Edtech-utveckling hos Startup House: vad vi har byggt och vad det har förändrat

Viktiga fakta i korthet

• Flaggskeppsbygge inom EdTech: Graspify, en microlearning-plattform för företagsutbildning, tagen från koncept via MVP till version 2.0, med version 2.1 planerad, implementerad hos norska företag
• Bevis på skalbarhet: I augusti 2022 använde en Graspify-kund plattformen för att utbilda hundratals anställda under ett företagsevenemang
• Discovery-first-arbetssätt: LITTLEWINE, en B2B-plattform för vinutbildning, definierad genom 10 användarintervjuer på 2 veckor med vinmakare, inköpare, sommelierer och konsumenter
• AI-baserade lärverktyg: KnowHub och InProduct AI kan gå live på så lite som 2 veckor när innehållet är förberett
• Leveransmodell: stegvis utveckling med separata budgetar per fas och verklig användartestning före varje nästa steg

Varför EdTech-produkter misslyckas – och vad vi gör annorlunda

EdTech-plattformar faller oftare på UX än på teknik. Deltagare hoppar av när gränssnitt inte matchar hur människor faktiskt lär sig. Innehållet skalar inte. Onboarding tar för lång tid. ROI förblir osynligt för dem som betalar för plattformen.

Vårt svar är processdisciplin: definiera utfallet först, bygg i etapper med egna budgetar per fas och testa med verkliga användare innan varje nästa steg. Så här såg det ut i projekten nedan.

Graspify: från djärv idé till företagsutbildning i skarp drift

Kunden: Graspify, en norsk startup som vill förändra företagsutbildning med en microlearning-plattform som kombinerar lärande med en forskningsbaserad inlärningsprocess. Samarbete sedan januari 2021.

Utmaningen: Förvandla en djärv vision till en fungerande produkt och hitta rätt form för "Grasps", de korta minikurserna på 5–6 slides som är plattformens kärna. Hur lång bör en vara? Hur komplex? Hur enkel? Den balansen var kärnproblemet i designen och kunde inte lösas med åsikter.

Så arbetade vi: Vi delade upp projektet i mindre steg, vart och ett med egen budget och egen omgång användartester, både 1‑mot‑1 och i vänliga grupper. I januari 2021 genomförde vi Product Discovery och tog fram visionen för Graspify 1.0. Därefter kom MVP (versionerna 1.0 och 1.1), följt av den utökade version 2.0, med version 2.1 planerad baserat på data från faktisk användning.

Vad som ändrades:

• Graspify rullades ut hos flera norska företag.
• I augusti 2022 använde en Graspify-kund MVP 2.0 för att utbilda hundratals anställda under ett företagsevenemang.
• Evenemangen genererade betydande data för analys, vilket matade direkt in i planen för version 2.1.

Plattformen låter företag skapa eget innehåll, bjuda in medarbetare, hantera åtkomster, följa framsteg och rekommendera kurser. Den etappvisa modellen innebar att Graspify aldrig band upp en full utvecklingsbudget på en icke-validerad hypotes.

Läs case-studien om Graspify

LITTLEWINE: ta fram ramarna för en kunskapsplattform tillsammans med dem som ska använda den

Kunden: LITTLEWINE, en brittisk B2B SaaS som demokratiserar vinutbildning och kunskapsutbyte mellan proffs och vinmakare. Samarbete sedan november 2021.

Utmaningen: Göra vinkunskap tillgänglig direkt från vinmakare, utan mellanhänder som späder ut autenticiteten, och validera B2B-inriktningen innan man förbinder sig till utveckling.

Så arbetade vi: En serie workshops som täckte konkurrentanalys, kundbehov och potentiella intäktsströmmar, därefter wireframe-prototypning förankrad i användarinsikter och marknadsundersökning. Det avgörande steget: 10 användarintervjuer över 2 grupper (vinmakare, inköpare, sommelierer, konsumenter) genomförda inom 2 veckor.

Vad som ändrades: LITTLEWINE fick en komplett definition av B2B-produktens scope samt MVP-estimat i flera varianter, framtaget för pitchar till tidiga investerare. Funktioner inkluderade dedikerade vinmakarkonton med uppladdning av innehåll, personliga samlingar, en databas över regioner och druvsorter samt avancerad sökning.

Så här ser EdTech-discovery ut när målgruppen är nischad: du pratar med de faktiska proffsen, snabbt, innan någon skriver produktionskod.

Läs case-studien om LITTLEWINE

AI i EdTech: lärverktyg som bara svarar utifrån ditt innehåll

För lärplattformar är ett felaktigt svar inte en bugg. Det undergräver läranderesultat och kan skapa ansvarsrisker. Därför bygger alla våra AI-produkter för EdTech på en modell med verifierade svar: AI:n svarar endast med godkänt innehåll, kan inte generera svar från offentlig träningsdata och citerar varje svar tillbaka till en källdokument.

