15 frågor kunder ställer innan de påbörjar ett projekt med Startup House
Alexander Stasiak ・ Marek Pałys
25 sep. 2026・5 min lästid
Innehållsförteckning
Varje säljsamtal täcker samma område, och det är ett gott tecken: detta är rätt frågor att ställa till vilken mjukvarupartner som helst. Här är de 15 vi får oftast – med samma svar som vi ger på samtal.
Kostnader
1. Vad kostar ett projekt?
Mindre MVP-projekt ligger vanligtvis på 25 000–50 000 €. Enterprise-lösningar börjar på 200 000 € och uppåt, beroende på skala och compliance‑krav. De största kostnadsdrivarna är projektets storlek, komplexitet och nödvändiga integrationer. Efter ett discovery-samtal och scoping får ni en noggrann kostnadsuppskattning. Både Product Discovery och Scope Building avslutas med en utvecklingskostnad, så att ni allokerar byggbudgeten till ett validerat tal – inte en gissning.
2. Vad betalar jag för, exakt?
Utvecklingskapacitet och resultat – inte overhead. I team augmentation betalar ni för ingenjörernas arbete utan förmåner, kontorsyta eller outnyttjad tid mellan projekt; kostnaden kopplas direkt till leveransen. I managed‑modeller (Dedicated Team, AI‑Native Pod) täcker prissättningen det tvärfunktionella teamet plus delivery management.
3. Finns det en minsta bindningstid?
Åtaganden från en månad. De flesta augmentation‑uppdrag pågår i 3–12 månader och skalas upp eller ner när projektet utvecklas. Dedikerade team har inga långsiktiga åtaganden utöver den aktiva sprintcykeln.
Tid
4. Hur snabbt kan vi starta?
Shortlistade ingenjörsprofiler vanligtvis inom en vecka; onboarding klar inom 2–4 veckor efter ert val. För ett komplett Dedicated Team tar det några veckor från kickoff till första sprint. Utveckling på ett projekt med definierat scope startar inom veckor efter den inledande workshopen.
5. Hur lång tid tar min MVP?
En MVP kan gå från kickoff till första användare på så lite som 1 vecka. Riktiga exempel: Simon Care’s vård‑MVP formades av omfattande användartester med patienter; NegotiateNow’s marknadsplats byggdes på en no‑code‑stack för att nå marknaden snabbt. AI‑produkter som KnowHub eller SmartSearch kan gå live på så lite som 2 veckor när er data är förberedd.
6. Hur lång tid tar förstudiefasen?
Product Discovery pågår 4–8 veckor och besvarar ”ska vi bygga detta?”. Scope Building pågår 2–5 veckor och besvarar ”vad exakt bygger vi och vad kommer det att kosta?”. Har ni redan solid research kan ni gå direkt till Scope Building.
Team
7. Vilka kommer faktiskt att arbeta på mitt projekt?
Mid‑level och seniora specialister från vårt Warszawa‑baserade team på 50 personer: product managers, designers, frontend‑ och backend‑ingenjörer, QA och DevOps. Vi sätter inte juniorer i augmentation‑roller. Varje ingenjör genomgår teknisk assessment, code review, en strukturerad intervju och referenstagning innan shortlist – och ni godkänner varje teammedlem innan start.
8. Vem leder teamet?
Ert val av modell avgör. I Team Augmentation rapporterar ingenjörerna till era team leads i era processer. I ett Dedicated Team eller AI‑Native Pod driver vår delivery lead sprint planning, code review och retros – och ni sätter riktning och prioriteringar. I Build‑Operate‑Transfer leder vi teamet tills ni tar över.
9. Vad händer om en ingenjör inte är rätt match?
Vi startar omedelbart en ersättningsprocess, utan dröjsmål, så att er tidsplan skyddas. I dedikerade team säkras kontinuiteten genom en central delivery lead och seniora ingenjörer som ligger kvar över förändringar.
10. Kan vi skala teamet upp eller ner mitt i projektet?
Ja, med överenskommen framförhållning och utan långsiktiga minimikrav per ingenjör. Lägg till kapacitet för en kritisk sprint, minska när scopet stabiliseras. Scope‑ändring ses som normalt, inte som ett avtalsbrott.
