Från förstudie till underhåll: hur Startup House genomför ett projekt steg för steg

Innehållsförteckning
Processen i en överblick
| Fas | Vad som händer | Typisk tidsåtgång |
|---|---|---|
| Första kontakten | Du delar idén eller affärsutmaningen; discovery-workshop och detaljerad projektbrief | Dagar |
| Product Discovery | Research, problemdefinition, prototypande, användartester | 4–8 veckor |
| Scope Building | Funktionsprioritering, teknisk genomförbarhet, testade wireframes, kostnadsestimat | 2–5 veckor |
| MVP-utveckling | Design, bygge, användartester, lansering | MVP: från kickoff till första användare på så lite som 1 vecka |
| Quality Engineering | Inbäddat i varje sprint; uppsättning från grunden | 2–3 veckor för initial uppsättning |
| Underhåll & vidareutveckling | Molnövervakning, QA, nya funktioner, skalning | Löpande |
Varje fas avslutas med en konkret leverabel och varje fas är valfri: har ni redan research kan ni starta på Scope Building. Har ni ett scope kan ni börja direkt i utveckling. Så här går det till i varje steg.
Steg 0: från första samtal till projektbrief
Processen börjar med att du delar din idé eller affärsutmaning. Vi genomför en discovery-workshop och tar fram en detaljerad projektbrief samt en Software Requirements Specification (SRS) som definierar scope, funktioner och budget. Därifrån skapar vi en roadmap, tillsätter specialister och utvecklingen kan börja inom några veckor – med full transparens, demoer och regelbundna uppdateringar hela vägen.
Steg 1: Product Discovery (4–8 veckor)
Product Discovery är en strukturerad researchprocess som omvandlar antaganden till evidens innan en enda rad produktionskod skrivs. Den besvarar frågan: ska vi bygga det här?
De sex faserna:
- Research. Intervjuer med intressenter, marknadsanalys och konkurrentgenomgång, med AI-assisterad analys som ökar täckningen utan att förlänga tidslinjen.
- Problemdefinition. Datasyntes, problemformulering och användarpersonas, prioriterat mot affärsmålen.
- Idégenerering. Samskapade lösningar med ert team, rankade efter användarnytta och affärsmässig genomförbarhet.
- Prototypande. En low-fidelity-prototyp med fokus på användarflöde, där AI-verktyg accelererar wireframing och iteration.
- Användartester. Prototypen testas med riktiga användare, insikter dokumenteras och prioriteras.
- Överlämning. Ett beslutsunderlag klart att använda: MVP-specifikation, kostnadsestimat och tech-roadmap.
Det här får du: en validerad prototyp, en prioriterad funktionslista för MVP, ett kostnadsestimat för utveckling, användarpersonas och tech-rekommendationer. Som Jonathan Goodman, grundare 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 (2–5 veckor)
Där Discovery svarar på "ska vi bygga det här?", svarar Scope Building på "vad exakt ska vi bygga och vad kommer det att kosta?" Det är bron mellan att veta vad som ska byggas och att faktiskt bygga det.
Processen: strukturerade workshops för samsyn i visionen, funktionsprioritering utifrån användarnytta, affärsmässig genomförbarhet och utvecklingskostnad, en teknisk genomförbarhetsgranskning av seniora ingenjörer mot er befintliga stack, high-fidelity interaktiva wireframes, riktade användbarhetstester (där åtgärder kostar timmar, inte sprintar) och en slutlig MVP-definition.
Det här får du: en färdigställd MVP-funktionsspecifikation, ett utvecklingskostnadsestimat, testade wireframes, en teknisk genomförbarhetsbedömning och dokumentation redo för utveckling. Varje prioriteringsbeslut dokumenteras med sin motivering, så att intressenter vet vad som skjutits upp och varför. Paketet står på egna ben: om ni bygger med en annan partner eller in-house saknas ingenting.
Steg 3: utveckling (MVP: från kickoff till första användare på 1 vecka)
Utvecklingen körs i fyra faser:
- Scoping och research. Marknadsvalidering, där AI kartlägger konkurrenslandskapet och stresstestar kärnantaganden.
- Produktdesign. Wireframes och en klickbar prototyp, med AI som genererar flera designvarianter parallellt så att ni kan välja mellan flera koncept i stället för ett.
- Användartester. Feedback samlas in och syntetiseras, åtgärder genomförs för att färdigställa designen.
- Utveckling och underhåll. Själva bygget, följt av förfining av funktioner baserat på användarfeedback.
