4 november 2026Bijgewerkt op Fathy Shalaby12 min leestijd
Wat moet ik hierna bouwen? Een beslissingskader voor product builders
Een praktische manier voor solo-oprichters en product engineers om de volgende build te kiezen op basis van klantbewijs, productgebruik en kleine tests, niet op basis van het luidste verzoek of het nieuwste AI-idee.
Wat moet ik hierna bouwen? Bouw het kleinste dat een goed onderbouwd obstakel wegneemt voor een specifieke gebruiker die een belangrijke taak uitvoert. Is het bewijs zwak, dan is je volgende stap een leertest, niet meer code. AI-codeertools maken het goedkoop om een wijziging op te leveren; ze vertellen je niet of die wijziging ertoe doet. Het kader hieronder helpt solo-oprichters en product engineers om in ongeveer 15 minuten per week te beslissen.
Belangrijkste punten
80% van de features in een gemiddeld softwareproduct wordt zelden of nooit gebruikt (Pendo, 2019). Het verkeerde bouwen is de norm, niet de uitzondering.
Een zwakke product-market fit speelde een rol bij 43% van de door CB Insights sinds 2023 geanalyseerde stopzettingen van door durfkapitaal gefinancierde startups (CB Insights, 2026).
Begin bij een gebruiker en een taak, niet bij een featurelijst. Tel verschillende gebruikers en situaties, niet vermeldingen.
Stem de volgende stap af op je grootste onbekende: interview, prototype, vraagtest, technische spike of build.
Scores zoals RICE structureren een gesprek; het is geen oordeel als de input uit gissingen bestaat.
Hoe bepaal je wat je hierna bouwt?
Vijf stappen, in deze volgorde:
Benoem de gebruiker en de taak. Wie heeft moeite, waarmee, in welke situatie?
Verzamel signalen. Recent gedrag, workarounds en oorspronkelijke bronnen, geen stapel ideeën.
Check het bewijs. Wie heeft het probleem, wanneer gebeurde het voor het laatst, wat kost het en wat zou bewijzen dat je ongelijk hebt?
Kies bouwen of testen. Kies de stap die de belangrijkste onbekende oplost.
Bepaal de kleinste nuttige build met acceptatiecriteria, een vangrail en een reviewdatum.
De rest van deze gids loopt elke stap langs en geeft je daarna een wekelijkse review, een uitgewerkt scoringsvoorbeeld en een AI-prompt die bewijs ordent zonder het te verzinnen.
Voordat je ideeën vergelijkt, benoem je wie moeite heeft en wat die persoon probeert af te krijgen. "Onboarding verbeteren" is te breed. "Een solo-oprichter helpen om van een klantgesprek een brief te maken die een engineer kan bouwen" is specifiek genoeg om te onderzoeken.
Dit is de kern van jobs-to-be-done-denken. Clayton Christensen en collega's betoogden in HBR dat innovatie een gok blijft zolang teams zich op producten richten in plaats van te begrijpen waarom klanten hun keuzes maken; in de McKinsey-peiling die ze aanhalen noemde 84% van de leidinggevenden innovatie uiterst belangrijk, terwijl 94% ontevreden was over de innovatieprestaties van de eigen organisatie (HBR, 2016).
Schrijf één zin:
[Persoon] probeert [taak] te doen wanneer [context], maar [obstakel]. Nu [workaround], en dat kost [tijd, moeite, risico of gemist resultaat].
Houd gebruiker, situatie en workaround bij elkaar. Een verzoek als "voeg een export toe" kan betekenen: een rapport delen, een audittrail bijhouden of data naar een andere workflow overzetten. Dat zijn verschillende problemen met verschillende oplossingen. Ons sjabloon voor een productprobleemstelling helpt om van een verzoek een toetsbaar probleem te maken.
Welke signalen tellen als bewijs voor wat je hierna bouwt?
Verzamel een kleine set recente signalen van de mensen die je wilt bedienen:
Iemand die de kernworkflow probeert af te ronden en daarin vastloopt.
Terugkerende workarounds in supportberichten of klantgesprekken.
Een gebruiker die terugkeert naar dezelfde taak en op hetzelfde punt vastloopt.
Een featureverzoek met een duidelijk, recent voorbeeld erachter.
Een productmetriek die op frictie wijst, gevolgd door gesprekken die haar verklaren.
Een strategisch of technisch risico waardoor de huidige productbelofte onbetrouwbaar zou kunnen worden.
