AI Sandbox Lab: od pomysłu do sprawdzonego popytu

Jak początkujący może sprawdzić pomysł na produkt z prawdziwymi ludźmi - szybko, tanio i bez pisania ani jednej linijki kodu. Główna idea: idź porozmawiać z użytkownikami i sprawdź prawdziwy popyt po zachowaniu, a nie po własnych założeniach.


Gdzie zaczyna się porażka

Najczęstszy błąd początkującego: wymyślasz pomysł, zakochujesz się w nim i zaczynasz budować. Po trzech miesiącach okazuje się, że wymyśliłeś problem, a nikt nie chce produktu.

Właściwa kolejność jest odwrotna. Najpierw dowodzisz, że problem jest prawdziwy i naprawdę boli. Potem sprawdzasz, czy ludzie są gotowi zapłacić cokolwiek za rozwiązanie: pieniędzmi, czasem, adresem e-mail. Dopiero wtedy budujesz.

Jedna zasada, która zmienia wszystko:

Słowa kłamią, zachowanie nie. „Fajny pomysł, pewnie bym korzystał" nie jest walidacją - to uprzejmość. Walidacja to sytuacja, w której ktoś już zmaga się z problemem, już wydaje na niego pieniądze albo czas i robi realny krok w stronę Twojego rozwiązania.

Twoim zadaniem w tej fazie nie jest przekonanie siebie, że pomysł jest dobry, tylko próba jego tanio zabicia. Jeśli przetrwa, idziesz głębiej.


Mini słowniczek

Dla fazy walidacji (ta część):

  • Hipoteza - przypuszczenie, które może być błędne, sformułowane tak, żeby dało się je sprawdzić.
  • Walidacja - sprawdzanie hipotezy na prawdziwych ludziach i ich zachowaniu, a nie na własnej opinii.
  • Wywiad o problemie - rozmowa, w której badasz czyjeś życie i ból, i NIE przedstawiasz swojego pomysłu.
  • The Mom Test - zestaw zasad zadawania pytań, tak żeby nawet Twoja mama nie mogła Cię okłamać z grzeczności.
  • Sygnał popytu - dowód zainteresowania po zachowaniu (zostawił e-mail, zapłacił), a nie po słowach.
  • Fake door - przycisk „kup/zapisz się", który prowadzi do „wkrótce start, zostaw e-mail". Mierzysz, ile osób go kliknie.
  • Concierge MVP - pierwszym klientom wykonujesz pracę ręcznie, bez produktu, i za nią bierzesz pieniądze.
  • Pivot - zwrot: zmieniasz główną hipotezę, gdy dane mówią, że obecna nie działa.
  • RAT (riskiest assumption test) - najbardziej niebezpieczne założenie, to, które zabija wszystko, jeśli jest błędne. Sprawdź je najpierw.
  • MVP (minimum viable product) - najmniejsza wersja produktu, którą możesz już pokazać klientowi.

Dla głębszego researchu (ostatnia część):

  • TAM / SAM / SOM - wielkość rynku: całkowity / dostępny dla Ciebie / realnie możliwy do zdobycia.
  • White space - luka na rynku: ból istnieje, ale nie ma przyzwoitego rozwiązania.
  • Core Job / JTBD - główne „zadanie", do którego klient zatrudnia produkt.
  • CAC / LTV - ile kosztuje pozyskanie płacącego klienta / ile przynosi w całym okresie współpracy.
  • Churn / Retention - odpływ klientów / zatrzymanie klientów.

Krok 1. Napisz swoją hipotezę (10 minut)

Nie „buduję aplikację dla X". Zdanie, które da się sprawdzić, według tego szablonu:

Wierzę, że [konkretny segment] ma problem z [konkretnym bólem], obecnie radzi sobie z tym przez [obecne obejście], i boli to na tyle, że zapłaciliby albo poświęciliby czas na [moje rozwiązanie].

Przykład: „Wierzę, że freelancerzy prowadzący jednoosobową działalność tracą 3-4 godziny tygodniowo na ręczne uzgadnianie płatności, robią to w Excelu, i jest to na tyle uciążliwe, żeby płacić 20 euro miesięcznie za automatyzację."