Arbetet drivs i agila sprintar med demoer och regelbundna uppdateringar. Att byta riktning mitt i bygget är inplanerat, inte något som straffas: AI-accelererade arbetsflöden håller kostnaden för att byta riktning låg tills er data säger något annat. I praktiken kan en MVP gå från kickoff till första användare på så lite som 1 vecka: vi bygger på beprövade komponenter och skriver skräddarsydd kod bara där det gör skillnad, medan enterprise-omfång förlänger tidslinjen.
Konkreta exempel ur våra case studies: Simon Care Managements vård-MVP gick igenom 7 användartestsessioner med patienter och vårdgivare. NegotiateNows marknadsplats byggdes på en no-code-stack för att nå marknaden snabbt. Doogie, vårt interna AI-showcase, gick från kickoff till fungerande applikation på 2 månader.
Steg 4: Quality Engineering – inbyggt, inte påklistrat
QA på Startup House är Quality Engineering: testning inbyggd i utvecklingsprocessen från första sprinten, inte en grind i slutet. Att sätta upp en QE-process för en produkt som redan är i utveckling tar vanligtvis 2 till 3 veckor.
De fem stegen: en kvalitetsaudit och teststrategi, testfallsdesign mappad mot produktkrav, manuell och automatiserad testning (manuell för komplexa resor och edge cases, automatiserad för regression och prestanda), prestanda- och säkerhetstestning under verklig last samt release sign-off med CI/CD-integration.
Automationen använder Cypress eller Playwright, gradvis konverterat från validerade manuella testfall, med AI-assisterad testskrivning för att skala praktiken. Dokumenterade testplaner och sign-off-rapporter ligger i ert repository, så när revisorer ber om QA-underlag för era ISO 27001-, SOC 2- eller HIPAA-krav finns det redan där.
Steg 5: underhåll och vidareutveckling
Lanseringen är mittpunkten, inte mållinjen. Det löpande arbetet omfattar kvalitetssäkring, molntjänster med övervakning och fortsatt funktionsutveckling. De flesta kunder fortsätter efter MVP: inkorporerar användarfeedback, lägger till funktioner och skalar. Molninfrastrukturen körs med CI/CD-pipelines och supportnivåer upp till 24/7.
Det långsiktiga mönstret syns i vår kundlista: Siemens Financial Services sedan 2016, cybersäkerhetsplattformen sedan 2020 och Siemens Healthineers i mer än 6 år. Vi bygger för fasen efter lansering, eftersom det oftast är där vi fortfarande är – år senare.
Så passar AI in genom hela processen
AI-verktyg löper genom varje fas: forskningsanalys i Discovery, parallella designvarianter i prototypandet, kodgenerering och testskrivning i utvecklingen samt feedbacksyntes i testningen. Styrning är konstant: manuell granskning på varje commit, säkerhetsskanning på varje push och AI-användning dokumenterad i pull requests.
Om Startup House
Startup House är ett mjukvarubolag med cirka 50 personer baserat i Warszawa, Polen, grundat 2016, i linje med ISO 27001, med 100+ produkter levererade till kunder på 5 kontinenter.
Vill du se hur processen ser ut för din produkt? Boka ett 30-minuterssamtal.
FAQ
Hur lång tid tar ett helt projekt hos Startup House?
Product Discovery tar 4–8 veckor, Scope Building 2–5 veckor, och en MVP kan gå från kickoff till första användare på så lite som 1 vecka. AI-produkter som KnowHub kan gå i drift på så lite som 2 veckor när data är på plats.
Måste jag börja med Product Discovery?
Nej. Har du väl dokumenterad användarresearch och ett definierat värdeerbjudande kan du börja direkt på Scope Building. Har du ett validerat scope kan du starta i utveckling. Varje fas levererar fristående underlag.
Vad får jag efter Product Discovery?
En validerad low-fidelity-prototyp, en prioriterad MVP-funktionslista, ett kostnadsestimat för utveckling, dokumentation för användarpersonas och tech-rekommendationer – allt du behöver för att börja utveckling med tydlighet.
Hur hanteras testning under utvecklingen?
Quality Engineering är inbyggt från första sprinten: QE-ingenjörer arbetar i sprintcykeln, automatiserade tester (Cypress eller Playwright) körs på varje build och varje release går igenom dokumenterad sign-off. Den initiala QE-uppsättningen tar 2–3 veckor.
Vad händer efter lansering?
De flesta kunder går vidare till underhåll och vidareutveckling: inkorporering av användarfeedback, nya funktioner, QA och molnövervakning med supportnivåer upp till 24/7. Partnerskap med Startup House pågår ofta i flera år, som med Siemens Financial Services sedan 2016.
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
Publicerad den 26 september 2026
Digital Transformation Strategy for Siemens Finance
Cloud-based platform for Siemens Financial Services in Poland