Een signaal wordt bruikbaar als het context heeft: wie het meemaakte, wat die persoon aan het doen was, wanneer het gebeurde en wat diegene daarna deed. Bewaar een link naar het oorspronkelijke gesprek, ticket of event. Laat een samenvatting het bewijs niet vervangen.
Niet alle signalen zijn even sterk:
Sterker signaal
Zwakker signaal
"Afgelopen dinsdag heb ik naar een spreadsheet geëxporteerd en de datums met de hand gecorrigeerd"
"Dat zou ik waarschijnlijk gebruiken"
Een workaround die iemand elke week onderhoudt
Een compliment over de demo
Geld of tijd die al aan een oplossing is besteed
Een featureverzoek zonder voorbeeld
Dezelfde uitval in data en in interviews
Eén luidruchtige klant
Een gebruiker die terugkomt en opnieuw vastloopt
AI-feedback dat het idee veelbelovend is
Rob Fitzpatricks The Mom Test is om dit onderscheid heen gebouwd: hoe je bevooroordeelde feedback in klantgesprekken vermijdt en merkt of iemand echt gaat kopen (The Mom Test). Voor interviewnotities scheidt ons sjabloon voor de synthese van klantinterviews wat iemand deed of zei van de interpretatie waartoe je misschien in de verleiding komt.
Hoe sterk is het bewijs voor elke optie?
Vraag bij elk kandidaatprobleem:
Wie heeft het? Kun je de rol of het segment benoemen op basis van bewijs, niet van een brede persona?
Wanneer gebeurde het voor het laatst? Kan iemand een echte, recente situatie beschrijven?
Hoe vaak of hoe duur is het? Onderbreekt het een belangrijke taak, zorgt het voor herhaald handwerk, vertraagt het een beslissing of voegt het risico toe?
Wat doen ze nu? Een workaround die mensen herhalen, onderhouden of betalen, toont meer urgentie dan lof.
Wat zou dit onderuit halen? Zoek mensen die het niet ervaren, een andere oorzaak of een eenvoudigere bestaande oplossing.
Tel verschillende situaties en gebruikers, niet vermeldingen. Tien notities van dezelfde klant zijn geen tien klanten. Een enkel geval met grote impact kan toch aandacht verdienen; noem het een geconcentreerd risico in plaats van brede vraag.
Moet je bouwen of eerst een test doen?
Een goede productbeslissing eindigt niet altijd met een ticket. Stem de volgende actie af op de grootste onzekerheid:
Wat je nog niet weet
Kleine volgende stap
Is dit een echt, pijnlijk probleem voor de doelgebruiker?
Interview mensen die het onlangs meemaakten; vraag naar het laatste voorval en de huidige workaround.
Begrijpen gebruikers de voorgestelde workflow?
Toon een ruw prototype en kijk naar een echte taak zonder te sturen.
Zet iemand een betekenisvolle stap richting dit aanbod?
Doe een eerlijke vraagtest met een duidelijke belofte en een meetbare actie.
Kan het team het veilig en betrouwbaar opleveren?
Bouw een smalle technische spike met expliciete randvoorwaarden en faalgevallen.
Is het probleem goed begrepen en de oplossing laag-risico?
Lever de kleinste complete wijziging op en let dan op gebruik en vangrails.
In het begin is de goedkoopste test vaak om het werk met de hand te doen. Paul Grahams essay Do Things That Don't Scale stelt dat het handmatig werven van gebruikers en iets "onschaalbaar omslachtigs" doen om te beginnen bij bijna alle succesvolle startups voorkomt (Paul Graham, 2013). Heb je al een prototype, dan laat ons productvalidatieplan voor 7 dagen een gerichte manier zien om echt gebruik te testen. Een paar gesprekken of klikken kunnen de volgende test sturen; ze bewijzen geen markt. Voor de vraag die daaraan voorafgaat, of het hele idee standhoudt, lees je onze gids voor het valideren van een SaaS-idee.
Hoe prioriteer je wat je hierna bouwt zonder schijnnauwkeurigheid?
Als er meerdere kandidaten overblijven, vergelijk ze dan eerst in gewone taal:
Belang voor de gebruiker: hoe centraal staat deze taak voor de doelklant?
Sterkte van het bewijs: waargenomen gedrag en oorspronkelijke bronnen, of vooral aannames?
Bereik: hoeveel van de juiste gebruikers komen in deze situatie terecht?
Timing en risico: wat wordt erger als je wacht?
Inspanning en omkeerbaarheid: wat is de kleinste nuttige test, en hoe duur is van koers veranderen?
