AI i produktdiscovery: gör syntesen själv först

Ett produktteam som intervjuar kunder har numera en modell som sammanfattar intervjuerna på sekunder, klustrar feedbacken och skriver ett utkast till möjlighetsträdet före lunch. Frågan är vad det gör med teamets förståelse för sina kunder. Det ärliga svaret från dem som har prövat är att allt hänger på vem som läser först.

Vad är en modell bra på i discovery?

Tre saker, och det är de mest arbetskrävande delarna. Skrivbordsresearch: att gå igenom en marknad, en grupp konkurrenter eller en förordning och ta fram en strukturerad sammanställning där luckorna är markerade. Klustring: att ta tvåhundra supportärenden eller hundra enkätsvar och gruppera dem efter problemet under ytan, något som en person sedan kontrollerar. Utkast: att göra en syntes till en intervjuguide, en hypoteslista eller en första version av ett möjlighetsträd.

Studion använde en modell på det sättet för sin egen produkt, den här webbplatsen. Artikelfrågorna kommer ur en skörd av sökförslag på tio marknader, gjord den 30 augusti 2026 med ett skript som vem som helst kan köra om. Ordningen i skörden satte prioriteringen för tre innehållskluster. Skörden är en mätning och går därför att kontrollera, men den har ett känt hål: den ger en ordning och inga volymer. Därför förblir prioriteringen en hypotes tills ett betalverktyg fyller i volymerna.

Vad missar en modell i en intervju?

Det kunden aldrig sa rakt ut. Teresa Torres, vars metod för löpande discovery de flesta produktteam använder i någon form, publicerade sin hållning den 2 december 2025 efter ett halvårs experiment: ”You still need to synthesize every interview individually. Dumping transcripts into an LLM isn’t a shortcut.” Hennes praktik, som hon upprepade i en intervju i april 2026, är också den som artikeln rekommenderar: gör din egen syntes först, låt sedan modellen skriva sin, och jämför. Varje gång fångar personen sådant modellen missade, och modellen fångar sådant personen missade.

Nielsen Norman Group kom fram till samma sak från researchhållet i juni 2024, om AI-genererade ”syntetiska användare”: ”UX without real-user research isn’t UX.” De legitima användningar de tillåter (skrivbordsresearch, hypotesgenerering och förberedelse av en intervjuguide) är de tre sakerna ovan. Konceptvalidering och beslut är de två saker en syntetisk respondent aldrig får bära.

Vad är regeln om andra läsaren?

Varje intervju läses två gånger, i fast ordning.

• Personen som höll intervjun skriver syntesen först: problemet beskrivet med kundens egna ord, den lösning kunden använder i dag, och det som förvånade intervjuaren.
• Modellen läser samma transkript och skriver sin egen syntes, från en prompt som ber om samma tre saker och om citaten den stödde sig på.
• De två läggs bredvid varandra. Avvikelserna är resultatet: var och en är antingen något personen missade eller något modellen hittade på, och båda är värda en minut.

Ordningen är hela metoden. Läser teamet modellens syntes först blir personens syntes en redigering av den. Det är den lata syntes Torres varnar för, och det snabbaste sättet för ett team att sluta förstå sina kunder samtidigt som det producerar fler dokument om dem.

Vad betyder det här för produktchefens arbete?

Det ändrar var timmarna går. Torres egen bild från samma samtal i december 2025 är att de verkliga vinsterna kommer från expert plus AI, och att nybörjare plus AI oftast är bättre än ingenting. Expertens jobb är att vara första läsare, att skriva prompten som ställer de tre rätta frågorna, och att avgöra vad avvikelserna betyder. Det är ett produktbeslut, med samma form som i att bestämma vad som ska byggas härnäst: nedskrivet, med det som valdes bort.

Studion använder samma drag när den väljer processer i vilka processer ni ska automatisera först: mät först, rangordna sedan, besluta skriftligt. Därför liknar de två artiklarna varandra.

Så gör studion discovery

Torn Studio tar produktrollen för grundare och produktteam. Arbetet prissätts per uppdrag, och de första två till fyra veckorna är discovery: intervjuer syntetiserade av en person och sedan av en modell, en skriven problemlista där avvikelserna behålls, och en sida per beslut. Det teamet har kvar efteråt är listan och resonemanget, i en form som fortsätter att användas när uppdraget är slut.