Poniższe notatki powstały na podstawie webinaru Jake’a Knappa i Johna Zeratsky’ego z Character Capital. Wszystkie przedstawione przemyślenia, obserwacje i metodologie pochodzą od autorów webinaru – twórców design sprint i inwestorów venture capital.

TL;DR

Presja związana z AI dotyka wszystkich – nawet eksperci z OpenAI i Anthropic odczuwają stres związany z nadążaniem za zmianami
Paradoks współczesnego budowania: łatwiej niż kiedykolwiek stworzyć produkt, jednak trudniej zbudować coś wartościowego dla klientów
Podstawowa zasada: AI służy do automatyzacji rutynowych zadań, ale nie powinno zastępować ludzkiego myślenia – Twoja wizja pozostaje kluczową przewagą
Metodologia Character Labs: foundation sprint prowadzi do hipotezy założycielskiej, następnie sekwencja design sprintów z testowaniem
Strategia wyboru narzędzi: identyfikacja ryzyka powinna poprzedzać decyzje o technologiach
Priorytet jakości: obsesja na punkcie doskonałości przewyższa zadowolenie się „wystarczająco dobrymi” rozwiązaniami
Znaczenie kontekstu: modele AI generują standardowe odpowiedzi ze względu na identyczne dane treningowe – unikalny kontekst stanowi przewagę konkurencyjną

Stres związany z AI jako zjawisko powszechne

Jake Knapp i John Zeratsky rozpoczęli webinar od istotnej obserwacji dotyczącej powszechności stresu związanego z rozwojem AI. Nawet pracownicy firm pionierskich, takich jak OpenAI czy Anthropic, doświadczają presji związanej z nadążaniem za tempem zmian. Knapp podkreślił, że osoby przytłoczone dynamiką rozwoju technologii nie są osamotnione w swoich odczuciach.

Autorzy zidentyfikowali dwa dominujące nastroje wokół sztucznej inteligencji. Z jednej strony część społeczności wykazuje szczere podekscytowanie nowymi możliwościami. Z drugiej strony praktycznie wszyscy odczuwają niepokój związany z koniecznością nadążania za nowymi narzędziami i technologiami.

Ten webinar powstał z doświadczenia pierwszej grupy startupów w Character Labs, która była „fully in the era of vibe coding” – pierwszej kohorty, która od samego początku budowała produkty w pełni wykorzystując nowe narzędzia AI.

Unikalna perspektywa: setki projektów i doświadczenie inwestycyjne

Knapp rozpoczynał karierę w Microsoft w 2000 roku, pracując wówczas nad jednym projektem rocznie. Po przejściu do Google w 2007 roku tempo wzrosło do 2-3 projektów rocznie. Przełomowym momentem było stworzenie design sprint – nagle mógł obserwować 10-12 projektów rocznie w Google.

W Google Ventures skala wzrosła dramatycznie do 20-30 firm rocznie, natomiast obecnie w Character Capital czasami obejmuje 50-60 projektów. Ta niezwykła perspektywa – setki projektów i tysiące godzin współpracy z zespołami na różnych etapach rozwoju – zapewnia wgląd niedostępny dla większości ekspertów.

Istotnym kontekstem jest fakt, że autorzy analizują te zagadnienia z perspektywy inwestorów venture capital. Ich sukces bezpośrednio zależy od powodzenia firm, w które inwestują. W rezultacie skupiają się na rozwiązaniach rzeczywiście skutecznych biznesowo, a nie jedynie atrakcyjnych teoretycznie.

Paradoks współczesnego budowania produktów

Tworzenie i wprowadzanie produktów na rynek nigdy nie było prostsze. Knapp, obserwując ewolucję od swoich czasów w Microsoft (2000 rok) przez Google aż po Character Capital, dostrzega radykalną zmianę w dostępności narzędzi rozwojowych.

Jednak autorzy identyfikują kluczowe wyzwanie. Mimo że proces budowania stał się prostszy, tworzenie produktów o rzeczywistej wartości dla klientów nie uległo uproszczeniu. Wręcz przeciwnie – łatwość tworzenia produktów spowodowała znaczny wzrost konkurencji na rynku.

Zeratsky dodaje kolejny wymiar tego problemu. W przypadku trafienia na obiecujący pomysł, konkurenci mogą szybciej tworzyć podobne rozwiązania, dysponując dostępem do identycznych narzędzi AI.

Znaczenie różnicowania w obecnym krajobrazie technologicznym

Autorzy analizują historie sukcesu przez pryzmat różnicowania produktowego. Każdy udany produkt z ich doświadczenia – od Gmail przez Slack po współczesne przykłady – rozwiązywał istniejące problemy w radykalnie odmienny sposób.

