Sådan afgrænser du en AI-aktiveret web- eller mobil-MVP uden at sprænge budgettet
De fleste AI-MVP’er fejler ikke, fordi teknologien er for svær. De fejler, fordi scope er uklart: uklare mål, manglende succeskriterier og “nice-to-have” AI-funktioner, der stille og roligt vokser til måneders arbejde.
Hos Jensen Technologies har vi bygget web- og mobilprodukter i mange år. De mest succesfulde AI-projekter følger den samme opskrift: definér det mindste værdifulde resultat, validér det billigt, og investér først derefter i dybere automatisering.
Nedenfor får du et praktisk framework til at afgrænse en AI-MVP samt en enkel cost/KPI-skabelon, du kan kopiere ind i din næste tilbudsvurdering.
1) Start med ét “AI-job” (ikke en featureliste)
Den største budgetfejl er at bygge “en AI-assistent” uden at definere, hvad den faktisk skal assistere med.
Skriv én sætning:
Når en bruger prøver at ___, hjælper appen ved at ___, så de kan ___.
Eksempler:
- Kundeservice: “Når en agent svarer på en sag, foreslår appen et svar baseret på sagen + vidensbase, så agenten kan svare hurtigere og mere ensartet.”
- Salg: “Når en sælger afslutter et opkald, opsummerer appen det og foreslår næste skridt, så CRM-opdateringer tager 2 minutter i stedet for 15.”
- Drift/ops: “Når en bruger uploader PDF’er, udtrækker appen nøglefelter og markerer afvigelser, så fejl opdages tidligt.”
Hvis du ikke kan skrive denne sætning, er du ikke klar til at estimere projektet.
2) Prioritér resultater, ikke AI-kapabiliteter
Mange MVP’er vokser, fordi teams prioriterer “hvad modellen kan” frem for “hvad forretningen har brug for først”.
For hvert workflow, scor 1–5 på:
- Værdi: Flytter det omsætning, reducerer risiko eller sparer reel tid?
- Hyppighed: Hvor ofte sker det pr. uge/måned?
- Confidence/sikkerhed: Har I adgang til data, og kan I definere succes?
En enkel metode er at prioritere efter Værdi × Hyppighed × Confidence. Byg MVP’en omkring de top 1–2 punkter, ikke hele ønskelisten.
3) Prototyp billigt før du bygger “rigtig AI”
Din første version skal validere workflow-fit og brugeraccept-ikke jagte perfekte outputs.
Omkostningseffektive prototyper:
- No-code UI (eller en let front end) + en tynd API-wrapper til hurtigt at teste flowet.
- Retrieval-only prototype (søgning + fremhævede uddrag) før du tilføjer tekstgenerering.
- Små eller hurtige modeller for hurtigere iteration; opgradér senere når værdien er bevist.
Det passer også godt til “vibe coding”-eksperimenter: man kan afprøve flere UX-retninger hurtigt og først låse arkitekturen, når det vindende flow er tydeligt.
4) Beslut tidligt: on-device vs cloud (og hvorfor det betyder noget)
Hvor din AI kører, påvirker latency, privacy, omkostninger og kompleksitet.
- On-device inference kan give lavere svartid og bedre privatliv, men begrænser modelstørrelse og kan øge mobiludviklingsarbejdet (batteri, performance, enhedsvariation).
- Cloud inference er ofte den hurtigste vej til at levere, understøtter større modeller og gør opdateringer enklere-men du skal planlægge for forbrugsbaserede omkostninger og datahåndtering.
Besvar disse spørgsmål fra start:
- Hvilken svartid er acceptabel for det primære workflow?
- Er data følsomme, regulerede eller kundeidentificerende?
- Skal brugerne kunne arbejde offline?
- Hvilket forbrug forventer I om 3–6 måneder?
Selv et groft svar er bedre end at opdage begrænsninger efter UX’en er bygget.
5) Definér “godt nok” med tre accepttests
AI bliver dyrt, når “færdig” er subjektivt. Hold det enkelt: definér tre tests, der gør MVP’en til en succes.
Eksempler:
- Kvalitet: “I 80% af tilfældene kræver udkastet kun små rettelser.”
- Performance: “Svar under 2 sekunder for de 3 vigtigste flows.”
- Risikokontrol: “Vis kilder når muligt, og hav en sikker ‘jeg ved det ikke’-adfærd.”
Det gør det også lettere at sammenligne leverandørtilbud objektivt.
6) Brug en enkel cost/KPI-skabelon til at vurdere tilbud
Her er en let skabelon, du kan indsætte i et dokument eller et regneark:
Flow: ______
Brugere/md: ______
Interaktioner/bruger: ______
Tokens/interaktion (estimat): ______
Månedlig AI-udgift (interval): ____ til ____
Primær KPI: ______
Baseline: ______
Mål: ______
Ikke med (out of scope): ______
Hvis et tilbud ikke kan udfylde dette (selv med intervaller), er risikoen stor for scope creep eller overraskende driftsomkostninger.
En praktisk regel til at holde scope stramt
Hvis du kun husker én ting, så lad det være denne: byg ét værdifuldt workflow end-to-end før du bygger fem halvfærdige workflows med “AI drysset ovenpå”. Det er sådan, du leverer hurtigere, lærer tidligere og holder budgettet forudsigeligt.
Hvis du vil vende scoping af en AI-aktiveret web- eller mobil-MVP-eller du ønsker et hurtigt second opinion på tradeoffs, estimater eller et tilbud-så tag fat i Jensen Technologies. Vi tager gerne en uforpligtende snak om, hvad der giver mest mening for din forretning.