Från nyfikenhet till produkt: En berättelse om AI som medbyggare

Möt den nyfikna byggaren (och deras AI-sidekick)

Maya försöker inte "starta ett startup." Hon försöker få ett litet, irriterande problem att sluta hända.

Varje måndag kommer teamets statusuppdateringar i fem olika format—punkter, stycken, skärmdumpar, halvfärdiga tankar—och hon tillbringar en timme med att göra dem läsbara för ledningen. Det är inte svårt arbete. Det är bara… onödigt.

Efter några månader fastnar frågan:\n Varför händer det här hela tiden?

Ögonblicket när nyfikenhet blir en produktidé

I början gör Maya som de flesta av oss: klagar, rycker på axlarna, gör ett nytt kalkylark.

Men den här gången pausar hon och ser sin irritation som en ledtråd. Om problemet visar sig varje vecka—för flera personer—kanske det inte är "bara Mayas team." Kanske är det ett mönster värt att förstå.

Det är förskjutningen: från "det här är irriterande" till "det här kanske är ett problem som andra skulle betala för att få löst." Inte för att lösningen är glamorös, utan för att smärtan är vanlig.

In träder AI-sidekicken (som ställer bättre frågor)

Maya öppnar sin AI-assistent och skriver en rörig, ärlig prompt:

"Jag är trött på att skriva om statusuppdateringar. Finns det en enkel produktidé här?"

Istället för att spotta ur sig en glänsande appidé ställer AI:n klargörande frågor:

• Vem skriver uppdateringarna (roller, senioritet, teamstorlek)?
• Vad gör en uppdatering "bra" för din publik?
• Var finns uppdateringarna idag (Slack, e-post, Notion)?
• Vilken del tar tid: efterjagande, omskrivning, formatering eller sammanfattning?

Maya svarar—och inser att hon försökt lösa tre problem samtidigt. Ett sticker ut: att omvandla grova uppdateringar till ett konsekvent, läsbart veckobrev.

En tydlig förväntning (så du inte lämnar över ratten)

AI:n hjälper Maya att strukturera sitt tänkande—organisera problemet, synliggöra antaganden, föreslå sätt att testa dem. Men Maya väljer fortfarande vad som är viktigt: vilken smärta att fokusera på, vilka kompromisser som är acceptabla och vad "bättre" betyder för riktiga människor.

Sidekicken kan utarbeta alternativ. Byggaren fattar besluten.

Att förvandla en fråga till ett problem värt att lösa

Nyfikenhet börjar ofta som en dimmig mening: "Varför är det så svårt?" eller "Finns det ett bättre sätt?" I Mayas anteckningsapp var det intressant—men inte handlingskraftigt.

Så hon ber sin AI-sidekick att bete sig som en tålmodig redaktör, inte en hype-maskin. Målet är inte fler idéer. Målet är ett klarare problem.

1) Från nyfikenhet till problemformulering

Hon klistrar in sin röriga tanke och ber:

"Skriv om detta till en en-sats problemformulering. Ge mig sedan tre versioner: nybörjarvänlig, affärsvänlig och känslomässigt ärlig."

Inom några sekunder har hon alternativ som är specifika nog att utvärdera. Hon väljer den som namnger verklig friktion—inte en funktion.

Problemformulering: "Personer som försöker [göra X] fastnar ofta vid [ögonblick Y], vilket orsakar [konsekvens Z]."

2) Vem har problemet—och när?

Nästa steg tvingar AI:n fram en scen:

• Person: vem känner smärtan?
• Ögonblick: vad gör de precis innan det går fel?
• Kontekst: på mobilen, på jobbet, under tidspress, ensam, med en kund?

Detta förvandlar en generell publik ("vem som helst") till en verklig en ("nya teamledare, under veckorapporteringen, 30 minuter före mötet").

3) Antaganden att testa (innan du bygger något)

AI:n föreslår en snabb lista med antaganden, formulerade som testbara påståenden:

• Folk upplever problemet tillräckligt ofta för att bry sig.
• Nuvarande provisoriska lösningar känns långsamma, riskfyllda eller irriterande.
• Ett enklare tillvägagångssätt skulle bli betrott.
• Byggaren kan nå dessa personer för att lära sig mer.

4) Ett enkelt framgångsmått

Till sist definierar hon vad "bättre" betyder utan kalkylark:

Framgångsmått: "En förstagångsanvändare kan gå från fast till klar på under 10 minuter, utan att be om hjälp."