Gmail w 2004 roku konkurował z Hotmail i Yahoo, oferując masową przestrzeń dyskową i zaawansowaną wyszukiwarkę. Ta obietnica okazała się wystarczająca do zdobycia miliarda użytkowników.

Dziesięć lat później Slack rzucił wyzwanie dominującemu Gmail w komunikacji biznesowej. Argumentacja firmy: praca powinna być przyjemniejsza i wspierać współpracę zespołową, zamiast stanowić dla niej przeszkodę.

W 2022 roku ChatGPT zmienił sposób myślenia o wyszukiwaniu informacji. Główna różnica: zero kliknięć – użytkownik po prostu otrzymuje odpowiedź.

Przykłady z portfolio Character Capital

Reclaim (2019) wykorzystywała AI do zarządzania kalendarzami, jeszcze przed popularyzacją ChatGPT. Większość potencjalnych użytkowników myślała: „zarządzam kalendarzem bezpłatnie, kontroluję go, nie chcę powierzać kontroli niezaufanej technologii.”

Mimo to Reclaim przekonywał: „automatycznie zapewnimy ci czas na skupienie, automatycznie ustalimy priorytety kalendarza.” Dla osób otwartych na tę argumentację zarządzanie własnym kalendarzem wydawało się znacznie gorsze od nowego podejścia. Firma przyciągnęła dziesiątki tysięcy klientów i została przejęta przez Dropbox.

Orbital Materials wykorzystuje AI do projektowania nowych molekuł, zastępując metodę prób i błędów. Gdyby ktoś chciał stworzyć zamiennik paliwa odrzutowego, musiałby testować metodą prób i błędów. Orbital oferuje alternatywę: „niższe wskaźniki niepowodzeń i materiały wyższej jakości.” Skupili całą uwagę na tym komunikacie i zaczęli przekonywać tradycyjne firmy chemiczne do programów pilotażowych.

Metodologia Character Labs w działaniu

Knapp i Zeratsky opracowali strukturę Character Labs dla startupów w bardzo wczesnej fazie rozwoju. Proces składa się z foundation sprint, po którym następuje sekwencja design sprintów.

Foundation sprint i hipoteza założycielska

Kluczowym elementem jest sformułowanie hipotezy założycielskiej w postaci: „Jeśli pomożemy [typ klienta] rozwiązać [problem] za pomocą [nasze podejście], wybiorą nas zamiast [konkurencji], ponieważ [nasze różnicujące cechy].”

Struktura ta zmusza do głębokiego przemyślenia każdego kluczowego elementu:

– Typ klienta: Dla kogo dokładnie jest ten produkt? – Problem: Jaką konkretną potrzebę lub bolączkę rozwiązujemy? – Unikalne podejście: Na czym polega nasz sposób rozwiązania tego problemu? – Konkurencja: Jakie są obecne alternatywy, z których korzystają klienci? – Kluczowe wyróżniki: Co sprawia, że nasze rozwiązanie jest obiektywnie lepsze i warte zmiany nawyków?

Autorzy podkreślają konieczność skoncentrowania wszystkich działań na kliencie. Zespoły muszą być bezwzględnie szczere w identyfikacji konkurencji – zarówno obecnych liderów rynku, jak i nowych graczy wykorzystujących AI.

Cykl testowania i iteracji

Character Labs wykorzystuje karty wyników do oceny elementów hipotezy założycielskiej. Knapp przyznaje, że stanowi to symulację, a nie rzeczywisty launch produktu. Jednak ta struktura umożliwia szybkie uczenie się i podejmowanie decyzji.

Metoda iteracyjnego projektowania (kolejne etapy):

Zacznij na papierze – przelej swoją wizję na papier, szkicowanie pozwala ugruntować intencje
Zbuduj prototyp – stwórz symulację wystarczająco realistyczną, by wywołać prawdziwe reakcje
Testuj z klientami – pokaż prototyp prawdziwym użytkownikom, obserwuj zachowanie, nie tylko słuchaj opinii
Ucz się i doskonał intuicję – każda sesja testowa dostarcza danych do weryfikacji lub modyfikacji hipotezy

Proces ten buduje i wzmacnia intuicję założyciela poprzez bezpośrednie interakcje z klientami.