Wil je een getal, dan is RICE het meest gebruikte model. Sean McBride van Intercom definieerde het als Reach (mensen per periode) maal Impact (3 enorm, 2 hoog, 1 gemiddeld, 0,5 laag, 0,25 minimaal) maal Confidence (100% hoog, 80% gemiddeld, 50% laag), gedeeld door Effort in persoonmaanden (Intercom, 2018). De berekening kun je doen met onze gratis RICE-calculator.
Uitgewerkt voorbeeld: drie kandidaten voor een solo-oprichter
Een illustratief voorbeeld, geen echte data. Een solo-oprichter heeft ongeveer 400 actieve gebruikers per kwartaal en drie kandidaten:
Kandidaat
Reach (per kwartaal)
Impact
Confidence
Effort (persoonmaanden)
RICE-score
A. Begeleide CSV-import
120 nieuwe accounts die bij de import komen
2
80%
1
192
B. Slack-integratie
60
1
50%
2
15
C. AI-samenvatting van rapporten
300
0,5
50%
1,5
50
De scores wijzen naar A. Maar het bewijs erachter bepaalt de keuze:
De 80% confidence van A berust op 5 van 7 recent geïnterviewde mensen die een import-workaround beschrijven en een funnel waaruit blijkt dat 45% van de nieuwe accounts bij de import blijft hangen. Dat is sterk.
B leek populair: 9 verzoeken. Maar 6 kwamen van één account, dus het zijn 4 verschillende gebruikers. Dat is een geconcentreerd verzoek, geen brede vraag.
Het bereik van C is een gok: niemand heeft om samenvattingen gevraagd, en 50% confidence is gul.
De beslissing: bouw een smalle versie van A met een review over twee weken, mail de vier gebruikers achter B om de taak te begrijpen en parkeer C tot iemand het probleem beschrijft dat het oplost. Een score van 192 is niet objectiever dan 150 als de input uit gissingen bestaat; zet bron en confidence naast elk getal. Voor een backlog vol verzoeken gaat onze gids over het prioriteren van featureverzoeken in een klein team dieper.
Wat is de kleinste nuttige build?
Als je hebt besloten te bouwen, schrijf dan het resultaat voor de gebruiker op vóór de implementatiedetails:
Doelgebruiker en moment: wie gaat wat doen?
Bewijs voor het probleem: welke waarneming ondersteunt de wijziging?
Verwacht gedrag: wat moet makkelijker of mogelijk worden?
Buiten scope: welk verleidelijk aanpalend werk valt erbuiten?
Acceptatiecriteria: wat kan iemand controleren in de afgeronde ervaring?
Vangrail: wat mag niet slechter worden?
Reviewdatum: wanneer check je of het heeft geholpen?
Zo blijft een AI-codeeragent of een teamgenoot gericht op het echte probleem. Een brief kan technische randvoorwaarden bevatten, maar laat het implementatieplan niet stilletjes de gebruikersbehoefte herdefiniëren. Als de beslissing klaar is, maakt het PRD-sjabloon voor AI-codeeragents het werk toetsbaar.
Hoe doe je een wekelijkse review van "wat moet ik hierna bouwen?"
Vijftien minuten, één keer per week:
Zet het nieuwste bewijs op één plek, met oorspronkelijke links en datums.
Groepeer signalen die hetzelfde gebruikersprobleem beschrijven; voeg verschillende gebruikerstypen niet samen omdat ze vergelijkbare woorden gebruikten.
Schrijf de sterkste probleemstelling op en één plausibele alternatieve verklaring.
Markeer wat waargenomen, wat afgeleid en wat onbekend is.
Kies de stap die de belangrijkste onbekende oplost: onderzoeken, testen, bouwen, uitstellen of stoppen.
Leg vast wie de beslissing bezit en wanneer je het resultaat beoordeelt.
Teresa Torres' opportunity solution tree is een handig beeld van dezelfde logica: een gewenst resultaat aan de wortel, klantbehoeften en pijnpunten als opportunities daaronder, dan oplossingen en de aannametests waarmee je ze vergelijkt (Product Talk, 2023). Het weekresultaat kan een kleine release zijn, een klantgesprek of een besluit om niet te bouwen. Alle drie zijn vooruitgang als ze de onzekerheid over een belangrijk probleem verkleinen. Heeft het volgende kwartaal een vorm nodig, dan rijgt onze 90-dagenmethode voor productplanning bij startups deze wekelijkse beslissingen tot een plan aan elkaar.
