fra vision til delivery
Det her er ikke endnu et "AI for alle"-dokument. Det er skrevet til dig der har ansvar for retning og beslutninger — produktleder, product owner, product manager, produktdesigner der vil bygge selv.
Tesen er enkel: når koden bliver gratis, flytter flaskehalsen sig. Den er ikke længere hvor hurtigt I kan bygge — den er hvor godt I ved hvad der er værd at bygge. Eksekvering bliver en commodity. Dømmekraft bliver det hele. Og dømmekraft kan du ikke delegere til en model.
Så det her dokument lærer dig ikke at prompte hurtigere. Det tager dig gennem de fem discipliner du allerede kan — vision, strategi, planer, discovery, delivery — og viser dig præcis hvad AI ændrer ved hver af dem, og hvordan du bruger den til at blive bedre til det du allerede gør.
Hver disciplin kan læses isoleret på 3-4 minutter. Skim overskrifterne og prompt-boksene, dyk ned hvor det rammer.
Hvert kapitel har en copy-paste-blok. Tag den ind i din egen AI — Claude, ChatGPT, Gemini, Cursor, lige meget hvad — og få mentoren til at arbejde på dit eget produkt med det samme. Det er det tætteste papir kommer på at sidde ved siden af dig.
Prompterne virker i den AI du allerede bruger. Jeg nævner værktøjer, men jeg fortæller dig ikke at "model X kan Y" — for det er forældet inden du har downloadet PDF'en. Modellerne skifter hver måned.
I stedet giver jeg dig kriteriet. Til discovery vil du fx have en model der er god til at presse dine antagelser og finde huller — i dag er der flere der kan det, men når du kender kriteriet, kan du selv vurdere når en ny model lander. Det er hele pointen: dømmekraft over eksekvering. Også når du vælger værktøj.
Giv dig selv 1-5 på hver af de fem discipliner — hvor godt bruger du AI til den i dag? Tegn din egen profil i spindet. Læs så de discipliner hvor du scorer lavest først. Til sidst i dokumentet tegner du den igen, og ser hvor du vil hen.
En destination, ikke en plan. AI hjælper dig med at finde den hurtigt — ikke med at have den.
Vision er det sted du vil hen, ikke vejen dertil. Den skal være konkret nok til at man kan se den for sig, og stabil nok til at den ikke skifter hver kvartal. Den er din vigtigste beslutning, fordi alt andet — strategi, planer, hvad I siger nej til — hænger på den.
Det klassiske håndværk gælder stadig: working backwards fra den fremtid du vil skabe, elevator-testen (kan du sige den på 30 sekunder så en fremmed forstår den), og modet til at gøre den smal nok til at betyde noget.
Det AI ændrer er ikke om du skal have en vision — det er hvor hurtigt du kan undersøge om den holder. Det der før tog en uges desk research kan du nu lave på en eftermiddag: kortlæg konkurrenterne, find de hvide pletter, stress-test om din destination overhovedet er ledig.
Faren er den modsatte: når det er billigt at producere, er det fristende at springe visionen over og bare bygge. Men en model kan tegne ti retninger på et minut — den kan ikke vælge hvilken der er din. Det er stadig dit ansvar.
Tag denne ind i din AI for at skærpe din egen vision (virker bedst med en model der kan søge/læse på nettet):
Du er en erfaren produktstrateg og min sparringspartner. Jeg vil skærpe visionen for mit produkt. Produkt: [INDSÆT navn + hvad det gør på én linje] Marked/målgruppe: [INDSÆT] Det jeg tror min vision er: [INDSÆT dit bedste bud, gerne råt] Gør tre ting: 1. Skriv min vision om som en DESTINATION (en fremtidstilstand, ikke en feature-liste). Working backwards: beskriv verdenen når vi er lykkedes. 2. Kør elevator-testen: kan den siges på 30 sekunder så en fremmed forstår den? Hvis ikke, hvor er den uklar? 3. Stress-test: hvilke 3 antagelser hviler visionen på, og hvad ville få den til at falde? Find den hvide plet eller det sted hvor markedet allerede er optaget. Vær konkret og ærlig. Pres mig hvis visionen er for bred til at betyde noget.
Værktøjer skifter hurtigere end disciplinen — det her er hvad der typisk dur i dag. Vælg efter kriteriet ovenfor.
→ Det her er smagsprøven på vision-disciplinen. Vil du se hele markedsanalysen live — fra tom skærm til retning på en eftermiddag — er det modul 3 på kurset.
Strategi er valg. AI er din bedste djævlens advokat — ikke din beslutningstager.
Strategi er ikke en plan og ikke en ambition. Det er en sammenhængende række valg: en ærlig diagnose af hvad der er svært, en guiding policy for hvordan I tackler det, og en håndfuld koordinerede handlinger der følger. Rumelts kerne. Det meste der kaldes strategi er bare mål med flere ord på.
Den hårdeste del er fravalget. Strategi betyder at sige nej til noget du godt kunne bygge. Det bliver kun sværere når det er billigt at bygge alt.