Studia przypadków: różnorodne podejścia do AI

Latchet – era pre-vibe coding

Chris i James, wcześniej inżynierowie w Substack, chcieli przenieść mechanizmy sieciowego wzrostu na e-commerce dla rzemieślników. Dla nich najszybszym sposobem tworzenia prototypów było ręczne kodowanie HTML i CSS, ponieważ najlepiej znali te technologie.

Jak relacjonują: „Próbowaliśmy kilku narzędzi AI do prototypowania, jednak jak dotąd uważamy je za nieco niezgrabne i pozbawione finezji.”

Doctors Network – ekspertyza branżowa

Quinn Wang, chirurg okulistyczny, która stała się founder’ką, budowała platformę łączącą szpitale z chirurgami freelancerami. Nie będąc programistką, wykorzystywała Squarespace do tworzenia landing page’y, Canva i ChatGPT do generowania grafik.

Dopiero później, gdy potrzebowała zaprezentować demo platformy, przeszła na V0 i ChatGPT. Kluczowe okazały się szczegóły – jak wygląda kalendarz chirurga, jak rozkładają się koszty. AI nie mogło samodzielnie opracować tych elementów.

Melo – mistrzostwo vibe codingu

Ben, designer i inżynier z doświadczeniem w Airbnb i One Medical, reprezentuje najwyższy poziom wykorzystania AI. Jednak jego podejście charakteryzuje się dużą przemyślnością.

Sekwencja narzędzi wykorzystywanych przez Bena:

ChatGPT – współtworzenie tekstów i struktury kontentu, iteracyjne promptowanie
Reloom – generowanie sitemap i wireframes na podstawie promptów współtworzonych z ChatGPT
Subframe – wizualne projektowanie z możliwością eksportu kodu (firma z portfolio Character Capital)
MidJourney – generowanie obrazów i ilustracji
Figma – finalizacja designu z pełną kontrolą nad detalami
Cursor + React – budowanie finalnego produktu z własnym kodem

Ben nie traktuje AI jako magicznego rozwiązania. Zamiast tego pracuje iteracyjnie – pokazuje AI screenshoty stron, które mu się podobają, instruując „zrób to bardziej w tym stylu”. Gdy ChatGPT nie potrafi stworzyć diagramu sitemap, przechodzi do Reloom. Kiedy Reloom generuje zbyt prosty wireframe, przenosi pracę do Figma.

Kluczowe jest jego traktowanie AI jako myślącego partnera, a nie magicznego narzędzia. Zeratsky porównuje jego pracę do Miyazaki reżyserującego animatorów. Ben posiada jasną wizję i wykorzystuje narzędzia do jej realizacji, nie pozwalając AI podejmować decyzji za siebie.

Metodologia wyboru narzędzi AI

Autorzy proponują podejście odwrotne do powszechnej praktyki. Zamiast zaczynać od najnowszych narzędzi, należy rozpocząć od identyfikacji największego ryzyka.

✅ Checklist wyboru narzędzi AI:

1. Identyfikacja największego ryzyka

[ ] Co musi okazać się prawdą, aby produkt odniósł sukces?
[ ] Jaki jest jeden kluczowy element wymagający weryfikacji?

2. Projektowanie testu

[ ] Jaki eksperyment zweryfikuje to ryzyko?
[ ] Czy testujesz stronę marketingową czy sam produkt?

3. Określenie minimalnych wymagań prototypu

[ ] Jak realistyczny musi być prototyp?
[ ] Jakie funkcje są absolutnie konieczne?

4. Definiowanie grupy testowej

[ ] Jacy klienci powinni to zobaczyć?
[ ] Jakie konkretne pytania im zadasz?

5. Wybór najlepszego narzędzia dla zespołu

[ ] Jakie umiejętności posiada zespół?
[ ] Co pozwoli najszybciej zbudować potrzebne elementy?

✅ Checklist przed wyborem narzędzi do prototypu:

Zdefiniowanie celu:

[ ] Jakie jest najważniejsze pytanie lub największe ryzyko, które chcę przetestować w tym sprincie?
[ ] Kto jest idealnym klientem do tego testu i czy mam do niego dostęp?

Określenie zakresu:

[ ] Co dokładnie muszę pokazać w prototypie, aby wywołać autentyczną reakcję?
[ ] Jaki jest absolutnie najprostszy prototyp, który pozwoli mi to sprawdzić?

Wybór metody:

[ ] Biorąc pod uwagę moje umiejętności i czas, jaka metoda budowy będzie najszybsza?

Fundamentalne zasady pracy z AI

AI jako narzędzie, nie zastępca myślenia

„AI to doskonałe narzędzie do outsourcingu żmudnych zadań. Nie outsourcuj swojego myślenia” – stanowi to centralną filozofię prezentowaną przez autorów. Myślenie pozostaje źródłem unikalności i przewagi konkurencyjnej.