Im węższy segment, tym łatwiej go sprawdzić. „Wszystkie małe firmy" - tego nie sprawdzisz. „Freelancerzy prowadzący jednoosobową działalność w Polsce" - to sprawdzisz w tydzień.

Prompt AI - zaostrz pomysł w hipotezy:

I'm a beginner building a product. Here's my idea in rough words:
[dictate or describe your idea in your own words]

Help me turn it into 3 testable hypotheses using this template:
"I believe that [segment] suffers from [pain], currently deals with it by [workaround],
and it hurts enough that they'd [action or payment]."

Make the segment as narrow and specific as possible. For each hypothesis,
name the one assumption that's the riskiest -
the one without which everything falls apart.

Krok 2. Znajdź najbardziej ryzykowane założenie (RAT)

Każda hipoteza opiera się na kilku założeniach. Jedno jest najkruchsze. Dla początkującego prawie nigdy nie jest nim „czy potrafię to zbudować". Jest nim „czy ten ból w ogóle istnieje i czy boli na tyle, że ludzie zapłacą za rozwiązanie".

Sprawdzaj najpierw to, co (a) najmocniej zabija projekt, jeśli jest błędne, i (b) jest najtańsze do sprawdzenia. Nie pisz kodu, dopóki nie masz pewności, że problem jest prawdziwy.

Prompt AI:

Here's my hypothesis: [paste it].
List every assumption it depends on.
Rank them by "how much it kills the project if wrong" multiplied by
"how UNCERTAIN I am that it's true."
Name the top-1 to test first and the cheapest way to test
it within a week, without code.

Krok 3. Idź porozmawiać z użytkownikami: wywiady o problemie (serce całości)

To najważniejsza umiejętność i najczęstszy błąd. Początkujący idzie do ludzi i pyta „podoba Ci się mój pomysł?", słyszy „no, fajne", cieszy się, buduje i poległ. Ludzie kłamią z grzeczności.

Zasady rozmowy (to jest The Mom Test - pytania, których ludzie nie mogą sobie „wykręcić"):

  1. Rozmawiaj o ICH życiu i przeszłości, a nie o Twoim pomyśle. Wcale nie prezentuj.
  2. Pytaj o konkretne zachowania z przeszłości, a nie o przyszłość. „Kiedy ostatnio się z tym spotkałeś? Co wtedy zrobiłeś?" - a nie „czy używałbyś...?".
  3. Wejdź w liczby stojące za bólem: ile czasu to zabiera, ile pieniędzy, jak często.
  4. Szukaj tego, co ludzie JUŻ robią, żeby rozwiązać problem: obejścia, Excel, inne programy, zatrudnienie kogoś. Jeśli nic nie robią - ból prawdopodobnie nie jest prawdziwy.
  5. Komplementy to nie dane. Dane to emocje - „boże, to mnie doprowadza do szału" - i prawdziwe pieniądze, które już wydano.

Sygnały, że problem jest prawdziwy:

  • Opisują ból sami, bez Twojego prowadzenia.
  • Już wydają pieniądze albo czas na obejścia.
  • Robią się emocjonalni, gdy o tym mówią.

Ile rozmów: 5-8 na segment. Mniej to czysty fart. Więcej na start nie jest potrzebne.

Prompt AI - gdzie znaleźć tych ludzi i jak do nich napisać:

My segment: [who exactly, as specific as possible].
1. Where do these people hang out online and offline - specific communities,
   subreddits, chats, groups, events. Give links.
2. Write a short, non-salesy message inviting them to a
   15-minute chat about their workflow (not about my product).
   Goal - they agree to talk without feeling like they're being sold to.

Prompt AI - scenariusz wywiadu:

Help me put together a 15-minute problem interview guide following
The Mom Test rules. Segment: [who]. Hypothesis: [paste it].

Requirements:
- Questions only about past and current behavior, not about my idea.
- No pitching: I don't mention my solution until the very end.
- 6-8 open-ended questions digging into pain, frequency, current workarounds,
  and money and time spent.
- At the end - how to gently ask "who else should I talk to".

