17 mei 2026Bijgewerkt op Fathy Shalaby12 min leestijd
Product Opportunity Assessment: een modern template voor teams in het AI-tijdperk
Goedkope code maakt nee zeggen moeilijker, niet makkelijker. Een product opportunity assessment dwingt je vóór het bouwen vijf vragen te beantwoorden, plus twee checks die elke AI-feature nu nodig heeft.
Een product opportunity assessment is een kort document dat beslist of een idee discovery- of bouwtijd verdient, door een vaste reeks vragen te beantwoorden over het probleem, de klant, de oplossing, de business case en de risico's. Marty Cagans versie uit 2006 had tien vragen en eindigde met een go- of no-go-besluit. De moderne versie hieronder gebruikt er vijf, plus twee checks die producten in het AI-tijdperk nu nodig hebben.
Het is geen administratie, maar de goedkoopste plek om nee te zeggen. Een idee dat op twee pagina's sneuvelt, kost een middag. Een idee dat pas na de lancering sneuvelt, kost engineeringtijd, supportdruk en de plek op de roadmap die het van iets beters afpakte.
Belangrijkste punten
Marty Cagans opportunity assessment uit 2006 stelde tien vragen, te beginnen met "Exactly what problem will this solve?" en eindigend in een go- of no-go-besluit, om te voorkomen dat bedrijven geld verspillen aan slechte kansen (SVPG, 2006).
Een slechte product-market fit speelde een rol bij 43% van de 385 door durfkapitaal gefinancierde faillissementen die CB Insights in zijn analyse van maart 2026 kon verklaren (CB Insights, 2026).
Pendo's onderzoek uit 2019 onder 615 softwareabonnementen vond dat 80% van de features zelden of nooit wordt gebruikt en dat 12% van de features 80% van het dagelijkse gebruik drijft (Pendo, 2019).
AI maakte bouwen goedkoper, waardoor de natuurlijke pauze verdween die zwakke ideeën vroeger eruit filterde. Het assessment brengt die pauze bewust terug.
Voeg voor AI-features twee voorwaarden toe: modelhaalbaarheid (kan een model dit betrouwbaar genoeg?) en de moat (waarom wordt dit niet binnen een maand gekopieerd?).
Wat is een product opportunity assessment?
Het is een lichtgewicht go- of no-go-document dat wordt geschreven voordat een team zich vastlegt op discovery of delivery. Cagan beschreef het in december 2006 op de SVPG-blog als een snelle manier om slechte ideeën vroeg te onderscheppen (SVPG, 2006). Zijn tien vragen gingen over:
Waarom wij het best geplaatst zijn om dit op te pakken (onderscheidend vermogen)
Waarom nu (marktvenster)
Hoe we de markt bereiken (go-to-market)
Hoe we succes meten en geld verdienen (metrics en omzet)
Wat cruciaal is voor succes (oplossingsvereisten)
De aanbeveling (go of no-go)
De vragen gelden nog steeds. Wat veranderde, zijn de kosten eromheen: in 2006 was bouwen traag, waardoor zwakke ideeën vaak onder hun eigen gewicht bezweken. In 2026 kan er een prototype bestaan voordat iemand vraag 1 heeft gesteld.
Een opportunity is, in de bruikbare definitie van Teresa Torres, een onvervulde klantbehoefte, pijnpunt of wens, geen feature (Product Talk, 2023). Beoordeel dus eerst de opportunity en daarna pas de oplossing.
Waarom is een opportunity assessment belangrijker nu AI bouwen goedkoop maakt?
Omdat "kunnen we het bouwen?" niet langer de dure vraag is. "Moeten we het doen?" is dat wel.
De verspilling is goed gedocumenteerd. Pendo schatte dat publiccloudbedrijven tot $29,5 miljard hadden geïnvesteerd in features die zelden of nooit worden gebruikt (Pendo, 2019). In de CB Insights-data van 2026 staat een slechte product-market fit op de tweede plaats van oorzaken voor faillissement, alleen voorafgegaan door een leeg kapitaal (70%) (CB Insights, 2026). Geld raakt sneller op als het producten financiert die niemand nodig heeft.
Goedkopere code verhelpt geen van beide cijfers; het levert alleen meer ongebruikte features per kwartaal op. Onze analyse van wat de AI-codeerdata van 2026 laat zien loopt het bewijs over snelheid langs; kort gezegd is bepalen wat je moet bouwen helemaal niet goedkoper geworden.