Nu är frågan inte bara intressant—den är värd att testa.

Snabb research utan att gå vilse

Mayas nyfikenhet har ett problem: den är bullrig. En snabb sökning på "hjälp mig planera en MVP" blir tiotals flikar—mallar, kurser, "no-code"-verktyg och åsikter som inte håller med varandra.

Så hon ber sin AI-sidekick om något enklare: "Karta vad som redan finns, och berätta vad folk gör istället för att köpa en produkt."

Börja med en marknadskarta (inte ett kaninhål)

På några minuter grupperar AI:n området i:

• Kategorier (verktyg, tjänster, mallar, communities)
• Alternativ (vad folk köper istället)
• Gör-det-själv-lösningar (kalkylblad, Notion-dokument, hyra en frilansare för en vecka)

Det här är ingen domen—bara en karta. Den hjälper Maya att se var hennes idé kan passa, utan att låtsas att hon "gjort research" efter att ha läst tre blogginlägg.

Bygg en jämförelsetabell du faktiskt kan använda

Nästa steg ber hon om en tabell: "Toppalternativ, typiska priser, luckor och vanliga klagomål."

Är det annorlunda, eller bara ompaketering?

AI:n ställer sedan en tuffare fråga: "Vad skulle göra detta verkligen annorlunda jämfört med en annan version av samma sak?" Det pressar Maya mot en tydlig vinkel—snabbare klarhet och färre beslut—inte "en allt-i-ett-plattform."

Flagga påståenden att verifiera senare

Till sist markerar AI:n uttalanden att validera i kundupptäckt: "Folk hatar kurser", "Mallar fungerar inte", "Coaching är för dyrt." Användbara hypoteser—tills riktiga användare bekräftar dem.

Välj vem produkten är för

Nyfikenhet kan locka en publik i ditt huvud: studenter, chefer, frilansare, föräldrar, grundare. Din AI-sidekick brainstormar gärna features för alla dem—och det är precis så projekt smyger upp i omfattning.

Lösningen är enkel: välj en riktig person i en riktig situation och bygg första versionen för dem.

Skriv 2–3 snabba personas (jordnära, inte generiska)

Istället för stereotyper som "upptagen yrkesperson", be AI:n hjälpa dig skissa personas med konkret kontext:

• Var är de när problemet händer? (vid ett skrivbord, på ett jobbsite, på en telefon mellan möten)
• Vilka verktyg använder de redan? (kalkylblad, WhatsApp, Notion, e-post)
• Vad är de rädda för? (se oförberedd ut, slösa tid, missa deadlines)

Exempelpersonas:

• Maya, en frilansande marknadsförare som jonglerar kundförfrågningar och konstant kontextbyte.
• Jordan, en teamledare som behöver snabb tydlighet inför ett veckomöte.
• Sam, en studentbyggare som experimenterar snabbt men kör fast när hen ska välja nästa steg.

Gör personas till användarberättelser

Be AI:n omvandla varje persona till 2–3 user stories i formatet:

"När X, behöver jag Y, så att jag kan Z."

För Maya: "När en kund skickar spridda anteckningar behöver jag ett rent brief så jag kan svara med självförtroende utan att läsa om varje meddelande."

Välj en primär användare—och ett huvudjobb

Nu måste du göra det svåra valet: en primär användare för version ett.

En bra regel är att välja den persona som har tydligast smärta och kortast väg till en liten vinst. Definiera sedan ett huvudjobb-att-göra—det enda resultat som första versionen måste leverera. Allt annat blir "senare."

Kundupptäckt: bättre frågor, snabbare

Vår nyfikna byggare har en prototyp i huvudet, några starka åsikter och en stor risk: att intervjua folk på ett sätt som bara bekräftar det hen redan tror.

AI gör kundupptäckt snabbare—men den verkliga vinsten är att göra den renare: färre ledande frågor, tydligare anteckningar och ett enklare sätt att avgöra vilken feedback som räknas.

1) Generera frågor som inte leder

En bra upptäcktsfråga bjuder in till en berättelse. En dålig ber om lov.

Låt AI skriva om dina frågor så att de tar bort antaganden. Till exempel:

• Istället för: "Skulle du använda en app som automatiskt spårar dina måltider?"
• Fråga: "Berätta om sista gången du försökte spåra måltider—vad hände?"