Prompt AI - analiza wywiadów (po rozmowach):

Here are notes and transcripts from [N] interviews: [paste them].
1. What pain comes up repeatedly across most of them? Back it up with quotes.
2. What are they ALREADY doing to solve it, and what does it cost them?
3. Where did my hypotheses hold up, and where did they fall apart - be honest.
4. Separate real demand signals from polite compliments.
5. Verdict: dig deeper, pivot the hypothesis, or drop it?

Krok 4. Sprawdź prawdziwy popyt (po zachowaniu, a nie po słowach)

Ludzie powiedzieli „problem jest prawdziwy". Dobrze. Ale mogą powiedzieć jedno, a zrobić drugie. Teraz sprawdzasz, czy są gotowi DZIAŁAĆ. Nadal bez kodu.

Drabinka sygnałów, od najsłabszego do najmocniejszego. Im wyżej, tym uczciwiej:

  1. „Ciekawe, fajne" - zero. Odrzuć.
  2. Zostawił e-mail na liście oczekujących - słaby sygnał.
  3. Poświęcił czas: wypełnił formularz, przyszedł na demo, pozwolił Ci wykonać za niego pracę ręcznie - średni.
  4. Zapłacił, dokonał przedpłaty albo wpłacił zaliczkę - mocny. Pieniądze nie kłamią.
  5. Polecił znajomego, pyta „kiedy to już wystartuje" - bardzo mocny.

Tanie sposoby sprawdzenia popytu bez produktu:

  • Landing page + lista oczekujących. Jednostronicowa strona z przyciskiem „chcę to". Zrób trochę ruchu (posty w tych samych społecznościach, reklamy za 20-50 euro) i zobacz, czy ludzie zostawiają e-mail.
  • Fake door. Przycisk „kup/zapisz się", który prowadzi do „wkrótce start, zostaw e-mail". Mierzysz kliknięcia.
  • Concierge. Pierwszym 3-5 klientom wykonujesz pracę ręcznie, bez automatyzacji, i za nią bierzesz pieniądze. Jeśli płacą za ręczny wynik - popyt jest prawdziwy.
  • Pre-order albo zaliczka. Najbardziej uczciwy test. Jeśli są gotowi wpłacić nawet niewielką przedpłatę - to prawdziwe „tak".

Ustaw poprzeczkę Z WYPRZEDZENIEM: „sukces = 10 na 100 odwiedzających zostawia e-mail" albo „3 na 5 płaci za ręczną wersję". Inaczej każdy wynik będzie wyglądał dobrze z perspektywy czasu.

Prompt AI - treść landing page do testu:

Segment: [who]. Pain: [what it is, in the customer's own words from the interviews].
Write copy for a one-page landing page to test demand:
- a headline about the pain, not the features;
- 3 value bullets;
- one clear call to action (leave an email on the waitlist).
No fluff, no buzzwords. Give me 3 headline options for an A/B test.

Prompt AI - zaplanuj test popytu:

I want to test demand for [idea] without writing code, within 1-2 weeks,
budget up to [amount].
Suggest 3 concrete test methods (landing page, fake door, concierge,
pre-order). For each: exactly what steps I take, what signal
counts as success (with a number), and where to find my first people.

Krok 5. Zdecyduj: kontynuuj, zmień kierunek albo zatrzymaj

Spójrz na dane uczciwie:

  • Problem potwierdzony + jest sygnał popytu (ludzie płacą albo działają) - idź głębiej (sekcja poniżej) i zacznij budować MVP.
  • Problem istnieje, ale nie ma popytu ani gotowości do zapłaty - być może to zły ból albo zły segment. Zmień kierunek: zmień segment albo sposób opisania bólu i sprawdź ponownie.
  • Brak bólu, brak popytu - porzuć pomysł. To nie porażka, to trzy miesiące oszczędności. Weź następną hipotezę.

Decyduj na podstawie danych, a nie tego, jak bardzo zakochałeś się w pomyśle.


Głębiej (po sprawdzeniu z prawdziwymi ludźmi)

To kolejny poziom. Rób to DOPIERO po potwierdzeniu problemu i popytu z prawdziwymi ludźmi. Tu głęboki research z AI oszczędza dni. Pamiętaj jednak: to research biurkowy - buduje kontekst, nie zastępuje rozmów z użytkownikami.

Narzędzia: ChatGPT Deep Research, Gemini Deep Research (głębokość i źródła), Perplexity (szybko, ceny i konkurenci). Przepuść ten sam prompt przez dwa z nich i porównaj - rozbieżności pokazują, gdzie model halucynuje. Żądaj też linków do źródeł dla każdej liczby.

Wielkość rynku (TAM / SAM / SOM):

Role: market analyst. Product context: [brief].
Calculate TAM, SAM, SOM using two methods:
1. Top-down: from the size of the whole industry down to my segment.
2. Bottom-up: number of customers x average deal size x frequency.
For every number - give a source and year; if there's no source, mark it "assumption".
Give a range (pessimistic / base / optimistic) and the 3 main assumptions.

Konkurenci i ich narzędzia:

Role: competitive intelligence analyst. Context: [brief].
1. Find 10-15 players (including "do it in Excel" and "do nothing").
2. For the top 7 - a table: product, segment, key features, price, positioning.
3. 3-5 recurring complaints from reviews (G2, Capterra, Reddit) with links.
4. 2-3 white space opportunities: where the pain exists but there's no solution.
Pull prices from current pricing pages with the date you checked.

Benchmarking:

Role: product benchmarking analyst. Context: [brief] + category: [...].
1. 3-5 best-in-class products in adjacent categories - who to learn from
   for onboarding, pricing, retention.
2. Industry benchmark metrics (trial-to-paid, churn, CAC/LTV) with sources.
3. 5 lessons I can apply already at the MVP stage.
Give metrics as ranges with a year. Separate enterprise and SMB.
Poziom zaawansowany - segmentacja metodą Advanced JTBD. Gdy problem jest potwierdzony, segmentuj nie po demografii („startupy z 10-50 osobami"), ale po zadaniach („kto musi zrobić X, a obecne rozwiązanie jest uciążliwe"). Rozbij Core Job na podzadania i szukaj niedoobsłużonych węzłów - tam, gdzie konkurenci są słabi, jest Twoje wejście. To analiza generatywna, a nie zadanie na wyszukiwarkę: deep research daje surowy materiał (język klientów, obecne rozwiązania), ale segmentację budujesz sam i dopracowujesz ją w żywych wywiadach.
Poziom zaawansowany - praca w folderze projektu, a nie w przeglądarce. Załóż folder i pracuj w Claude Code albo Cursor (IDE - zintegrowane środowisko programistyczne). Brief zapisz w context.md, a każdy krok jako plik (interviews.md, demand_test.md, competitors.md). Kontekst się kumuluje, a ten sam research później zamienia się w PRD (product requirements document) i kod - bez utraty kontekstu. To przejście od „AI = czat w przeglądarce" do „AI = narzędzie pracy".

Lista kontrolna: zanim napiszesz kod

  • ☐ Napisałeś hipotezę według szablonu, z wąskim, konkretnym segmentem?
  • ☐ Rozmawiałeś na żywo z co najmniej 5 osobami z segmentu?
  • ☐ Opisali ból sami, bez Twojego prowadzenia?
  • ☐ Już wydają pieniądze albo czas na obejścia tego problemu?
  • ☐ Masz co najmniej jeden behawioralny sygnał popytu (e-mail, płatność, zaliczka), a nie tylko komplementy?
  • ☐ Ustawiłeś poprzeczkę sukcesu Z WYPRZEDZENIEM, przed testem?
  • ☐ Jesteś gotów uczciwie porzucić albo zmienić kierunek, jeśli dane mówią nie?

Ostatnia zasada: AI bardzo przyspiesza przygotowanie i analizę - znajdzie ludzi, napisze scenariusze, zsyntetyzuje wywiady. Ale nie zastąpi prawdziwej rozmowy z użytkownikiem ani prawdziwego testu popytu. To jest praca, za którą founderzy biorą pieniądze. Nie deleguj jej.

← Wszystkie materiały AI Sandbox Lab (EN)