Daarom werkt het assessment als een "nee"-machine: als een team de kernvragen niet in een paar pagina's kan beantwoorden, is het niet klaar om te bouwen, hoe snel het bouwen ook zou gaan. Teams die het overslaan, belanden in een feature factory en meten output in plaats van outcomes.
Welke vragen moet een product opportunity assessment beantwoorden?
Het moderne template comprimeert de tien vragen tot vijf, elk beantwoord met bewijs in plaats van onderbuikgevoel.
Het probleem. Welke specifieke, hevige pijn lossen we op? Is het een "brandend" probleem voor de gebruiker of een milde irritatie?
De doelmarkt. Wie is precies de klant, en hoe groot is de bereikbare markt (TAM, SAM en SOM)?
De oplossing. Waarom zijn wij beter gepositioneerd om dit op te lossen dan de alternatieven die mensen nu gebruiken, inclusief spreadsheets en niets doen?
De business case. Hoe creëert dit meetbare waarde: omzet, retentie of operationele efficiëntie? Hoe gaan we dat meten?
De risico's. Wat zijn de technische, markt- en uitvoeringsrisico's, en hoe verkleinen we ze voordat we ons committeren?
Hoe sluiten de vijf vragen aan op Cagans tien?
Moderne vraag
Dekt Cagans vragen
Wat een goed antwoord bevat
Probleem
1 (value proposition)
Een benoemde pijn, hoe vaak die voorkomt, de huidige workaround en wat die kost
Huidige alternatieven en waarom de onze wint voor dit segment
Business case
7, 8 (go-to-market, metrics en omzet)
Een succesmetric, een tegenmetric en een route naar klanten
Risico's
6, 10 (waarom nu, aanbeveling)
Gescoorde toprisico's, de tests die ze zouden wegnemen en een besluit: go, no-go of "eerst discovery"
Houd "waarom nu?" zichtbaar in het risicodeel. Veel goed uitziende opportunities falen op timing, die CB Insights noemt als factor bij 29% van de verklaarde faillissementen.
Wat moet een opportunity assessment toevoegen voor AI-features?
Klassieke assessments behandelen de oplossing vooral als een engineeringvraag. Bij AI-features gaat dat op twee punten mis.
1. Modelhaalbaarheid
Kan een standaardmodel de klus betrouwbaar genoeg klaren, of heeft het idee fine-tuning, eigen data of een mens in de loop nodig? Beantwoord dat met een kleine evaluatie, niet met een demo: verzamel echte input, bepaal hoe een correcte output eruitziet en meet hoe vaak het model daar komt. Een demo laat het beste geval zien; een evaluatie laat het percentage zien. Ons AI-evaluatieframework voor productteams legt uit hoe je die lat bepaalt.
Vraag vervolgens wat een fout antwoord kost. Als het de gebruiker een minuut kost, is een score van 90% misschien prima. Als het geld of vertrouwen kost, is misschien geen enkel percentage goed genoeg. Weet je niet zeker of je AI nodig hebt? Doe eerst de vierstappentest voor AI.
2. De moat
Concurrenten kunnen dezelfde modellen aanroepen, dus benoem het voordeel dat een snelle volger overleeft:
Eigen data die de output verbetert en waar anderen niet bij kunnen.
Netwerkeffecten, waarbij elke gebruiker het product beter maakt voor de volgende.
Diepe workflowintegratie die echte overstapkosten creëert.
Is het eerlijke antwoord "we zijn de eerste", behandel de moat dan als afwezig en reken dat mee in de aanbeveling.
Hoe gebruik je Working Backwards in een opportunity assessment?
Amazons "Working Backwards"-proces is een goede test voor de oplossingsvraag. Zoals Werner Vogels het in 2006 beschreef, schrijft het team vier documenten voordat er gebouwd wordt: een persbericht, een FAQ, een beschrijving van de klantervaring en een gebruikershandleiding, beginnend bij de klant en terugredenerend naar de minimaal benodigde technologie (All Things Distributed, 2006).
Voor een opportunity assessment zijn de eerste twee documenten genoeg. Schrijf een persbericht van één pagina voor het afgeronde product en een FAQ met de lastigste vragen die een klant of collega zou stellen. Als het persbericht het klantvoordeel niet helder kan benoemen, is de oplossingsvraag niet beantwoord.