• KnowHub förvandlar din kunskapsbas till en 24/7 lärassistent som svarar på alla språk, på vilken enhet som helst.
• InProduct AI läser din kodbas, skriver sin egen dokumentation och guidar användare genom din plattform och dina kurser.
• SmartSearch förstår vad en deltagare letar efter, inte bara orden de skrev, och verifierar varje resultat med en verifiering av fakta.
• För befintliga plattformar bygger vi också ett conversational AI‑lager ovanpå äldre LMS‑system, så att användare får tillgång till data på naturligt språk utan en omskrivning av systemet.

KnowHub och InProduct AI kan implementeras på så lite som 2 veckor när ditt innehåll eller din kodbas är förberedd. Skräddarsydda plattformsbyggen följer en etappvis modell, vanligtvis 4–12 veckor till en första användbar version beroende på omfattning.

Vad vi bidrar med utöver AI

Full‑stack‑leverans inom EdTech täcker allt övrigt en lärprodukt behöver:

• UX och lärandeupplevelse (LXD): onboardingflöden, kursstrukturer, vaneskapande framstegsspårning och bedömnings‑UX, användartestat i varje steg.
• Analys och learning intelligence: dashboards som visar vilket innehåll fungerar, var deltagare hoppar av och vad som förutspår slutförande – innan en deltagare riskerar att hoppa av.
• Molninfrastruktur: byggd på GCP, AWS eller Azure för att hantera trafiktoppar, samtidiga sessioner och globala användare, med CI/CD och 24/7-supportnivåer.
• Plattformsintegrationer: SSO, HRIS, CRM, betalningsleverantörer och innehållsbibliotek, så att plattformen passar in i vilken enterprise‑stack som helst.

Datastyrning gäller för allt: deltagardata används aldrig för att träna delade eller offentliga AI‑modeller, enligt samma ISO 27001‑kompatibla rutiner som vi tillämpar för enterprise‑kunder som Siemens Healthineers.

Vad detta förändrade – sammanfattat i en paragraf

För Graspify förvandlade etappvis leverans en djärv vision till en produkt som driver företagsutbildning i skarp drift och genererar sina egna förbättringsdata. För LITTLEWINE omvandlade två veckors strukturerade intervjuer en bred idé till ett investerarklart scope. Den röda tråden: inom EdTech slår bevis om deltagare antaganden om deltagare – i varje skede av bygget.

Om Startup House

Startup House är ett mjukvarubolag med 50 personer baserat i Warszawa, Polen, grundat 2016, med 100+ produkter levererade till kunder på 5 kontinenter. Vi arbetar både med tidiga EdTech‑startups och etablerade lärplattformar – från discovery via MVP till långsiktig iteration.

Bygger du en EdTech‑produkt? Boka ett 30‑minuters samtal.

FAQ

Vilka EdTech‑produkter har Startup House byggt?

Startup House byggde Graspify, en företagsorienterad microlearning‑plattform som implementerats hos norska företag och användes för att utbilda hundratals anställda under ett företagsevenemang, och tog fram scope för LITTLEWINE, en B2B‑plattform för vinutbildning, genom strukturerad discovery med 10 användarintervjuer på 2 veckor. Vi rullar också ut AI‑baserade lärverktyg (KnowHub, InProduct AI, SmartSearch) för befintliga plattformar.

Arbetar Startup House med tidiga EdTech‑startups?

Ja. Graspify startade som ett koncept utan produkt, och vi levererade discovery, design, MVP och version 2.0. Vi arbetar också med etablerade plattformar som lägger till AI‑funktioner eller skalar infrastruktur.

Hur lång tid tar det att bygga en EdTech‑plattform?

AI‑baserade lärverktyg som KnowHub och InProduct AI kan gå live på så lite som 2 veckor när innehållet är förberett. Skräddarsydda byggen följer en etappvis modell, vanligtvis 4–12 veckor till en första användbar version beroende på omfattning, med användartestning inbyggd i varje fas.

Hur säkerställer Startup House att AI ger korrekta svar i ett lärsammanhang?

Alla våra AI‑produkter för EdTech bygger på en modell med verifierade svar: AI:n svarar bara från godkänt innehåll, kan inte svara från offentlig träningsdata och citerar varje svar tillbaka till ett specifikt källdokument.

Används deltagardata för att träna AI‑modeller?

Aldrig. Deltagardata stannar i kundens miljö och används inte för att träna delade eller offentliga AI‑modeller, enligt ISO 27001‑kompatibel datastyrning.