Når det koster ingenting at bygge, kommer presset udefra: kunder, ledelse og kolleger opdager at "det kan jo laves på en dag" — og så vil de have de otte features i morgen. Strategi bliver din vigtigste evne til at sige nej med en grund.
AI er fremragende til at presse den. Brug den som den der ikke er enig: den finder hullerne i din logik, spiller scenarier igennem, og fortæller dig hvad du har overset. Men beslutningen — hvad I satser på og hvad I dropper — er din. En model der altid kan finde et argument for alt, er ikke en strateg.
Tag denne ind i din AI for at presse din strategi, før virkeligheden gør det:
Du er en skarp, uenig strategisk sparringspartner — djævlens advokat. Du er IKKE her for at bekræfte mig. Min situation: - Diagnose (hvad er svært lige nu): [INDSÆT] - Mit strategiske valg (hvad jeg satser på): [INDSÆT] - Hvad jeg vælger FRA: [INDSÆT — hvis tomt, så påpeg at jeg ikke har valgt noget fra] Gør dette: 1. Angrib mit valg. Hvad er de tre stærkeste argumenter MOD min strategi? 2. Hvad antager jeg, som måske ikke holder? Find den antagelse der ville gøre mest skade hvis den er forkert. 3. Hvis du skulle overbevise min ledelse om at lade være — hvad ville du sige? 4. Til sidst: hvad ville gøre min strategi markant skarpere? Vær konkret og ubehagelig at høre på. Jeg vil hellere have det nu end fra markedet.
Værktøjer skifter hurtigere end disciplinen — det her er hvad der typisk dur i dag. Vælg efter kriteriet ovenfor.
→ Vil du have hele djævlens-advokat-setuppet — og lære at bruge AI til at træffe (ikke bare presse) bedre strategiske valg — er det modul 4 på kurset.
Output bliver gratis. Outcome bliver det eneste der tæller. Styr efter det.
Roadmap er retning, ikke en kontrakt. OKR er et styringssignal: hvad er det resultat vi jagter, og hvordan ved vi at vi nærmer os. Backloggen er ikke en to-do-liste — den er et sæt væddemål prioriteret efter værdi.
Den klassiske fælde er feature-fabrikken: man måler sig selv på hvor meget man shipper, ikke på om det virkede. Det har altid været en fælde. Det bliver en afgrund når output er gratis.
Når I kan producere uendeligt output, holder "vi leverede 30 ting" op med at betyde noget. Det eneste signal der overlever er outcome: flyttede vi tallet vi sagde vi ville flytte? Din roadmap bør holde op med at love features og begynde at love resultater.
AI hjælper dig med at oversætte: fra en vag ambition til en målbar nøgleresultat, fra en feature-ønskeliste til de få væddemål der faktisk kan flytte dit North Star. Og den hjælper dig med det modige: at slå ting ihjel hurtigt, baseret på data, i stedet for at lade dem leve fordi I allerede har bygget dem.
Tag denne ind i din AI for at gå fra ønskeliste til outcome-styret plan:
Du hjælper mig med at gøre min plan outcome-styret i stedet for output-styret. North Star / det vigtigste resultat for produktet: [INDSÆT] Min nuværende backlog/roadmap (rå liste er fint): [INDSÆT] Gør dette: 1. Formulér 1-2 OKR'er: hvilket outcome jagter vi, og hvilke 2-3 nøgleresultater viser at vi nærmer os? Gør dem målbare. 2. Gå min liste igennem: for hvert punkt, hvilket outcome bidrager det til — og hvis svaret er "ingen", så markér det som output uden formål. 3. Foreslå de 3 væddemål med højest forventet værdi i forhold til indsats. Begrund. 4. Hvad bør jeg slå ihjel eller udskyde — og hvilket data ville fortælle mig hurtigt om et væddemål virker? Vær skarp på forskellen mellem aktivitet og resultat.
Værktøjer skifter hurtigere end disciplinen — det her er hvad der typisk dur i dag. Vælg efter kriteriet ovenfor.
→ Vil du have hele outcome-modellen — North Star, funnels, og hvordan du holder en roadmap der lover resultater — er det en kernedel af kurset.
Find ud af hvad der er værd at bygge, før du bygger det. Når det er billigt at bygge, stiger fristelsen til at springe over — og prisen for det.
70-90% af produktidéer leverer ikke den værdi man håbede. Discovery er måden du opdager det på billigt: før du bygger, ikke efter. Det handler om de fire risici — vil de have det (værdi), kan de finde ud af det (brugervenlighed), kan vi bygge det (teknik), må/vil vi (forretning) — og om at undersøge problemet før løsningen.
Det centrale håndværk: en hypotese der kan dø. En antagelse formuleret så skarpt at et eksperiment kan bevise den forkert. Og eksperimenter som en sekvens — ikke én stor test, men en kæde der lærer hurtigere for hver runde.
Det her er det farligste sted. Når en prototype kan stå færdig på to timer, hvisker en stemme: "byg den bare, så ser vi." Men en prototype besvarer ikke om nogen vil have det. Hurtigere udvikling er hurtigere heste — det løser ikke discovery-problemet, det blotlægger det.