Hoe kan AI helpen te bepalen wat je bouwt zonder je oordeel uit handen te geven?
Gebruik AI om bewijs te ordenen, niet om vraag te verzinnen. Geef het bronmateriaal dat je mag gebruiken en vraag dan:
Groepeer deze productsignalen per gebruikersprobleem. Noem per groep de bron-ID's en de exacte waarnemingen die het ondersteunen. Scheid waargenomen feiten, interpretaties en aannames. Neem tegenbewijs en ontbrekende context op. Verzin geen klantcitaten, steekproefgroottes, gebruiksdata, marktomvang of urgentie. Stel twee goedkope volgende tests voor, leg uit wat elk wel en niet zou bewijzen, en laat de bouwbeslissing aan de product owner.
Controleer elke gegenereerde bewering aan de bron. Kan het antwoord niet naar bewijs verwijzen, behandel het dan als een hypothese die je moet testen. Wees extra op je hoede als een AI zegt dat een idee veelbelovend is: het heeft geen toegang tot het gedrag van jouw gebruikers.
Welke fouten zorgen ervoor dat builders het verkeerde bouwen?
Bouwen wat de luidste klant vroeg. Zes verzoeken van één account zijn geen zes klanten.
Complimenten voor vraag aanzien. "Ziet er geweldig uit" kost niets om te zeggen. Een workaround die iemand onderhoudt, kost diegene elke week iets.
Breedte opleveren om compleet te lijken. Pendo's 80% laat zien hoe opgebouwde breedte eruitziet.
De reviewdatum overslaan. Zonder die datum controleert niemand of de wijziging heeft geholpen, en begint de volgende beslissing weer bij meningen.
AI-ideeën de roadmap laten bepalen. Gegenereerde ideeën zijn goedkoop en zelfverzekerd; bewijs is geen van beide.
Waar past Specky?
Het meeste werk in dit kader is bewijs aan beslissingen gekoppeld houden. Specky leest klantgesprekken, feedback, Slack, Jira en analytics in een Product Graph in, groepeert signalen per probleem met links naar de oorspronkelijke bronnen en biedt RICE-scoring met AI-suggesties die je kunt overschrijven. Specs en tickets bevatten inline citaten, en na de lancering controleert Specky of de wijziging deed wat het moest doen.
Veelgestelde vragen
Hoe weet ik wat ik hierna moet bouwen?
Kies de stap die het best aansluit bij een belangrijk gebruikersprobleem dat je met bewijs kunt onderbouwen: recente, specifieke situaties van verschillende gebruikers, bij voorkeur bevestigd door gedragsdata. Is het probleem of de oplossing nog onzeker, doe dan de kleinste nuttige test voordat je de scope vergroot. Als niets sterk bewijs heeft, is je volgende stap klantgesprekken, niet code.
Wat moet een solo-oprichter hierna bouwen?
Begin bij het moment waarop een doelgebruiker de kernwaarde van je product bereikt. Kijk hoe een echt persoon die taak probeert, vind het grootste obstakel en test één gerichte verbetering. Vermijd het bouwen van een brede featureset om het product compleet te laten lijken; de meeste features worden zelden gebruikt, en een solo-oprichter kan het zich niet veroorloven ze te onderhouden.
Moet ik bouwen wat klanten vragen?
Behandel verzoeken als signalen, niet als specificaties. Vraag wat de persoon probeerde te doen, wat er gebeurde en welke workaround diegene nu gebruikt. Meerdere verschillende verzoeken kunnen naar één gedeeld probleem wijzen, en dezelfde gevraagde feature kan voor verschillende gebruikers verschillende problemen oplossen. Tel verschillende gebruikers, niet vermeldingen.
Is RICE een goede manier om te bepalen wat ik hierna bouw?
RICE is handig om een vergelijking te structureren: reach, impact, confidence en effort maken afwegingen expliciet. Het wordt misleidend als de input uit gissingen bestaat die als data worden gepresenteerd. Zet bewijs en confidence naast elke score, toets het bereik aan verschillende gebruikers en laat een benoemde eigenaar de eindbeslissing nemen.
Kan AI mijn productroadmap kiezen?
AI kan aangeleverde feedback samenvatten, terugkerend taalgebruik vinden, hypotheses opstellen en opties vergelijken aan de hand van criteria die jij geeft. Het kan ontbrekend bewijs niet omzetten in klantvraag en niet de gevolgen van een afweging dragen. Houd de bronlinks eraan vast en neem de beslissing met de mensen die voor het product verantwoordelijk zijn.
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