Hoe scheid je aannames van feiten?
Het gevaarlijkste deel van elk assessment is de verborgen aanname. Houd in het document een tabel met twee kolommen bij: Aannames (hypotheses over gedrag, marktomvang of technische prestaties) en Feiten (wat interviews, analytics, experimenten of marktdata hebben gevalideerd, elk met een link).
Elke belangrijke aanname krijgt een experiment dat haar tot feit maakt of schrapt. Als je voor een sleutelaanname geen test kunt bedenken, draag je meer risico dan het team ziet. Onze gratis assumption map sorteert aannames op belang en bewijs, en de gids over het kiezen van een productexperiment helpt de juiste test per aanname te kiezen.
Cagans vier grote risico's geven de tabel een bruikbare structuur (SVPG, 2017):
Risico
Vraag
Eigenaar in Cagans model
Voorbeeldtest
Waarde
Gaan klanten het kopen of kiezen ze ervoor het te gebruiken?
Product manager
Fake door, pre-sale, klantinterviews
Bruikbaarheid
Kunnen gebruikers uitzoeken hoe het werkt?
Product designer
Usabilitytest met een prototype
Haalbaarheid
Kan engineering het bouwen met de tijd, vaardigheden en technologie die we hebben?
Uitgewerkt voorbeeld: een AI-feature in één middag beoordelen
Stel dat een B2B-saasteam van 5 mensen, dat een customer-successtool verkoopt aan zo'n 120 betalende accounts, "AI-samenvattingen van klantgesprekken" overweegt. Dit team en de cijfers zijn illustratief.
Probleem. In 8 van de 12 recente interviews zeiden CSM's dat ze na elk gesprek notities schrijven; 5 zeiden dat notities vaak ongeschreven blijven. Feit: de pijn bestaat voor deze gebruikers. Aanname: het speelt bij alle accounts.
Doelmarkt. Primair segment: CSM-teams van 3 tot 15 mensen die het product al gebruiken, ongeveer 70 van de 120 accounts. Een bottom-up SOM zijn die 70 accounts, niet "elk bedrijf met klantgesprekken".
Oplossing. De vergadertools van klanten vatten gesprekken vaak al samen. Het mogelijke voordeel: samenvattingen die op het accountrecord belanden, naast de gezondheidssignalen van het account.
Business case. Succesmetric: het aandeel gesprekken met een samenvatting binnen 24 uur stijgt in 8 weken van een geschatte 30% naar 70%. Tegenmetric: CSM's die meer dan de helft van elke samenvatting bewerken, wat op lage kwaliteit zou wijzen.
Risico's, gescoord op vertrouwen en impact van 1 tot 5:
Risico
Impact
Vertrouwen dat we gelijk hebben
Volgende stap
Klanten krijgen elders al "goed genoeg" samenvattingen (waarde)
5
2
6 extra interviews gericht op de huidige tools
Samenvattingen zitten ernaast bij productnamen en cijfers (haalbaarheid)
4
2
Evalueren op 40 echte gesprekstranscripten
De moat is dun: concurrenten gebruiken dezelfde modellen
4
3
Testen of plaatsing op het accountrecord gedrag verandert
Het opslaan van gespreksdata roept privacyvragen op (bedrijfsmatige haalbaarheid)
3
3
Gegevensverwerking vóór de beta met legal doornemen
Aanbeveling: door naar discovery, niet naar bouwen, omdat er twee risico's met hoge impact en laag vertrouwen overblijven. Eén middag assessment maakte van de komende twee weken geen build, maar twee tests.
De checklist voor een modern product opportunity assessment
Gebruik deze checklist voordat je een assessment als af beschouwt:
Probleemdefinitie: benoemt de klantpijn expliciet, met frequentie en de huidige workaround.
Bewijs van behoefte: verwijst naar kwalitatieve interviewinzichten of kwantitatieve enquêteresultaten, met links. Tien interviews zijn een verstandig startpunt voor een B2B-probleem, geen norm.
Marktomvang: een bottom-up TAM-, SAM- en SOM-schatting, onderbouwd met geloofwaardige, recente data.
Concurrentiële moat: duidelijke onderscheiding van gevestigde partijen en snelle volgers.
AI-checks: modelhaalbaarheid getest op echte input; kosten van een fout beschreven.
Succesmetrics: één primaire metric en minstens één tegenmetric (als het gebruik stijgt, lijden prestaties of supportdruk daar dan onder?).