Ägande och säkerhet
11. Vem äger koden?
Ni gör det. All kod, dokumentation, design och produktartefakter ni beställer tillhör er – inklusive full källkod, designfiler och deployment‑åtkomst. Ingen vendor lock‑in, inga licensavgifter. Överlämningsdokumentation skrivs så att den står på egna ben, oavsett om ni fortsätter med oss, ert interna team eller en annan partner.
12. Hur skyddas min data och IP?
NDA:er är standard. Startup House är ISO 27001 compliant, med GDPR‑kompatibel datahantering. För reglerade branscher anpassar vi oss till era krav enligt HIPAA, SOC 2 och DORA, och infrastruktur samt datahantering dokumenteras för era revisorer på begäran. I AI‑projekt används er data aldrig för att träna AI‑modeller, och bearbetningen stannar i er säkra miljö.
13. Ni använder AI i utvecklingen. Hur styrs det?
Våra team använder AI‑verktyg för kodgenerering, testskrivning och dokumentation. Tre regler gäller: ingen AI‑genererad kod skeppas utan manuell granskning av seniora ingenjörer, säkerhetsskanning körs på varje push, och AI‑användning dokumenteras i pull requests för full audit trail.
Matchning
14. Vilka typer av företag arbetar ni med?
Enterprises och produktbolag inom fintech, vård, cybersäkerhet, resor, logistik och utbildning – i Polen, Västeuropa, Skandinavien och USA. Kunder inkluderar Siemens Financial Services (sedan 2016), Siemens Healthineers, PwC, Toyota, Rainbow Tours, CHOOOSE och Omnipack. Vi arbetar även med tidiga produkter: Graspify gick från koncept till en plattform som kör live företagsutbildning.
15. Hur börjar vi?
Boka ett 30‑minuterssamtal. Ni delar idén eller affärsutmaningen, vi kör en discovery‑workshop och tar fram en detaljerad project brief, därefter en Software Requirements Specification som definierar scope, funktioner och budget. Därifrån: roadmap, teamtillsättning och utveckling inom veckor – med demos och löpande uppdateringar hela vägen.
Mönstret bakom svaren
Tre principer ligger bakom alla femton svar. Estimat följer validering, så ni allokerar budget till testat scope. Teamen anpassas efter er roadmap, eftersom scope‑förändring är normen i produktutveckling. Och allt vi bygger är ert – för en partner ni stannar hos av eget val är bättre än en ni är inlåsta i.
Om Startup House
Startup House är ett tvärfunktionellt mjukvaruutvecklingsbolag med 50 personer baserat i Warszawa, Polen, grundat 2016, ISO 27001 compliant, med 100+ levererade produkter, kund‑NPS på 75 och kunder på 5 kontinenter. Listat av Financial Times och Statista bland Europas snabbast växande företag 2022 och 2023.
Har du en sextonde fråga? Boka ett 30‑minuterssamtal.
Så skapades den här artikeln. Utkast med AI-stöd, därefter faktagranskat och redigerat av vårt team. Redaktionellt ansvar: Startup Development House sp. z o.o. Läs vår policy för AI-innehåll
Alexander StasiakAlexander Stasiak – medgrundare och styrelseledamot i SH. Sedan 2016 har han och hans team utvecklat mjukvara och AI-lösningar för finans, tillverkning och FMCG-bolag, bl.a. Siemens, Toyota och PwC. Han fokuserar på implementationer med mätbar effekt.Marek PałysMarek Pałys – Co-Founder på Startup House med över 15 års erfarenhet av att bygga digitala företag. Tidigare Head of Groupon Goods på Groupon Poland och expert på lean product strategy, hjälper han företag att omvandla affärsmål till fungerande mjukvara.Digital Transformation Strategy for Siemens Finance
Cloud-based platform for Siemens Financial Services in Poland
Du kanske också gillar...
Nearshore IT-tjänster
Nearshore IT förklarat — talang i samma tidszon, samarbete i realtid och lägre kostnader. Modellerna, fördelarna och hur du väljer (och granskar) en partner.
