16 oktober 2026Bijgewerkt op Fathy Shalaby13 min leestijd
De vier productrisico's: welk bewijs telt voor welk risico
AI maakte haalbaarheid goedkoop om aan te tonen. Waarde, bruikbaarheid en levensvatbaarheid hebben nog steeds hun eigen bewijs nodig, en een geweldige prototypedemo telt voor minder dan het voelt. De Risk Receipt laat zien wat je echt hebt weggenomen.
De vier productrisico's zijn waarde (gaan klanten het kopen of gebruiken?), bruikbaarheid (kunnen ze er zelf mee overweg?), haalbaarheid (kunnen wij het bouwen?) en levensvatbaarheid (werkt het voor het bedrijf?). Marty Cagans model blijft overeind, maar AI veranderde de economie: haalbaarheid is nu goedkoop te testen, terwijl de andere drie nog steeds hun eigen bewijs nodig hebben. Een prototypedemo zegt veel minder over waarde dan het lijkt.
Belangrijkste punten
Cagans vier grote risico's staan los van elkaar: bewijs voor het ene zegt weinig over het andere (SVPG, 2017).
In de analyse van CB Insights uit 2026 van 385 mislukte, met risicokapitaal gefinancierde startups met een bekende oorzaak noemde 43% een slechte product-market fit en 19% onhoudbare unit economics. Dat zijn problemen met waarde en levensvatbaarheid, geen bouwproblemen (CB Insights, 2026).
Vijf testgebruikers vinden ongeveer 85% van de bruikbaarheidsproblemen, dus bewijs over bruikbaarheid is goedkoop te krijgen (Nielsen Norman Group, 2000).
Bewijs voor waarde is gedrag waar een prijskaartje aan hangt, meestal verzameld voordat mensen je oplossing zien.
Een Risk Receipt bewaart elke aanname, het bewijs ervoor en een eerlijk oordeel ("telt / zwak / niet geverifieerd / niet onderzocht") bij elkaar, zodat niemand vier leuke democalls aanziet voor validatie.
Wat zijn de vier productrisico's?
Cagan zette de vier grote risico's in 2017 uiteen in een SVPG-artikel, en ze zijn de standaardchecklist voor product discovery geworden (SVPG, 2017):
Risico
De vraag
Eigenaar in Cagans model
Sterkste bewijs
Zwakste bewijs
Waarde
Gaan klanten het kopen, of gebruikers het kiezen?
Product manager
Gedrag met een prijskaartje: pilots, voorbestellingen, noodoplossingen waar ze al voor betalen
Walkthroughs met stakeholders, "ziet er overzichtelijk uit"
Haalbaarheid
Kunnen engineers het bouwen met de tijd, vaardigheden en technologie die we hebben?
Lead engineer
Een werkend pad op realistische data, met een lijst van wat is overgeslagen
Een happy-path-demo op testdata
Levensvatbaarheid
Werkt het voor de rest van het bedrijf?
Product manager
Cost-to-serve, prijzen getest bij een koper, akkoord van sales, juridische zaken en support
"Over de prijs denken we later na"
In Cagans woorden gaat levensvatbaarheid over "of deze oplossing ook werkt voor de verschillende kanten van ons bedrijf". Dat omvat prijzen, cost-to-serve, sales, juridische zaken, compliance en support.
De vier risico's zijn onafhankelijk van elkaar. Een feature kan triviaal te bouwen en perfect bruikbaar zijn en toch geen waarde hebben. Een feature kan overduidelijk waardevol zijn en niet levensvatbaar, bijvoorbeeld als elk gebruik meer aan inferentie kost dan de klant betaalt.
Waarom veranderde AI welke productrisico's het zwaarst wegen?
Toen bouwen duur was, was haalbaarheid de poort waar alles achter in de rij stond. Teams besteedden hun discovery-tijd aan de andere drie risico's terwijl engineering schatte. Nu een werkend prototype een middag kost, is de rij weg, en daarmee ook de gedwongen pauze waarin de andere risico's werden onderzocht.
Benedikt Kantus zei het in een essay van oktober 2026 zonder omwegen: "AI has made feasibility almost trivial. It has not touched the other three." (Leading in Product, 2026).
De faalcijfers wijzen dezelfde kant op als het gaat om waar producten sterven. CB Insights onderzocht 431 met risicokapitaal gefinancierde bedrijven die sinds 2023 zijn gestopt en kon bij 385 de oorzaken achterhalen. "Geld op" stond bovenaan met 70%, maar het rapport noemt dat de laatste oorzaak en niet de onderliggende. Daaronder: slechte product-market fit met 43%, slechte timing met 29% en onhoudbare unit economics met 19% (CB Insights, 2026). En bij producten die het wel redden vond Pendo in 2019 dat 80% van de features in het gemiddelde product zelden of nooit wordt gebruikt (Pendo, 2019). Waarderisico is het dure risico, niet het bouwrisico.
Is haalbaarheid echt opgelost?
Voor prototypes grotendeels. Voor productie minder duidelijk. In METRs gerandomiseerde onderzoek deden 16 ervaren open-sourceontwikkelaars, werkend aan 246 echte issues in hun eigen repositories, er 19% langer over met de AI-tools van begin 2025, ook al hadden ze een versnelling van 24% voorspeld en dachten ze achteraf 20% sneller te zijn geweest (METR, 2025). Een vervolgonderzoek van februari 2026 met 57 ontwikkelaars vond slechts zwak bewijs voor een versnelling, met betrouwbaarheidsintervallen die nul bevatten, en METR waarschuwt zelf dat de data een onbetrouwbare maatstaf zijn (METR, 2026). De eerlijke lezing: de eerste versie is goedkoop; randgevallen, betrouwbaarheid en onderhoud zijn dat niet.
Wat is een Risk Receipt?
Het probleem is niet dat PM's zich niet meer druk maken om de andere risico's. Het is dat een gepolijst prototype aanvoelt als bewijs voor alle vier. Je laat het aan vijf mensen zien, hoort "dit is geweldig", en het team loopt weg in de overtuiging dat waarde, bruikbaarheid en levensvatbaarheid gedekt zijn. Elk risico heeft zijn eigen betaalmiddel voor bewijs, en de meeste teams betalen met het verkeerde.
Een Risk Receipt is een kort verslag dat je aan elke belangrijke productweddenschap hangt. Voor elk van de vier productrisico's beantwoordt het drie vragen:
Wat is de aanname? Eén zin, concreet genoeg om fout te kunnen zijn.
Welk bewijs hebben we, en wat voor soort is het? Gelinkt aan de bron, niet geparafraseerd.
Telt dat bewijs echt voor dit risico? Dit is het deel dat teams overslaan.
De derde vraag is waar het om draait. Bewijs heeft een wisselkoers. Sommig bewijs is voor het ene risico harde valuta en voor het andere vrijwel waardeloos.
Welk bewijs telt voor welk risico?
Waarde: betaal in gedrag, niet in complimenten
Telt: klanten die het probleem ongevraagd beschrijven, met een recent, concreet voorbeeld. Bestaande noodoplossingen (spreadsheets, scripts, handmatige processen) die ze echt tijd kosten. Toezeggingen waar een prijskaartje aan hangt: een afspraak in de agenda, een pilot met hun data, een voorbestelling, een introductie bij hun baas.
Telt niet: "Dat zou ik gebruiken." Enthousiasme tijdens een demo. Het doorklikpercentage van een prototype in een begeleide sessie. Upvotes op een ideeënbord van mensen die nooit zullen betalen.
Het verraderlijke teken: als het sterkste bewijs voor waarde iemand is die reageert op je prototype, heb je bewijs over bruikbaarheid verzameld en dat als waarde bestempeld. Mensen reageren beleefd op alles wat er bekwaam uitziet. Bewijs voor waarde komt meestal van vóór het moment dat ze je oplossing zagen, uit hoe ze over het probleem praten. Goedkope manieren om het te krijgen zijn een fake door test of een interessepagina voor voorverkoop.
Bruikbaarheid: betaal in geobserveerde taken, niet in meningen
Telt: kijken hoe een echte doelgebruiker een echte taak probeert uit te voeren zonder coaching, en noteren waar hij aarzelt of vastloopt. Taak voltooid bij de eerste poging. De vragen die hij hardop stelt.
Telt niet: "Ziet er overzichtelijk uit." Een walkthrough met stakeholders. Je eigen team dat het elke dag gebruikt (zij weten al waar alles zit).
Het verraderlijke teken: als niemand buiten het team een taak alleen heeft geprobeerd, is bruikbaarheid niet geverifieerd, hoe goed het prototype er ook uitziet.
Dit is het ene risico waar AI-prototyping echt bij helpt. Een klikbaar prototype met echte data levert je weken eerder echte taakobservatie op dan een statische mockup. Het is een echte winst, maar wel voor één risico. Ons usabilitytest-template laat zien hoe je de sessies uitvoert.
Haalbaarheid: betaal in een werkend pad, inclusief de lelijke delen
Telt: een prototype dat draait op realistische datavolumes, echte rechten en echte latency. Het eerlijke lijstje van een engineer met wat het prototype oversloeg: auth, migraties, foutstatussen, de integratie met rate limit.
Telt niet: een demo op het happy path met testdata.
Het verraderlijke teken: vraag "wat hoefde dit prototype niet af te handelen?" Is het antwoord lang, dan is haalbaarheid deels weggenomen, niet volledig.
Levensvatbaarheid: betaal in cijfers die iemand buiten product zou ondertekenen
Telt: een schatting van de cost-to-serve (bij AI-features de kosten per gebruik bij het verwachte volume). Een prijshypothese die je hardop aan een koper hebt voorgelegd. Een check bij degene die support, sales, security of juridische zaken beheert. In B2B: of het inkoopproces van een koper dit toelaat.
Telt niet: "Over de prijs denken we later na." Aannemen dat gebruikskosten verwaarloosbaar zijn omdat het prototype voor één persoon goedkoop te draaien was.
Het verraderlijke teken: als niemand buiten het productteam de weddenschap heeft gezien, is levensvatbaarheid niet onderzocht.
Een uitgewerkt voorbeeld: vier tevreden klanten, één lege receipt
Stel dat je een oprichtersteam van twee bent dat een B2B-tool bouwt, en een klantgesprek brengt je op een idee: een AI-assistent die wekelijkse statusupdates schrijft op basis van projectactiviteit. Je prototypet het in een weekend. Het werkt. Je laat het aan vier klanten zien in calls. Alle vier zeggen dat ze het geweldig vinden.
Dit is de eerlijke Risk Receipt:
Risico
Aanname
Bewijs
Telt het?
Waarde
Teamleiders gebruiken wekelijkse concepten in plaats van zelf updates te schrijven
4 positieve demoreacties
Zwak: reacties op een oplossing, geen gedrag. Niemand beschreef het schrijven van updates als pijnpunt voordat jij het liet zien.
Bruikbaarheid
Leiders kunnen een concept in minder dan 5 minuten nakijken en versturen
Niets geobserveerd
Niet geverifieerd: niemand probeerde het alleen.
Haalbaarheid
Concepten blijven nauwkeurig op echte projectdata
Weekendprototype in je eigen workspace
Gedeeltelijk: geen test op een rommelige klantworkspace.
Levensvatbaarheid
De kosten per concept blijven ruim onder wat het abonnement opbrengt
Niet geschat
Niet onderzocht
Vier enthousiaste calls, en de receipt zegt dat je bijna niets hebt weggenomen. Dat is geen reden om het idee te schrappen. Het is een reden om drie goedkope checks te doen voordat je de productieversie bouwt:
Waarde: ga terug naar twee van die klanten en vraag hoe ze updates nu schrijven, hoe lang dat duurt en wat er gebeurde toen er de vorige keer eentje te laat was. Luister naar een noodoplossing.
Bruikbaarheid: geef één klant het prototype op zijn eigen data en kijk hoe hij het een cyclus lang zonder begeleiding gebruikt.
Levensvatbaarheid: vermenigvuldig je modelkosten per concept met een realistisch weekvolume over je klantenbestand en vergelijk dat met de prijs van het abonnement.
De rekensom voor levensvatbaarheid (illustratieve cijfers). Stel dat een concept €0,06 aan modelaanroepen kost in je eigen workspace, maar een echte klantworkspace 5 keer zoveel activiteit heeft, dus €0,30 per concept. Een klant met 40 teamleiders genereert 160 concepten per maand, oftewel €48 aan modelkosten, tegen een abonnement van €60 per maand. Dat is 80% van de omzet weg door één feature. Beter dat je het op dag drie weet dan in maand drie.
Elke check kost dagen, geen weken. Dat is het echte dividend van goedkope haalbaarheid: je kunt het je veroorloven om echt bewijs te kopen voor de andere drie risico's voordat je je vastlegt.
Hoeveel klanten of gebruikers heb je nodig per risico?
Bruikbaarheid: kleine aantallen werken. Nielsens analyse vond dat 5 gebruikers ongeveer 85% van de bruikbaarheidsproblemen blootleggen, en adviseerde drie rondes van 5 met verbeteringen ertussen in plaats van één ronde van 15 (Nielsen Norman Group, 2000).
Waarde: het aantal telt minder dan de prijs van het signaal. Twee klanten die je elk een pilot met hun eigen data geven wegen zwaarder dan twintig die zeggen "klinkt goed". Zoek minstens 3 onafhankelijke toezeggingen voordat je waarde voor een segment als weggenomen beschouwt.
Haalbaarheid: één realistische run, beoordeeld door de engineer die er straks eigenaar van is, plus een schriftelijke lijst van wat is overgeslagen.
Levensvatbaarheid: één kostenmodel met benoemde aannames en één gesprek met elke afdeling die ja moet zeggen (sales, support, juridische zaken of security).
Dit zijn uitgangspunten voor een klein team, geen benchmarks.
Waarom zijn receipts beter dan een discovery-checklist?
Je zou de vier risico's in een checklist kunnen gieten. Teams doen dat. Checklists falen voorspelbaar: iemand vinkt "waarde gevalideerd" aan omdat een demo goed ging, en het vinkje verbergt wat het bewijs was.
Een receipt houdt het bewijs vast aan de aanname. Drie maanden later, als de feature tegenvalt en iemand vraagt "waarom hebben we dit gebouwd?", is het antwoord geen herinnering of slide. Het is een verslag: dit geloofden we, dit zagen we, deze risico's lieten we bewust open. Voor de structuur die zulke verslagen in de tijd aan elkaar koppelt, lees je onze beslisgraaf voor kleine AI-teams. Als je team helemaal zonder receipts oplevert, toets het dan aan de 10 waarschuwingssignalen van een feature factory.
Dat laatste is belangrijk. Opleveren met een open risico is vaak de juiste keuze, omdat kleine teams niet alles kunnen wegnemen. De fout is opleveren met een open risico waarvan je dacht dat het gesloten was.
Veelgemaakte fouten
Demoreacties als waarde tellen. De meest voorkomende fout. Reacties zijn hooguit bewijs over bruikbaarheid.
Bruikbaarheid testen met insiders. Collega's en vriendelijke klanten kennen de logica van het product al.
Een prototype zien als bewijs voor haalbaarheid in productie. Vraag elke keer om de lijst van wat is overgeslagen.
Levensvatbaarheid op "later" zetten. Vooral bij AI-features kunnen de kosten per gebruik van een geliefde feature een verliesmaker maken.
Proberen elk risico weg te nemen. Kies het ene of de twee risico's die de weddenschap zouden doden en koop daar eerst bewijs voor. Onze gids voor assumption mapping helpt je ze te rangschikken.