Zeratsky ilustruje to anegdotą o reżyserze Hayao Miyazakim podczas pracy nad filmem „Spirited Away”. Miyazaki chciał, by animatorzy dokładnie odwzorowali wnętrze paszczy smoka. Zamiast tylko opisać, zabrał ich do schroniska dla zwierząt, gdzie każdy mógł włożyć rękę do paszczy psa. Dzięki temu mogli „poczuć”, a nie tylko zobaczyć, jak narysować scenę. Podobnie founder musi „czuć” swój produkt i kierować narzędziami, a nie na odwrót.

Problem generyczności rozwiązań AI

Zeratsky podkreśla fundamentalny problem: wszystkie modele AI zostały wytrenowane na identycznych danych z internetu. Domyślnie AI generuje bezpieczne, standardowe rozwiązania. Jeśli sukces wymaga radykalnego różnicowania, nie można polegać na AI w kwestiach myślenia i generowania pomysłów.

Obsesja jakości jako przewaga

Ben z Melo stwierdza: „Jestem wielkim zwolennikiem utrzymywania prostoty tak długo, jak to możliwe.” Jednak gdy przychodzi do realizacji wizji, obsesja na punkcie jakości przewyższa zadowolenie się „wystarczająco dobrymi” rozwiązaniami.

AI może szybko stworzyć rozwiązanie na poziomie „OK”, lecz elementy tworzące produkty nie do zastąpienia to dbałość o detale i realizacja własnej wizji.

Kontekst jako źródło przewagi

Produkty wymagające specjalnego kontekstu odnoszą sukces. Ten kontekst pochodzi z dwóch źródeł – kontekstu od klientów (unikalne informacje otrzymane przez budowanie zaufania) oraz ludzkiego kontekstu (gust, zrozumienie problemu, motywacja, unikalne spostrzeżenia).

Przyszłość projektowania w erze AI

Knapp zauważa, że AI tworzy nieprzewidywalne scenariusze wymagające ciągłego dostosowywania produktu. Zespoły projektują obecnie około 10 wersji produktu w drodze do każdego wydania, zamiast jednego przeprojektowania na release jak miało to miejsce wcześniej.

Ta zmiana wymaga odmiennego podejścia. Należy oczekiwać i przyjąć, że wizja produktu będzie ewoluować w trakcie budowania. Sprinty stanowią doskonałe narzędzie do formowania i testowania tej intuicji. Stare podejście „jeden redesign na wydanie” już nie obowiązuje – dziś zespoły tworzą po dziesięć lub więcej wersji w drodze do jednej finalnej, co czyni projektowanie jeszcze bardziej dynamicznym procesem.

Zeratsky cytuje własne słowa z podcastu Lenny’ego o potrzebie strategicznego spowalniania. Zespoły zbyt szybko przechodzące do rozwiązań vibe-coded często osiągają gorsze rezultaty.

Osoby poświęcające czas na myślenie, testowanie i krytyczną ocenę tworzą silniejsze rozwiązania. Gdy pojawia się konkurencja, ich produkty są lepiej przemyślane i trudniejsze do skopiowania.

Końcowa myśl: proces kontra rezultat

Knapp kończy webinar cytatem swojego znajomego MG Sieglera, który napisał tego ranka: „AI może reprodukować pisanie, ale nie proces pisania.”

To samo dotyczy projektowania. AI może reprodukować design i tworzyć rezultaty designu, lecz nie może – przynajmniej obecnie – reprodukować procesu projektowania. Ten proces jest trudny, intuicyjny, niepewny i wymaga znoszenia dyskomfortu związanego z nawigowaniem niepewności oraz rozwiązywaniem problemów.

To stanowi zaletę, nie wadę. Możemy tworzyć lepsze, wyższej jakości, bardziej udane produkty i rozwiązania, jeśli upewnimy się, że nadal sami przechodzimy przez proces projektowania.

Polecane publikacje i zasoby

Autorzy wspomnieli swoje publikacje:

„Click” – Jake Knapp i John Zeratsky (najnowsza książka)
„Sprint” – Jake Knapp (o metodologii design sprint)

Character Foundations – bezpłatny warsztat

Autorzy prowadzą jednodniowy masterclass dla founder’ów w San Francisco. Character Foundations to bezpłatny warsztat (27 sierpnia), który przekazuje ich podejście do projektowania produktów – tego samego, które prezentowali w webinarze.