Brugt rigtigt er AI det bedste der er sket for discovery. Den genererer falsificerbare hypoteser, bygger fake doors og eksperimenter på minutter, transskriberer og syntetiserer interviews, og kortlægger de fire risici. Den gør det kostbare billigt — så du kan lære mere, hurtigere. Men den kan ikke sidde ved siden af en bruger og mærke hvad der er galt. Den sensoriske del er stadig din.
Tag denne ind i din AI for at gøre en løs idé til noget du kan teste billigt:
Du er en erfaren product discovery-coach (tænk Teresa Torres møder Marty Cagan). Min idé/antagelse: [INDSÆT — gerne en feature eller et bet jeg overvejer] Hvem det er til: [INDSÆT målgruppe] Gør dette: 1. Omskriv min idé til 2-3 FALSIFICERBARE hypoteser — formuleret så et eksperiment kan bevise dem forkert. (Format: "Vi tror at [målgruppe] vil [adfærd] fordi [grund]. Vi har ret hvis [målbart bevis].") 2. Kortlæg de fire risici (værdi, brugervenlighed, teknik, forretning): hvilken er størst og mest uafklaret? 3. Foreslå den BILLIGSTE eksperiment-sekvens til at angribe den største risiko først — fx fake door, interview-guide, pretotype. Ikke én stor test; en kæde. 4. Skriv mig en kort interview-guide (5-7 spørgsmål) der afdækker problemet uden at lede vidnet. Hold mig fra at bygge for tidligt.
Værktøjer skifter hurtigere end disciplinen — det her er hvad der typisk dur i dag. Vælg efter kriteriet ovenfor.
→ Det her er kun toppen. Vil du have hele eksperiment-sekvensen, de fire risici i praksis, og prompt-biblioteket til discovery — bygget live — er det discovery-modulet på kurset.
Du prompter nu. Det nye håndværk er ikke at skrive kode — det er kontekst-curation og at vurdere det der kommer ud.
Delivery er at bygge det rigtige rigtigt. Det klassiske gælder: små iterationer, hurtige loops, feedback fra rigtige brugere indarbejdet. Det der ændrer sig er hvordan du selv rører ved arbejdet.
Skrift bliver det nye programmeringssprog. Men ikke "skriv en stor spec og kast den over muren" — det er bare vandfald i nyt tøj. Pointen er at planlægge med AI'en før den koder, holde den i kort snor med kontekst, og læse output kritisk.
Din nye superkraft er at du kan bygge selv — en prototype, et internt værktøj, en rettelse — uden at vente på et udviklingsteam. Din nye disciplin er at curere konteksten (hvad ved AI'en om dit produkt, dit design, dine regler?) og at evaluere outputtet, fordi de sidste 10% der er forkert er det der vælter en kodebase hvis du bygger ovenpå det i blinde.
Den store fælde: at bede AI om at kode med det samme. Bed den om at planlægge først. Den der prompter dårligt får hurtigere dårlige outputs. Den der prompter godt — med kontekst, med en plan, med kritisk gennemlæsning — får en force multiplier.
Tag denne ind i din AI FØR du beder den bygge noget — den tvinger en plan frem:
Vi skal bygge noget sammen, men du må IKKE skrive kode endnu. Først planlægger vi. Hvad jeg vil bygge: [INDSÆT — fx "et internt værktøj der gør X", eller "en prototype af Y"] Kontekst om mit produkt/stack: [INDSÆT det du ved — eller skriv "spørg mig"] Gør dette, i denne rækkefølge: 1. Stil mig de 3-5 vigtigste spørgsmål du mangler svar på, før det her kan bygges rigtigt. 2. Når jeg har svaret: skriv en kort plan — hvad bygger vi, i hvilke trin, og hvad er det mindste vi kan vise for at lære om det virker. 3. Peg på de steder hvor du er mest usikker, eller hvor det let kan gå galt. 4. Først NÅR jeg siger "byg trin 1" — byg ét trin ad gangen, og forklar dine valg så jeg kan vurdere dem. Jeg vil bygge det rigtige, ikke bare bygge hurtigt.
Værktøjer skifter hurtigere end disciplinen — det her er hvad der typisk dur i dag. Vælg efter kriteriet ovenfor.
→ Vil du bygge live — fra prompt til kørende, med kontekst-curation og output-vurdering som håndværk — er det delivery-modulet. Og du kan prøve hele tankegangen gratis på /laer.
AI-begreber for produktledere. Slå op, læs videre.
Du har nu været gennem de fem discipliner. Tegn dit spind igen: hvor flyttede du dig, og hvor vil du hen?
Det gennemgående er det samme hele vejen: AI ændrer ikke disciplinerne. Den ændrer motoren under dem. Vision, strategi, planer, discovery, delivery — håndværket gælder stadig. Det nye er at eksekvering blev billig, og dømmekraft blev alt.
Det her dokument var mentoren på papir. Vil du have den live — med hele prompt-biblioteket, eksperimenterne bygget for øjnene af dig, og dine egne produkter som case — så er næste skridt kurset. Og du kan begynde gratis på /laer i dag.
Flere prompts, skills og introfiler: martinibsen.dk/vaerktoj