Risicomatrix: elk risico gescoord op vertrouwen en impact, met een test voor elk risico met hoge impact en laag vertrouwen.
Aanbeveling: go, no-go of "eerst discovery", met het bewijs dat haar zou veranderen.
Wanneer kun je het volledige assessment overslaan?
Niet elk idee verdient twee pagina's; goedkope, omkeerbare wijzigingen kun je vaak beter testen dan bediscussiëren. Ron Kohavi en Stefan Thomke beschrijven een Bing-idee uit 2012 om te veranderen hoe advertentiekoppen werden getoond. Het kostte een paar dagen engineering, werd tussen honderden ideeën als lage prioriteit ingeschaald en lag meer dan zes maanden onbeproefd. Toen een engineer eindelijk een eenvoudige A/B-test draaide, steeg de omzet met ongeveer 12%, goed voor meer dan $100 miljoen per jaar in de VS (HBR, 2017). Discussie hield dat idee op de plank; een goedkope test besliste het.
Een werkbare vuistregel:
Volledig assessment voor nieuwe producten, nieuwe segmenten, prijswijzigingen, AI-features die klantdata raken en alles wat meer dan een paar weken bouwen kost.
Korte versie met vijf vragen (één alinea per vraag) voor features van gemiddelde omvang.
Overslaan bij kleine, omkeerbare aanpassingen die je binnen een dag kunt A/B-testen of terugdraaien.
Veelgemaakte fouten
Een al genomen besluit rechtvaardigen. Als de aanbeveling vóór het bewijs kwam, is het een verkoopdocument.
Top-down marktschatting. "1% van een markt van $10 miljard" zegt niets over wie het eerst koopt.
Een demo als haalbaarheidsbewijs behandelen. Een demo toont de beste output, niet het foutpercentage.
Er nooit meer naar kijken. Vergelijk de uitkomst van de lancering met de business case.
Waar Specky past
Specky houdt het bewijs van een assessment op één plek. Gesprekken, feedback, supporttickets en analytics komen in de Product Graph terecht, zodat het probleemdeel echte bronnen aanhaalt in plaats van herinneringen. De Opportunity Tree zet outcomes, opportunities en oplossingen op een rij, RICE-scoring rangschikt concurrerende opties, en Alex, Specky's AI-researchagent, voert vervolginterviews via een deelbare link als een aanname getest moet worden. Het go- of no-go-besluit blijft bij jou.
Veelgestelde vragen
Wat is een product opportunity assessment?
Het is een document van een of twee pagina's dat beslist of een idee discovery- of bouwtijd waard is. Het behandelt het probleem, de doelklant, de oplossing, de business case en de risico's, en eindigt met een besluit: go, no-go of "eerst discovery". Marty Cagan maakte het format in 2006 bekend op de SVPG-blog.
Wat zijn Marty Cagans vragen voor het opportunity assessment?
Cagans lijst uit 2006 telt er tien: het probleem, wie het heeft, marktomvang, alternatieven, ons onderscheidend vermogen, waarom nu, go-to-market, hoe we succes meten en geld verdienen, kritieke succesfactoren en een go- of no-go-aanbeveling. Het template met vijf vragen hier groepeert die tien.
Hoe verschilt een opportunity assessment van een PRD of business case?
Een opportunity assessment komt eerst en vraagt of je een probleem überhaupt moet aanpakken. Een PRD volgt op een go-besluit en specificeert wat er gebouwd wordt. Een business case richt zich meestal op het financiële rendement. Het assessment dekt alle vier de productrisico's, niet alleen geld, en is bewust korter.
Hoe lang moet een product opportunity assessment duren?
Voor de meeste features een middag tot twee dagen, met een of twee pagina's als resultaat. Als het weken duurt, doet het team discovery binnen het assessment; scheid die twee. Het assessment benoemt welke aannames getest moeten worden; het test ze niet allemaal zelf.
Wat is het verschil tussen een opportunity assessment en een opportunity solution tree?
Een opportunity solution tree, in 2016 geïntroduceerd door Teresa Torres, koppelt één outcome aan veel klantkansen, oplossingen en aannametests; het is een kaart voor continue discovery. Een opportunity assessment beoordeelt op een beslismoment één opportunity grondig. Gebruik de tree om kandidaten te vinden en het assessment om over één te beslissen.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing