ai für product-teams. ai für product-teams bedeutet, ein ai-feature in die eigenen produktoberflächen zu bauen, das nutzer:innen übernehmen und weiter nutzen. kein demo. ein feature mit einer retentionszahl und einer support-ticket-zahl dahinter.
die meisten product-teams haben bereits einen prototyp. er entstand an einem wochenende mit Lovable, Bolt oder v0. er sah im standup toll aus. dann steckte er auf dem weg in die produktion fest.
die lücke liegt nicht im modell. die lücke liegt in allem drum herum. streaming, evals, audit-logging und ein platz im produkt, an dem die nutzerin schon ist. das ist die arbeit zwischen einem v0-screen und einem feature, das nutzer:innen behalten.
#warum bleibt der prototyp vor dem launch stecken?
ein prototyp beantwortet eine frage: kann das modell die sache tun. ein produktions-feature beantwortet vier weitere. streamt es, damit die nutzerin nicht auf einen spinner starrt. bleibt es korrekt, wenn sich der prompt ändert. kannst du belegen, was es einem kunden vor sechs wochen gesagt hat. und lebt es da, wo die nutzerin ohnehin arbeitet, nicht hinter einem separaten tab.
was ist der unterschied zwischen einem ai-prototyp und einem produktions-feature?
ein prototyp beweist, dass das modell die aufgabe in einem demo bewältigen kann. ein produktions-feature fügt streaming hinzu, damit antworten sofort ankommen, eine eval-suite, damit qualität hält, wenn sich prompts ändern, audit-logging, damit du belegen kannst, was gesagt wurde, und eine in-produkt-ux, damit nutzer:innen es annehmen. der prototyp ist die einfachen 20 prozent.
#chat-box dranschrauben oder in die eigenen oberflächen bauen?
der standardschritt ist eine schwebende chat-blase in der ecke. sie ist schnell ausgeliefert. sie bleibt auch ungenutzt, weil deine nutzerin nicht zum chatten gekommen ist. sie kam, um eine zahlung zu senden, eine buchung abzugleichen oder einen streitfall zu eröffnen.
der bessere schritt ist, die ai in die oberfläche zu legen, wo diese aufgabe passiert. ein sinnvoller standardwert im formular. eine einklick-erklärung neben der transaktion. eine antwort, die in dem panel erscheint, das die nutzerin ohnehin geöffnet hatte.
we are
stennir baut ai in die produktoberflächen, die nutzer:innen bereits nutzen — mit den übernahme- und support-ticket-zahlen als beleg.
we aren't
stennir ist kein team, das eine generische chat-box an deine app schraubt und das ein ai-feature nennt.
#wie hat das bei einem series-b-fintech ausgesehen?
ein series-b-fintech kam zu uns mit einem kundengerichteten ai-assistenten, der in Lovable gebaut worden war. er beantwortete fragen in einem demo. er war nicht produktionsreif. kein streaming, keine möglichkeit, qualität zu messen, kein audit-trail für ein reguliertes produkt.
- streaming: antworten erscheinen token für token, damit die nutzerin eine antwort entstehen sieht statt eines lade-spinners.
- eval-suite: ein fester satz echter fragen läuft bei jeder prompt-änderung, damit qualität nicht still zurückfällt, wenn jemand den system-prompt bearbeitet.
- audit-logging: jede antwort wird mit ihren eingaben gespeichert, damit ein reguliertes fintech belegen kann, was einem kunden wann gesagt wurde.
- in-produkt-ux: der assistent antwortet in der transaktionsansicht, die die nutzerin ohnehin geöffnet hatte, nicht in einem separaten chat-tab.
wir haben es in 5 wochen an 100 % der nutzer:innen ausgeliefert. support-tickets zu diesem feature sanken nach dem launch um 60 %, weil nutzer:innen die antwort im produkt bekamen statt ein ticket zu öffnen.
der prototyp bewies, dass die leute es wollten. der produktions-build ist das, was sie dazu gebracht hat, dabei zu bleiben. der 60-%-rückgang bei den tickets war das, was unseren cfo interessiert hat.
#wie scopest du einen build wie diesen?
wir führen ihn über den build-service durch: fester scope, festpreis, und der code gehört dir ab tag eins. du behältst den prototypen, den du bereits in v0, Bolt oder Lovable erstellt hast, als ausgangspunkt. wir nehmen ihn von dort bis zu einem feature in deinem produkt.
wenn du das muster für dein team konkret sehen möchtest, legt die seite ai for product dar, wo ai seinen platz in einem produkt verdient, und die consultancy ist der bereich, in dem diese builds laufen. du willst die belege sehen, bevor du dich entscheidest? sieh die arbeit.