Alexander Stasiak
18 juni 2026・10 min lästid
Outsourcing av applikationer
Att outsourca applikationer är lika mycket en styrningsfråga som en sourcingfråga. Den här guiden förklarar det strategiska värdet av applikationsoutsourcing, jämför de centrala samarbetsmodellerna och går igenom val av teknikstack och branschspecifika krav. Den följer outsourcingens livscykel från discovery till scaling och granskar sedan ekonomin ärligt – inklusive när skenbara besparingar i praktiken blir omarbete. Avsnitt om engineering culture, platform engineering och hur AI påverkar outsourcing fullbordar bilden.
Alexander Stasiak
18 aug. 2026・9 min lästid
Outsourcing av mjukvaruutvecklare
Outsourcing av utvecklare ger dig senior kompetens utan krånglet och kostnaderna med att anställa lokalt, förutsatt att du utvärderar partners utifrån rätt kriterier. Den här guiden förklarar den strategiska logiken bakom outsourcing, varför tillväxtbolag och startups väljer det, och hur du bedömer en potentiell partner utöver deras portföljsida. Den tar upp branschspecifika krav, fallgropar som kostar mer än de sparar, samt skillnaden mellan att betala för kvalitet och att jaga lågt pris. Guiden avslutas med en praktisk checklista för att komma igång med ditt första samarbete.
Alexander Stasiak
12 juli 2026・7 min lästid
Mjukvaruutvecklingsbyrå
En mjukvaruutvecklingsbyrå ger dig en komplett utvecklingsavdelning – utan att behöva gå igenom en rekryteringsprocess. Den här guiden förklarar vad byråer faktiskt levererar, från product discovery och UI/UX till full‑stack‑utveckling, QA och långsiktig molndrift. Du får se hur byråsamarbeten står sig mot in‑house‑team när det gäller tempo, kostnadsstruktur och skalbarhet – och vilken samarbetsmodell som passar din fas bäst. Vi lyfter också varningsflaggorna som avslöjar när en partner riskerar att kosta dig betydligt mer än de sparar.
Alexander Stasiak
09 juli 2026・8 min lästid
Så här ser samarbetet med Startup House ut: ingenjörer, scope-ändringar och IP-ägande
Innan du skriver avtal med en mjukvarupartner ställer kunder oftast tre frågor: Vem kommer att arbeta med min produkt, vad händer när prioriteringar ändras och vem äger det vi bygger? Den här artikeln besvarar alla tre utifrån de faktiska villkor som Startup House arbetar enligt. Du får se hur utvecklare kvalitetssäkras och godkänns av dig, hur team skalas upp eller ned med överenskommen framförhållning och varför all kod, design och dokumentation tillhör dig – utan leverantörsinlåsning. Den tar också upp de fyra samarbetsmodellerna och reglerna som styr AI‑assisterad leverans.
Alexander Stasiak
27 sep. 2026・5 min lästid
AI-agenter för prediktivt underhåll och utrustningsdriftsäkerhet
Hur autonoma agenter läser vibrationsdata, termiska data och akustiska data för att förutse fel flera veckor i förväg — och agerar på dem utan att behöva mänsklig inblandning.
Alexander Stasiak
29 aug. 2026・9 min lästid
Nyligen tillagda
Hur Startup House fick ner tiden för leasingansökningar till 2 minuter för Siemens Financial Services
Leasing brukade innebära pappersarbete, manuella kreditprövningar och beslut som fick vänta till kontorstid. För Siemens Financial Services Poland ersatte Startup House det med SimplyLease Online: en ansökan som kunder fyller i på cirka 2 minuter och ett automatiskt kreditbeslut som levereras på ungefär 7 minuter, dygnet runt. Den här fallstudien visar hur plattformen byggdes enligt Siemens Groups säkerhetsstandarder, hur den kopplas till Siemens system och externa dataleverantörer, och vad ett partnerskap som pågått sedan 2016 har levererat. Den avslutas med tre lärdomar som gäller för nästan alla finansierings- eller låneprodukter.
Alexander Stasiak
06 okt. 2026・5 min lästid
Hur en cybersäkerhetsplattform för Fortune 500-företag minskade onboardingtiden med 95 % genom en AI-agent utvecklad av Startup House
En cyberriskplattform betrodd av Fortune 500-företag hade ett välbekant problem: kunderna hade förtroende för den men öppnade den bara en gång per kvartal, och onboarding tog 45 minuter med guidad konfiguration. Startup House byggde Aria, en AI-agent inbyggd i produkten, med ett gränssnitt i fyra lager som betjänar styrelseledamöter, CFO:er och CISO:er i en och samma panel. Tiden för onboarding minskade med 95 % till under 2 minuter, utforskningen av data blev helt self-service och plattformen förvandlades till ett dagligt beslutsstöd. Den här fallstudien förklarar gränssnittet, tenant isolation-arkitekturen och varför inget av detta krävde några ändringar i plattformens kärnkodbas.
Marek Pałys
05 okt. 2026・5 min lästid
AI- och digitala projekt från Startup House: 5 mätbara resultat i siffror
Det är lätt att komma med påståenden i mjukvaruutveckling, så den här artikeln håller sig till siffror. Den går igenom fem resultat från Startup House kundprojekt, från en 95 % minskning av onboarding-tiden med en inbyggd AI-agent till en 40 % minskning av utvecklingskostnaderna för Omnipack. Varje avsnitt beskriver vilken typ av arbete som gav siffran och länkar till den offentliga fallstudien bakom den. Det avslutande avsnittet lyfter fram tre gemensamma mönster i projekten, värda att ta efter oavsett om du samarbetar med oss eller inte.
Alexander Stasiak
04 okt. 2026・5 min lästid
Mjukvaruutveckling inom healthtech på Startup House: projekt och resultat med regelefterlevnad i fokus
I hälso- och sjukvårdsmjukvara är regelefterlevnad antingen ett arkitekturval från start eller något som byggs på i efterhand. Den här artikeln visar hur det ser ut när man bygger in det från dag ett, genom tre projekt hos Startup House: en försäljningsplattform för Siemens Healthineers som används i mer än 60 länder, en MVP för demensvård formad av 7 användartester med patienter och anhörigvårdare, samt Doogie, en HIPAA-klassad AI‑demo byggd på 2 månader. Den förklarar också hur RAG gör kliniska AI-svar spårbara till verifierade källor och varför patientdata aldrig används för att träna modeller. För MedTech-bolag och hälsoinriktade SaaS-plattformar är det här en praktisk genomlysning av vad compliance-first-utveckling innebär i verkligheten, bortom etiketten.
Marek Pałys
03 okt. 2026・5 min lästid
Edtech-utveckling hos Startup House: vad vi har byggt och vad det har förändrat
EdTech-plattformar faller oftare på UX än på tekniken: användare faller ifrån, innehållet skalar inte och ROI förblir osynlig. Den här artikeln visar hur Startup House undviker det med leverans i faser och riktiga användartester, med två projekt som bevis. Graspify gick från en djärv idé till en microlearning-plattform som utbildade hundratals medarbetare under ett företagsevent, och LITTLEWINE tog fram ett investerarklart scope genom 10 användarintervjuer på 2 veckor. Den tar också upp AI-lärverktyg som bara svarar utifrån godkänt innehåll och kan gå live på så lite som 2 veckor.
Alexander Stasiak
02 okt. 2026・5 min lästid
AI inom fintech: Startup House-projekt, lärdomar och resultat
Fintech-kunder förväntar sig snabbhet i nivå med konsumentappar, medan tillsynsmyndigheter kräver kontroll på banknivå. Den här artikeln visar hur Startup House har hanterat den balansgången i tre projekt: automatiserade kreditbeslut dygnet runt för Siemens Financial Services, en cyberriskplattform som ökade intäkterna med 150 % på ett år, och ett klimatfintech-team för CHOOOSE som sattes ihop på två veckor. Varje projekt följs av den lärdom det gav oss. Artikeln avslutas med fem regler för AI i finans, från att förankra varje svar i verifierad data till att bygga in tenant isolation i arkitekturen.
Marek Pałys
01 okt. 2026・5 min lästid
Redo att centralisera din kunskap med AI?
Starta ett nytt kapitel inom kunskapshantering — där AI-assistenten blir den centrala pelaren i din digitala supportupplevelse.
Jobba med ett team som ledande företag litar på.