Du kanske också gillar...

Lösningar för applikationsutveckling
Lösningar för applikationsutveckling täcker hela resan från strategisk discovery till kontinuerlig skalning, och varje fas har sina egna fallgropar. Den här guiden förklarar vad moderna lösningar omfattar, varför discovery förtjänar verkliga investeringar och när skräddarsydd utveckling slår generiska mallar. Den går igenom hur man genomför agila sprintar, branschspecifika krav och samarbetsmodeller som passar olika tillväxtfaser. Säkerhet, regelefterlevnad och avvägningar kring time-to-market behandlas som ingenjörsmässiga frågor, inte som något som läggs till i efterhand.

Alexander Stasiak
22 aug. 2026・8 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

Personanpassade banktjänster med AI
AI-driven personalisering gör banker till proaktiva finansiella partner genom att i realtid skräddarsy kundupplevelser, rådgivning och erbjudanden för varje kund. Den här guiden går igenom de viktigaste användningsfallen, mätbar affärsnytta och vad som krävs för att skala upp personalisering på ett säkert sätt.

Alexander Stasiak
08 dec. 2025・15 min lästid

Generativ AI för företag: så tar ni steget bortom ChatGPT till integrerat affärsvärde
Upptäck hur stora företag tar steget bortom ChatGPT och integrerar AI i arbetsflöden, data och beslutsfattande.

Alexander Stasiak
27 feb. 2026・12 min lästid

Funktioner i en app för psykisk hälsa
Appar för psykisk hälsa är i dag mycket mer än bara enkla nedräknare för meditation. År 2026 förväntar sig användarna personanpassat stöd, evidensbaserat innehåll, robusta säkerhetsfunktioner och privacy-by-design.

Alexander Stasiak
30 nov. 2025・10 min lästid

Moderna verktyg för teknisk dokumentation (2026 års guide)
Statiska PDF-filer som cirkulerar via e-post kan inte hålla jämna steg med veckovisa releasecykler och växande användarförväntningar. År 2026 ser de bästa utvecklingsteamen dokumentation som en levande produkt – versionshanterad, samarbetsvänlig, AI-förstärkt och tätt integrerad i deras utvecklingsarbetsflöden. Den här guiden går igenom alla huvudkategorier av moderna verktyg för teknisk dokumentation, presenterar de ledande plattformarna och ger dig ett praktiskt ramverk för att välja rätt verktygsstack utifrån teamets storlek, tekniska mognad och dokumentationsmål.

Alexander Stasiak
01 mars 2026・18 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.