Hoe we Risk Receipts gebruiken in Specky
Klantsignalen (interviewnotities, supportthreads, gesprekstranscripties, analytics-events) komen als getypeerde nodes in de Product Graph terecht, elk met zijn bron. Een opgesteld inzicht of besluit citeert de specifieke nodes waarop het rust, zodat "vier klanten vonden het geweldig" niet ongemerkt "klanten hebben dit nodig" kan worden. Voor de waardecheck kan Alex, Speckys AI-onderzoeksagent, korte interviews houden over het huidige proces van klanten voordat ze je oplossing zien, en de transcripties komen terug als bewijs. Voor vroege vraag meet een validatiepagina of mensen een handeling uitvoeren waar een prijskaartje aan hangt. Het oordeel over welke risico's je open laat, blijft bij jou.
Begin deze week met één receipt
Je hebt geen tool nodig om te beginnen. Kies de weddenschap waar je team nu het meest enthousiast over is, die met het beste prototype. Schrijf vier regels:
Als de meest spannende weddenschap de leegste receipt heeft, weet je waar je volgende discovery-week naartoe moet. Je kunt de aannames ook visueel schetsen met de gratis assumption map-tool.
Haalbaarheid was vroeger de dure vraag. Nu is het de goedkope. De teams die deze cyclus winnen, zijn niet degene die het snelst bouwen. Het zijn degene die kunnen laten zien wat ze wisten toen ze besloten.
Veelgestelde vragen
Wat zijn Marty Cagans vier grote risico's?
Dat zijn waarderisico (gaan klanten het kopen of ervoor kiezen het te gebruiken), bruikbaarheidsrisico (kunnen gebruikers zelf uitvinden hoe het werkt), haalbaarheidsrisico (kunnen engineers het bouwen met de beschikbare tijd, vaardigheden en technologie) en levensvatbaarheidsrisico voor het bedrijf (werkt het voor de rest van het bedrijf). Cagan publiceerde ze in 2017 op SVPG en wijst waarde en levensvatbaarheid toe aan de product manager.
Welk van de vier productrisico's wordt het vaakst onderschat?
Waarderisico. Een werkend prototype en beleefde reacties wekken een sterk gevoel van validatie dat niet door gedrag wordt gedekt. De CB Insights-studie van 2026 vond dat 43% van de mislukte startups met een bekende oorzaak een slechte product-market fit noemde. Levensvatbaarheid komt bij AI-features op een goede tweede plaats, omdat de kosten per gebruik de prijs kunnen overstijgen.
Test een prototype het waarderisico?
Zelden op zichzelf. Een prototype laten zien test vooral bruikbaarheid en wat haalbaarheid. Bewijs voor waarde komt uit gedrag met een prijskaartje: mensen die het probleem ongevraagd beschrijven, bestaande noodoplossingen, pilots, voorbestellingen of introducties. Je kunt een prototype in een waardetest gebruiken, bijvoorbeeld door om een betaalde pilot te vragen, maar de reactie alleen telt niet.
Hoe test je het levensvatbaarheidsrisico voor het bedrijf?
Schrijf de cijfers op die iemand buiten product zou moeten goedkeuren: cost-to-serve per klant, verwachte prijs, supportbelasting en alle juridische, security- of inkoopbeperkingen. Leg ze daarna voor aan die mensen. Vermenigvuldig bij AI-features de kosten per gebruik met een realistisch volume en vergelijk dat met de prijs van het abonnement voordat je besluit te bouwen.
Heeft AI het haalbaarheidsrisico laten verdwijnen?
Nee, het maakte de eerste versie goedkoop. Prototypes kosten nu uren, maar productiewerk in volwassen codebases is iets anders: METRs onderzoek van 2025 vond dat ervaren ontwikkelaars er met AI-tools in hun eigen repositories 19% langer over deden, en het vervolg van 2026 vond slechts zwak bewijs voor een versnelling. Blijf vragen wat een prototype niet hoefde af te handelen.
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