Prompt du kan använda:

Rewrite these interview questions to avoid leading language or assumptions. 
Make them open-ended, focused on past behavior, and easy to answer. 
Questions: ...

2) Bygg ett tajt 30-minuters intervjuprogram (och en anteckningsmall)

Fart kommer från struktur. Be AI att skriva ett enkelt flöde du kan upprepa tio gånger:

• 0–5 min: "Hur ser din roll/dag ut?"
• 5–20 min: Två till tre nyliga berättelser ("Berätta om senaste gången…")
• 20–25 min: Prioriteringar och avvägningar ("Om du kunde fixa en del, vad skulle det vara?")
• 25–30 min: Avslut och referenser ("Vem mer borde jag prata med?")

Generera sedan en anteckningsmall så du inte drunknar i utskrifter:

• Kontekst: vem de är, vilka verktyg de använder idag
• Trigger: vad som startar problemet
• Nuvarande provisorium: vad de gör nu (och varför)
• Smärtnivå: vad det kostar dem (tid, pengar, stress)
• Citat: kopiera/klistra exakta fraser

3) Plan för outreach: hitta 10 personer som din målgrupp

Be AI brainstorma var din exakta målgrupp redan samlas, och välj sedan två kanaler du kan genomföra den här veckan: nischade Slack/Discord-grupper, LinkedIn-sökning, Reddit-communityn, meetup-listor eller vänner till vänner.

Målet är inte "många intervjuer." Det är 10 relevanta samtal med konsekventa frågor.

4) Bestäm vad som räknas som en "signal" (vs. trevlig feedback)

Trevlig feedback låter som: "Cool idé!" Signaler låter som:

• De beskriver en verklig nylig situation, oprovocerat
• De spenderar redan tid/pengar för att hantera det
• De skulle bli besvikna om problemet blev värre
• De frågar: "När kan jag testa?" eller erbjuder att introducera andra

Låt AI märka dina anteckningar som Signal / Kanske / Brus—men behåll slutgiltigt omdöme själv.

Att göra mening av vad människor faktiskt sa

Efter ett par kundsamtal har den nyfikna byggaren ett känt problem: sidor av anteckningar, ett dussin "kanske", och rädslan att hen bara hör vad hen vill höra.

Här tjänar AI-sidekicken mest—not genom att hitta insikter, utan genom att göra röriga samtal hanterbara.

Förvandla anteckningar till teman (utan att släta över sanningen)

Börja med att klistra in råa anteckningar i ett dokument (ett intervjuavsnitt per sektion). Be sedan AI tagga varje uttalande i enkla fack:

• Smärtpunkter (vad som är frustrerande eller kostsamt)
• Triggers (vad fick dem att leta efter en lösning nu)
• Nuvarande verktyg/provisorier (vad de använder idag, även om det är "kalkylblad och hopp")

Målet är inte en perfekt taxonomi. Det är en delad karta du kan återkomma till.

Använd AI för att sammanfatta mönster—och peka ut motsägelser

Be därefter AI att sammanfatta återkommande mönster och lyfta fram motsägelser. Motsägelser är guld: de signalerar ofta olika användartyper, olika kontexter eller ett problem som inte är konsekvent.

Till exempel:

"Jag har inte tid att konfigurera något nytt."

…kan samexistera med:

"Om det sparade mig 2 timmar i veckan skulle jag lära mig det."

AI kan visa dessa sida vid sida så du inte av misstag dumpar dem i meningslös medelvärdesglättning.

Skriv dina "Topp 3 problem" med bevis

Konvertera teman till en enkel lista med topp 3 problem, varje med:

1. ett vardagligt problemuttalande

2. vem som upplever det (roll/kontekst)

3. 1–2 bevis-citat

Exempelformat:

• Problem #1: Folk tappar bort X när Y händer.
  • Bevis: "…"

Det håller dig ärlig. Om du inte hittar citat kan det vara din antagande—inte deras verklighet.

Besluta: fortsätt, pivotera eller pausa

Be slutligen AI hjälpa dig fatta ett beslut baserat på vad du lärt dig:

• Fortsätt om samma smärta återkommer och folk redan spenderar tid/pengar för att hantera den.
• Pivotera om smärtan är verklig men "vem" eller "när" är annorlunda än du trodde.
• Pausa om intresset är artigt, bevisen tunna eller problemet försvinner vid närmare granskning.

Du behöver inte säkerhet ännu—bara ett förankrat nästa steg.

Designa den minsta användbara versionen (MVP)

Vid det här laget har den nyfikna byggaren en anteckningsbok full av insikter och ett huvud fullt av "tänk om vi också…"-idéer. Här hjälper AI mest—inte genom att lägga till fler funktioner, utan genom att hjälpa dig skära ner till något du faktiskt kan leverera.

Skissa några vägar, välj en

Istället för att snöa in på en idé, be din AI-sidekick generera 5–7 lösningsskisser: olika sätt produkten kan leverera värde. Låt den sedan ranka varje skiss efter insats vs. påverkan.

En enkel prompt fungerar bra: "Lista 7 sätt att lösa det här problemet. För varje, uppskatta insats (S/M/L) och påverkan (S/M/L), och förklara varför."

Du söker inte perfektion—bara en tydlig front-runner.

Välj en MVP som levererar ett kärnresultat

MVP:n är inte "minsta versionen av hela produkten." Det är minsta versionen som ger ett meningsfullt resultat för en viss person.

AI hjälper dig formulera det som ett testbart löfte:

• "På 10 minuter får du __."
• "I slutet har du __."

Om resultatet inte är tydligt är MVP:n fortfarande för diffus.

Vad du utesluter är den verkliga planen

För att undvika feature creep skapa en tydlig "Inte i v1"-lista med AI:

• dashboards och analytics
• flera användartyper
• integrationer
• anpassning och teman

Den här listan blir din sköld när nya idéer dyker upp mitten av veckan.

Säg det i en mening

Till sist hjälper AI dig formulera budskap du kan upprepa utan jargong:

• En-sats värdeförslag: "Ett [enkelt verktyg] för [specifika människor] att [kärnresultat] utan [vanlig smärta]."
• Hisspitch (2–3 rader): vad det gör, vem det är för och varför det är bättre än nuvarande provisorium.

Nu är MVP:n liten, meningsfull och förklarbar—precis vad du behöver innan prototypning.

Prototyping: från idéer till något folk kan ta på

En prototyp är där produkten slutar vara en smart beskrivning och börjar bete sig som något verkligt. Inte "fullt byggd", inte "perfekt"—bara tillräckligt konkret för att någon ska kunna klicka, läsa och reagera.

Förvandla MVP:n till ett enkelt flöde

Be din AI-sidekick översätta din MVP till en skärm-för-skärm-översikt. Du siktar på en kort väg som bevisar kärnvärdet.

Till exempel, prompta så här:

You are a product designer. Create a simple user flow for a first-time user.
Context: [what the product helps with]
MVP scope: [3–5 key actions]
Output:
1) Flow diagram in text (Screen A -> Screen B -> ...)
2) For each screen: title, primary CTA, and 2–4 lines of copy
Keep it friendly and clear for non-technical users.

Från det kan du göra snabba wireframes (även på papper), eller en klickbar mock i ett verktyg du föredrar. Målet är enkelt: folk ska "förstå det" inom 10 sekunder.

Skriv orden innan pixlarna

De flesta prototyper misslyckas för att texten är vag. Använd AI för att skriva:

• Onboardingsteg (vad som händer först, andra, tredje)
• Hjälptexter (kort förklarande text där användare tvekar)
• Felmeddelanden (vad gick fel, vad göra härnäst)
• Nyckelmejl (välkommen, "du är nästan klar", och ett enkelt uppföljningsmejl)

Om du kan läsa prototypen högt och den fortfarande är förståelig är du på god väg.

Kör ett "fake door"-test för att validera intresse

Innan du bygger allt, skapa en landningssida som beskriver löftet, visar 2–3 prototypskärmar och har en tydlig CTA (t.ex. "Begär åtkomst" eller "Gå med i väntelistan"). Om någon klickar på en funktion som inte finns visar du ett vänligt meddelande och fångar deras e-post.

AI kan hjälpa dig skriva landningssidan, FAQ och ett enkelt prisexempel (även om det bara är en platshållare som /pricing).

Det du söker är inte komplimanger—det är engagemang: klick, anmälningar, svar och specifika frågor som visar verklig avsikt.

Validering: bevisa värde innan du skalar

Validering är ögonblicket när vår nyfikna byggare slutar fråga "Skulle det kunna fungera?" och börjar fråga "Bryr sig någon tillräckligt för att agera?" Målet är inte en perfekt produkt—det är bevis på värde med minsta möjliga insats.

Välj ett lättviktigt test (och gör det verkligt)

Istället för att bygga funktioner, välj ett test som tvingar fram ett beslut:

• En enkel landningssida med ett tydligt löfte och en väntelista
• En "concierge"-version där tjänsten levereras manuellt (men konsekvent)
• En liten pilot med 3–5 mål-användare

AI hjälper till att göra en rörig idé till ett tydligt erbjudande: en rubrik, en kort beskrivning, några fördelar och en CTA som inte låter som marknadsföring.

Definiera utfall du kan mäta

Innan du skickar något, skriv ner vad "framgång" betyder i siffror. Inte fåfängemått—signal för avsikt.

Exempel:

• Anmälningar: 30% av besökarna går med i väntelistan
• Svar: 10 meningsfulla mail från 50 outreach-meddelanden
• Tidsbesparing: användare slutför en uppgift 20 minuter snabbare
• Återanvändning: 3 av 5 pilotanvändare kommer tillbaka nästa vecka

Om du inte kan mäta det kan du inte lära dig av det.

Låt AI generera A/B-varianter (snabbt, inte slumpmässigt)

Be AI om 10 rubrik + CTA-par riktade till en specifik person, välj sedan två att testa. En version kan fokusera på "spara tid", en annan på "undvik misstag." Samma erbjudande, olika vinkel.

Fånga lärdomar och välj nästa steg

Efter testet summerar AI vad som hände: vad folk klickade på, vad de frågade, vad som förvirrade dem, vad som ignorerades. Du avslutar med ett enkelt beslut: behåll, ändra eller stoppa—och en mening om vad du provar härnäst.

Planera byggandet utan att vara teknisk

Du behöver inte tala "developer" för att planera ett bygge. Du behöver klarhet: vad produkten måste göra dag ett, vad som kan vänta och hur du vet att det fungerar.

Här slutar din AI-sidekick att brainstorma och börjar agera som en noggrann projektpartner.

Börja med tre hinkar

Be AI omvandla din idé till en enkel byggplan med Måste-ha, Bra-att-ha och Senare. Håll must-haves brutalt små—funktioner som direkt levererar löftet du ger användarna.

Be den sedan skapa en en-sida "definition of done" för varje must-have. Exempel på prompts:

• "Skriv en lättbegriplig spec för att en användare ska spara ett utkast, inklusive edge-cases."
• "Lista acceptanskriterier för 'exportera till PDF' som en icke-teknisk person kan testa."

Specs och checklistor på vardagsspråk

Låt AI skriva:

• En steg-för-steg byggchecklista (vad som ska byggas, i vilken ordning)
• Enkla user stories ("Som en… vill jag… så att…") med acceptanskriterier
• En testchecklista du kan köra själv innan du delar med någon

Detta minskar risken att frilansare eller ett dev-team börjar gissa.

Klargör vem gör vad

Om du jobbar med andra, be AI skissera roller: vem designar skärmar, vem bygger backend, vem skriver copy, vem sätter upp analytics, vem ansvarar för QA. Även om en person bär flera hattar, förhindrar namngivna roller missat arbete.

Grundläggande integritets- och datafrågor

Innan du bygger, använd AI för att generera en kort lista praktiska frågor: Vilka data samlar vi in? Var sparas de? Vem kan nå dem? Hur raderar användaren dem? Du skriver inte juridiska policys här—du undviker överraskningar.

När du är redo att bygga, välj ett arbetsflöde som matchar din fart

Om du är icke-teknisk (eller vill gå snabbt) kan "vibe-coding"-plattformar hjälpa. Till exempel, Koder.ai låter dig ta de specs du skrivit på vardagsspråk och förvandla dem till en fungerande webb-, backend- eller mobilapp via ett chattgränssnitt—sen kan du iterera med snapshots och rollback när du testar med riktiga användare.

Den praktiska nyttan är inte magisk kodgenerering; det är att förkorta loopen från "här är vad vi lärde i discovery" till "här är en fungerande version vi kan visa någon." Och om du senare vill gå över till en traditionell pipeline, gör export av källkoden det möjligt.

Lansering: tydligt budskap och en lugn checklista

Lanseringsdagen ska inte kännas som att gå upp på scen utan manus. Om du gjort discovery och byggt en liten, användbar MVP är nästa jobb helt enkelt att förklara den tydligt—och göra det lätt för de första att testa.

En lugn lanseringschecklista (det som verkligen betyder något)

Använd AI som en praktisk projektledare: be den omvandla dina röriga anteckningar till en prydlig lista, sedan väljer du vad som gäller.

Din "tillräckligt bra"-checklista kan vara:

• Meddelande: en mening för vem den är till, en mening för vad den hjälper dem göra, en mening för varför den är annorlunda.
• Demo: en 60–90 sekunders genomgång (skärminspelning eller live). Ingen funktionstur—bara huvudjobbet utfört.
• Onboarding: en första-checklista (max 3 steg), plus ett exempel så folk inte börjar från tomt blad.
• Support: en kontaktväg och ett löfte som "Vi svarar inom 24 timmar."

Låt AI skriva FAQ utifrån invändningar

Ta de största tvivlen från discovery—"Fungerar det i mitt workflow?", "Hur lång tid tar uppsättningen?", "Är mina data säkra?"—och be AI utforma svar i din ton.

Redigera sedan för ärlighet. Om något är osäkert, säg det och förklara planen.

En berättelsebaserad produktsida + första tillkännagivande

Be AI om ett enkelt upplägg:

1. Frustrationsögonblicket (kundens, inte ditt)
2. Den lilla vinsten din produkt levererar
3. Hur det fungerar i 3 steg
4. Bevis (citat, skärmdump eller ett konkret resultat)
5. Tydlig CTA (starta, gå med i väntelistan, begär åtkomst)

För det första tillkännagivandet, håll det mänskligt: "Här är vad vi byggt, vem det är för, och vad vi testar härnäst."

Tidslinje och första "vinsten"

Sätt ett realistiskt lanseringsfönster (även ett litet) och definiera en första vinst som: 10 aktiva användare, 5 slutförda onboarding-flöden, eller 3 betalda tester. AI kan hjälpa dig mäta framsteg, men du väljer målet som bevisar värde—inte fåfänga.

Behålla momentum: AI som långsiktig medbyggare

Efter lansering "går inte" den nyfikna byggaren vidare från AI. Hen ändrar hur hen använder den.

Tidigt hjälper sidekicken med fart—utkast, struktur, prototyper. Senare hjälper den med rytm: att lägga märke till mönster, vara konsekvent och fatta små beslut med mindre stress.

Iteration som en veckovis loop (inte en hjältestrid)

Sätt en enkel takt: prata med användare, skicka en liten förbättring och skriv ner vad som hände. AI blir den tysta assistenten som håller loopen igång.

Några vanor som gör det hållbart:

• Veckosamtal med användare (även korta). AI hjälper till att skapa en agenda från förra veckans anteckningar plus 5 skräddarsydda följdfrågor.
• Ett experimentlogg. Efter varje förändring dokumentera: hypotes, vad som skickades, vad du förväntade dig, vad som hände. AI summerar resultat och föreslår nästa test.
• Ett promptbibliotek. Spara prompts som konsekvent ger användbara svar (forskningssammanfattningar, intervjufrågor, release notes). Med tiden blir detta din "operativa manual."

Vad AI inte bör göra

Dra tydliga gränser så sidekicken förblir hjälpsam—not reckless:

• Inte slutgiltig domare. AI kan rekommendera, men byggaren bestämmer vad som skickas.
• Inte etikavdelningen. AI kan flagga risker, men byggaren måste sätta policyer och värderingar.
• Inte en genväg kring användarsamtycke. Ingen skrapning av privat data, ingen överraskande inspelning, ingen "vi frågade AI vad du vill." Fråga människor direkt och var transparent.

Ett upprepningsbart ramverk du kan kopiera

När drivkraften falnar, återgå till ett enkelt manus:

1. Lyssna: 3–5 korta användarsamtal.
2. Syntetisera: Be AI om teman, motsägelser och öppna frågor.
3. Välj: Välj ett problem och en mätbar metric.
4. Skicka: Gör den minsta förändringen som testar idén.
5. Lär: Logga resultat, uppdatera ditt promptbibliotek och upprepa.

Så blir nyfikenhet en produkt—och en produkt blir en praktik.