsikring som opererer i Polen, oppsummerer denne artikkelen programvarehus, systemintegratorer og programvareleverandører som implementerer AI‑agenter, RAG‑kunnskapsbaser og dataanalyse i banker, fintech‑selskaper og hos forsikringsselskaper. Her finner du en sammenligningstabell, selskapsprofiler, krav i DORA, GDPR og AI Act, implementeringsprosessen samt en Startup House‑case med konkrete tall.

Alexander Stasiak
03. nov. 2026・12 min lesing

AI i matproduksjon: eksempler på implementeringer og implementeringspartnere (2027)
Matprodusenter står overfor kort holdbarhet, svingende råvarepriser og stadig strengere krav fra dagligvarekjeder. Derfor blir etterspørselsprognoser og produksjonsplanlegging i stadig større grad støttet av kunstig intelligens (AI). I denne gjennomgangen viser vi hvordan AI tas i bruk i matproduksjon i 2026 og 2027: eksempler på implementeringer og implementeringspartnere i Polen. Her finner du en sammenligning av implementeringspartnere (Startup House, Comarch, Sii Polska, TTMS) og verktøy (RELEX, o9 Solutions, Kinaxis), implementeringsprosessen, risikoer og svar på de vanligste spørsmålene.

Alexander Stasiak
02. nov. 2026・11 min lesing

AI-integrasjon med ERP og CRM (SAP, Comarch, Dynamics): slik fungerer det i praksis (2027)
Integrering av AI med ERP og CRM (SAP, Comarch, Dynamics) betyr i praksis å velge mellom tre modeller: en innebygd assistent fra systemleverandøren, et eget AI-lag koblet til via API, eller AI-agenter som opererer i systemene via MCP. Teksten er for mellomstore og store bedrifter i Polen som vil koble språkmodeller til eksisterende ERP- eller CRM-løsninger, også legacy. Her finner du en sammenligning av leverandørenes verktøy (SAP Joule, Microsoft Dynamics 365, Comarch ERP, Salesforce Agentforce, Oracle NetSuite), implementeringspartnere, implementeringsprosess, risikoer og en case-studie med konkrete tall.

Alexander Stasiak
01. nov. 2026・13 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.