Warsztat obejmuje praktyczne taktyki i aktywności służące projektowaniu produktów rzeczywiście działających dla klientów. Wszystko opiera się na tym, co jest wyjątkowe w zespole i jego motywacji. Miejsca są ograniczone do 50 osób, dlatego wymagana jest aplikacja na character.vc/foundations.

Kluczowy insight

Zwolnij, aby przyspieszyć

Standardowo myślimy: AI to narzędzie przyspieszenia – im szybciej rozpocznę vibe coding, tym szybciej osiągnę rezultat.

W praktyce okazuje się, że: Najlepsze produkty tworzą zespoły, które zwalniają na początku i najpierw przemyślą problem na papierze. Dopiero potem sięgają po narzędzia AI do realizacji swojej wizji.

Dlaczego to jest istotne: AI może w sekundę stworzyć rozwiązanie „OK”, jednak właśnie ta łatwość może stanowić pułapkę. Zespoły zbyt szybko przechodzące do AI-generated solutions często kończą z produktami wyglądającymi dobrze, lecz nierozwiązującymi prawdziwych problemów klientów.

Test na jutro: Następnym razem rozpoczynając nowy projekt, zamiast od razu otwierać ChatGPT spędź 30 minut na szkicowanie na papierze – swojej wizji, kluczowych pytań i największych ryzyk – i sprawdź, jak bardzo zmienia to jakość finalnych promptów do AI.

Praktyczne prompty AI z webinaru

Na podstawie obserwacji pracy Bena z Melo autorzy przedstawili kilka konkretnych podejść do promptowania AI:

Prompty do strukturyzacji treści (ChatGPT)

„Chcę skupić się konkretnie na aspektach – pomóż mi stworzyć inwentarz treści, który pomoże w konwersji. Zachowaj treść minimalną.”

Kiedy stosować: Gdy posiadasz surowe notatki/teksty ze szkiców na papierze i potrzebujesz je uporządkować w strukturę strony marketingowej lub aplikacji.

Prompty iteracyjne do doprecyzowania

„Skróć te teksty. Zachowaj minimalizm.”

Kiedy stosować: Po otrzymaniu pierwszej wersji od AI. Pokazuje, że jesteś w roli dyrektora artystycznego – recenzujesz, korygujesz i nadajesz ostateczny szlif.

Prompty z referencjami wizualnymi

„Spójrz na tę stronę marketingową z tej witryny, która mi się podoba. Czy możesz sprawić, żeby było bardziej podobne do tego?” (z załączonym screenshotem)

Kiedy stosować: Gdy znasz przykłady dobrych rozwiązań i chcesz je adaptować do swojego kontekstu. Ben aktywnie szukał przykładów stron, które mu się podobały i prezentował je AI.

Prompty do wizualizacji architektury

„Na podstawie tej treści, stwórz mapę strony.”

Kiedy stosować: Jako kolejny krok po ustrukturyzowaniu treści. Pozwala szybko zwizualizować, jak poszczególne sekcje będą ze sobą połączone.

Prompty iteracyjne (nie jednorazowe)

Ben wykorzystywał podejście iteracyjne – nie próbował uzyskać idealnego rezultatu za pierwszym razem. Zamiast tego prowadził „rozmowę” z AI, stopniowo udoskonalając wynik.

Kiedy stosować: Zawsze. Autorzy podkreślają, że Ben „nie próbował robić jednorazowych strzałów” – każdy prompt stanowił część większej konwersacji.

Cross-tool prompting

Ben współtworzył prompty w ChatGPT, które następnie wykorzystywał w Reloom do generowania sitemap.

Kiedy stosować: Gdy jedno narzędzie nie wystarcza – najpierw dopracowujesz prompt w ChatGPT, następnie używasz go w bardziej specjalistycznym narzędziu.

Kluczowa zasada promptowania według Character Capital

Zawsze rozpocznij od szkicu na papierze. Nie promptuj „na zimno” – najpierw określ swoją wizję, następnie wykorzystuj AI do jej realizacji.

Dlaczego: AI stanowi narzędzie do realizacji Twojej wizji, nie do zastąpienia myślenia. Bez jasnej intencji otrzymasz generyczne rozwiązania.

Ten wpis jest częścią mojej kolekcji notatek z ciekawych podcastów, webinarów i innych treści, które uważam za wartościowe i do których sam chcę wracać. Jeśli chcesz sprawdzić oryginalne źródło, znajdziesz je tutaj: Product Design in the Age of AI

Tag: John Zeratsky

Projektowanie produktów w erze AI – praktyczna metodologia dla startupów #EN230