Nye veje i produktudvikling med GenAI som sparringspartner

Introduktion

Jeg har brugt ChatGPT til at udvikle to applikationer, som jeg lige nu arbejder på—en applikation til at gemme minder og en applikation til at optimere ugens mad for en arbejdsom familie. De er ikke lanceret endnu, men jeg kan allerede se lovende fremskridt.

Sparring med AI til Produktudvikling

Grundidéen er ret enkel: Jeg fodrer ChatGPT med produktkrav, nogle funktionelle krav og formålet med hver app, og så lader jeg den stille mig alle de spørgsmål, en dygtig produktchef ville stille. Når jeg beder ChatGPT om “at agere som en produktchef,” får jeg en række opfølgende spørgsmål—om alt fra brugerflows og tekniske begrænsninger til langsigtet roadmap.

Eksempel på spørgeramme for at sprogmodellen kan agere som produktchef:

Help me create a web application for capturing and managing to-dos.

The purpose of the application is to make sure I manage my to-dos, and that I can access them from anywhere. Intended audience is anyone who’d like to get on top of their to-dos!

Functional requirements:
* As a user I need the ability to visit the main page and read about the application's purpose etc.
* As a user I need the ability to register a user with email and password
* As a user I need the ability to login with email and password
* As a user I need the ability to create a new tasks
* As a user I need the ability to edit and delete an existing task

External interfaces:
* Firebase

Application stack:
* Frontend: HTML+VueJS+Bootstrap CSS
* Backend: Firebase
* Test suite: Playwright

Act as a product engineer and ask more relevant questions for the application

Generering og Finpudsning af Krav

Det her er enormt værdifuldt, fordi ChatGPT ikke bare spytter en liste over funktioner ud. Den udfordrer mine antagelser, peger på potentielle faldgruber og fremhæver tit manglende krav, jeg ikke selv havde tænkt på. Når jeg har svaret på spørgsmålene og finpudset visionen, beder jeg den om at producere en første kravsspecifikation (software requirements specification eller SRS). Det dokument er som regel ret detaljeret og indeholder centrale funktioner, brugerhistorier og forslag til teknologistak. Det er selvfølgelig ikke det endelige blueprint, men en fantastisk kickstart på planlægningsprocessen.

Eksempel på spørgeramme til produktion af kravspecifikation:

Now that we’ve wrapped up the brainstorming process, can you compile our findings into a comprehensive, developer-ready software requirements specification (SRS) that adheres to ISO/IEC/IEEE 29148:2018? Include all relevant requirements, architecture choices, diagrams in Mermaid, data handling details, error handling strategies, and a testing plan so a developer can immediately begin implementation.

Efter at have læst SRS’en igennem, itererer jeg videre—måske opdager jeg et krav om databeskyttelse til den ene applikation’s analysekomponent, eller et specifikt brugerflow i den anden applikation, der har brug for mere klarhed. Så fodrer jeg ChatGPT med den nye kontekst og ser, hvordan den omstrukturerer eller udvider kravene med nye indsigter. Hver iteration skærper fokus og sikrer bedre sammenhæng mellem produktvisionen og den reelle implementering.

Acceleration af Udviklingsprocessen

Det mest spændende er, hvor hurtigt jeg kan gennemføre de her iterationer. Jeg har sparet dage—nogle gange uger—på tidlig afklarings- og dokumentationsfase ved at bruge ChatGPT som sparringspartner. Den kan skitsere potentielle arkitekturløsninger, generere pseudokode til visse funktioner og endda foreslå best practices for skalering eller compliance. Naturligvis stoler jeg stadig på min egen ekspertise for at afgøre, hvilke forslag der giver mening. ChatGPT (eller lignende modeller) er ikke nogen mirakelløsning, men det er næsten som at have en on-demand programmeringspartner, der er klar til at brainstorme døgnet rundt.

Inden implementering sørger jeg for, at få brudt applikationen ned og importeret de enkelte opgaver som Github Issues. Dette gør, at jeg kan arbejde trinvis, holde en pause, og vende tilbage uden at jeg føler at være helt fortabt.

Eksempel på spørgeramme til nedbrydning af applikationen:

Now, I'd like you to act as a code mentor and pair programming partner. I would like to split up the application in several iterative pieces that build on each other, and work on each one of them one at a time. Please suggest the order of this.

Implementering af Kode med AI-Assistance

Til implementering af koden har jeg både brugt de gængse store sprogmodeller, som ChatGPT og Gemini, men også forsøgt mig med forskellige agentic AIs, bl.a. Windsurf AI. Agentic AIs er geniale, da de kobler dit kodemiljø direkte til sprogmodellen. Der skal dog stadig en form for krav og dokumentation til.

Eksempel på spørgeramme til implementering af applikationen:

Alright. Let's get started with the development process using the pieces that the application was broken down to earlier. I'd like to start implementing step number 1. As mentioned earlier, I'd like you to act as code mentor and pair programming partner, so please be a thorough in your explanations and ensure to output all the code incl. tests for all functionality in the step.

Refleksion over Workflow-Transformation

Hele workflowet har ændret den måde, jeg angriber produktudvikling på. I stedet for at stirre på et tomt dokument kan jeg samarbejde i realtid med en AI, der holder styr på mine krav og mål—og konstant skubber til, at jeg finjusterer detaljerne. De to applikationer er stadig undervejs, men jeg kan allerede se, hvordan den AI-assisterede metode giver mere gennemarbejdede og bedre strukturerede planer helt fra starten.

AI vil ændre måden vi arbejder med software og produktudvikling på

AI vil revolutionere software- og produktudvikling ved at ændre roller fra traditionelle programmører til facilitatorer, der kuraterer og validerer AI-genererede outputs. Denne transformation accelererer udviklingsprocessen og muliggør iterationer på dage eller uger i stedet for måneder. Mens AI forbedrer præcisionen i krav og test, introducerer den også nye udfordringer i datasikkerhed og compliance. At omfavne denne forandring kræver en kulturel ændring, der opfordrer udviklere til at integrere AI tæt i deres arbejdsgange, mens de stadig tager ansvar for det endelige resultat.

Bruger I eller overvejer I at bruge AI til produktudvikling? I så fald, har det ændret jeres måde at arbejde på, og er I blevet mere eller mindre effektive?

Inspiration & ressourcer: