30 stycznia 2026Zaktualizowano Fathy Shalaby10 min czytania
Discovery sprint z AI: plan na pięć dni i wersja na trzy godziny
Discovery sprint zamyka jedno duże pytanie produktowe w tygodniowym oknie czasowym. Użyj AI, by wycisnąć wnioski z dowodów, które już masz, i szybciej prowadzić wywiady, a przy tym wiedz, co mogą ci powiedzieć trzy godziny, a czego nie.
Udostępnij
Ten artykuł został przetłumaczony z języka angielskiego. Przeczytaj oryginał
Discovery sprint to ograniczone w czasie przedsięwzięcie, zwykle tygodniowe, w którym mały zespół odpowiada na jedno istotne pytanie lub ryzyko produktowe, zanim zdecyduje się na budowanie. Dzięki AI pierwszy dzień, czyli przegląd dowodów, może skurczyć się do około trzech godzin, a wywiady da się prowadzić bez czekania na kalendarze. Kontakt z klientami nadal zajmuje dni, a decyzja nadal należy do zespołu.
Najważniejsze wnioski
Marty Cagan opisuje ten format jako tygodniowe okno czasowe przeznaczone na istotny problem lub ryzyko; woli tę nazwę od „design sprintu”, bo dobry discovery wykracza poza design (INSPIRED, 2nd ed.).
Design sprint GV, najbardziej znany format, trwa pięć dni, uczestniczy w nim najwyżej siedem osób, a w piątek kończy się pięcioma wywiadami z klientami (Character).
AI jest najszybsza przy dowodach, które już masz: przeszukuje rozmowy, tickety i notatki, grupuje tematy i szkicuje brief. Nie stworzy w trzy godziny nowych dowodów od klientów.
Wywiady z AI nadają się do krótkich, uporządkowanych pytań. W badaniu Nielsen Norman Group z 2026 roku tylko 3 z 10 uczestników uznało rozmowę moderowaną przez AI za naturalną (NN/g, 2026).
Sprint kończy się pisemną decyzją, a nie prezentacją.
Czym jest discovery sprint?
Bierze jedno duże pytanie, na przykład „Czy powinniśmy zbudować przestrzenie robocze dla zespołów?” albo „Dlaczego triale utykają w drugim tygodniu?”, i poświęca mu tydzień skupionej uwagi osób, które zbudują odpowiedź. Cagan umieszcza go w obszarze product discovery: pracy nad sprawdzeniem wartości, użyteczności, wykonalności i opłacalności biznesowej, zanim zaangażuje się czas inżynierów (SVPG, 2017).
To nie to samo co sprint delivery. Sprint w Scrumie dostarcza przyrosty; ten dostarcza decyzję i dowody, które za nią stoją.
Czym discovery sprint różni się od design sprintu?
Nazw używa się zamiennie, ale formaty odpowiadają na różne pytania.
Design sprint powstał w GV: Jake Knapp zaczął prowadzić sprinty w Google w 2010 roku, a w 2012 przeniósł je do GV. W poniedziałek mapuje się problem, we wtorek szkicuje, w środę podejmuje decyzję, w czwartek buduje prototyp, a w piątek testuje go z klientami (GV). Knapp i John Zeratsky dodali później dwudniowy Foundation Sprint na etap wcześniejszy: najwyżej pięć osób, w tym Decider, uzgadnia hipotezę, którą design sprinty mogą potem przetestować (Lenny's Newsletter, 2025).
Wybierz format Cagana, gdy niepewny jest sam problem. Użyj design sprintu, gdy ufasz problemowi i musisz przetestować rozwiązanie.
Jak przeprowadzić discovery sprint z AI w pięć dni?
Zablokuj tydzień dla małego zespołu: osoby od produktu, projektanta i inżyniera oraz kogoś, kto podejmuje ostateczną decyzję. Design sprint nazywa tę osobę Deciderem, a jego przewodnik jest stanowczy: decyzje bez niej się nie utrzymują (Character).
Dzień 1: Sformułuj pytanie i przeanalizuj istniejące dowody
Zapisz pytanie sprintu jako decyzję: „Do piątku zdecydujemy, czy [działanie] dla [użytkownika] ze względu na [dowód]”.
Użyj wyszukiwania AI w rozmowach, ticketach supportu, notatkach sprzedażowych i feedbacku, żeby wyciągnąć każdą wzmiankę o temacie z ostatnich 90 dni. Poproś o cytaty ze źródłami, a nie o streszczenia.
Pogrupuj wyniki w trzy do pięciu tematów. Przy każdym zapisz, ile źródeł go wspiera („7 ticketów, 3 rozmowy”) i czego brakuje.
Poproś AI, by argumentowała przeciwko twojemu ulubionemu tematowi. Jeśli dowody nie wytrzymują, powiedz to teraz.
To krok, który AI skraca najbardziej: maszyna czyta, zespół ocenia.
Dzień 2: Zmapuj szanse i wybierz najbardziej ryzykowne założenie
Umieść tematy na opportunity solution tree: pożądany rezultat u korzenia, niżej szanse klientów, potem kandydackie rozwiązania, a na dole testy założeń (Product Talk).
Wypisz założenia dla jednej lub dwóch najważniejszych szans (pomaga darmowa mapa założeń) i oceń każde w skali 1–5 pod kątem wpływu i niepewności. Przetestuj to z najwyższym iloczynem.
Zapisz sygnał sukcesu dla każdego testu, zanim zobaczysz jakiekolwiek dane.
Zacznij rekrutację na dni 3 i 4. Zaproś osoby, które miały ten problem w ostatnim miesiącu.
Dzień 3: Porozmawiaj z klientami
Przeprowadź od pięciu do ośmiu krótkich wywiadów z osobami pasującymi do twojej ankiety kwalifikacyjnej, zadając pytania oparte na historiach o ostatni raz, gdy problem się pojawił. Nasz szablon wywiadu z klientem zawiera 20-minutowy skrypt.
AI pomaga na dwa sposoby. Transkrybuje i taguje rozmowy na żywo, a wywiadowca AI może prowadzić krótkie, uporządkowane rozmowy z linku, więc ludzie odpowiadają, kiedy im pasuje. Przy każdym temacie eksploracyjnym zostaw co najmniej trzy wywiady na żywo: Nielsen Norman Group stwierdziła, że wywiadowcy AI mieli trudność z dopytywaniem o nieoczekiwane odpowiedzi, trwali od 13 do 56 minut, bo nie umieli utrzymać docelowej długości, i poleca ich jako uzupełnienie moderacji prowadzonej przez ludzi (NN/g, 2026).
Dzień 4: Przetestuj najbardziej ryzykowne założenie
Zbuduj najmniejszą rzecz, która stawia założenie przed użytkownikami: klikalny mock, wersję concierge, fake door albo cienki prototyp zbudowany z agentem do kodowania. Przy pytaniach o użyteczność pięciu uczestników to solidna wartość domyślna; model Jakoba Nielsena pokazuje, że pięciu użytkowników znajduje około 85% problemów z użytecznością (Nielsen Norman Group, 2000).
Jeśli ryzyko dotyczy wartości, a nie użyteczności, testuj zachowanie: rejestrację, zarezerwowaną rozmowę, przedsprzedaż. Nasz przewodnik po wyborze eksperymentu produktowego przypisuje każdemu ryzyku metodę.
Dzień 5: Zdecyduj i zapisz to
Porównaj każdy wynik z sygnałem sukcesu, zapisanym w dniu 2. Potem napisz jednostronicowy zapis decyzji:
Pytanie i decyzja (kontynuować, zmienić, wstrzymać lub zakończyć)
Dowody za i przeciw, ze źródłami
Czego celowo jeszcze nie robisz i dlaczego
Następny test, jeśli jest
Podziel się nim z zespołem, którego nie było w pokoju. Decyzja, której nikt nie potrafi powiązać z dowodami, wraca na następnym spotkaniu planistycznym.
Czy da się skompresować sprint do trzech godzin?
Częściowo. Wersja na trzy godziny może dobrze odpowiedzieć na jedno pytanie: co mówią dowody, które już mamy, i czego brakuje? Nie stworzy nowych dowodów od klientów, bo wywiady i testy z dni 3 i 4 zależą od czasu innych osób. Traktuj ją jako skompresowany dzień 1, a nie cały sprint.
Godzina
Praca
Wynik
1
Przeszukaj z AI rozmowy, tickety, wątki na Slacku i notatki na dany temat; wyciągnij cytaty ze źródłami
3–5 klastrów dowodów, każdy z liczbą źródeł
2
Zamień klastry w szanse; wypisz założenia; oceń wpływ × niepewność; wyślij krótki link do wywiadu do 10–20 odpowiednich użytkowników
Uszeregowana lista i jedno najbardziej ryzykowne założenie
3
Napisz jednostronicowy brief: co wiemy, co rekomendujemy, co odkładamy, co muszą pokazać wywiady
Brief gotowy dla zespołu oraz sygnał sukcesu
Potem czytaj odpowiedzi z wywiadów, w miarę jak napływają przez kolejne dni, zanim zaczniesz działać na podstawie briefu. Wersja na trzy godziny pasuje do pytań o jeden temat, przy których jest już mnóstwo dowodów. Nie pasuje do nowego rynku, gdzie nie masz dowodów do analizy.
Jak w praktyce wygląda pięciodniowy sprint?
Poniższy przykład jest ilustracją, a nie prawdziwą firmą.
Powiedzmy, że sześcioosobowy startup B2B z analityką widzi, że triale utykają w drugim tygodniu, i chce wiedzieć dlaczego, zanim przeprojektuje onboarding.
Dzień 1. Wyszukiwanie AI w 140 ticketach supportu i 22 notatkach z rozmów sprzedażowych znajduje trzy klastry: błędy importu danych (31 wzmianek), niejasny pierwszy dashboard (18) i pytania o cenę (9). Zespół zakładał, że głównym problemem jest cena.
Dzień 2. Najbardziej ryzykowne założenie: „triale utykają, bo pierwszy import się nie udaje, a nie z powodu dashboardu”. Sygnał sukcesu: co najmniej 4 z 6 użytkowników triala, którzy utknęli, samodzielnie opisuje problem z importem.
Dzień 3. Sześć wywiadów (trzy na żywo, trzy przez link wywiadowcy AI). Pięć z sześciu opisuje nieudany import; dwie osoby w ogóle nie dotarły do dashboardu.
Dzień 4. Test concierge: zespół ręcznie importuje dane dla pięciu nowych użytkowników triala. Czterech z pięciu w ciągu doby dociera do pierwszego dashboardu.
Dzień 5. Decyzja: zmienić. Najpierw naprawić import, odłożyć przeprojektowanie onboardingu i po czterech tygodniach sprawdzić ponownie aktywację w drugim tygodniu.
Sprint kosztował około 15 osobodni. Przeprojektowanie, które odłożył, kosztowałoby znacznie więcej i naprawiłoby niewłaściwy krok.
Jakie błędy wykolejają sprint?
Wybranie pytania zbyt dużego na tydzień. „Jaka powinna być nasza strategia?” to nie jest pytanie na sprint. „Czy powinniśmy zbudować X dla Y?” już tak.
Zaczynanie od rozwiązania. Jeśli poniedziałek otwierają makiety, to design sprint pod inną nazwą.
Pominięcie Decidera. Bez jednej osoby, która może powiedzieć „tak”, decyzja dryfuje z powrotem na spotkania.
Traktowanie streszczeń AI jak dowodów. Streszczenie bez źródeł to opinia. Wymagaj cytatów i liczb.
Pozwolenie, by syntetyczni użytkownicy zajęli miejsca w wywiadach. Symulowane odpowiedzi nie są dowodem od klientów.
Rekrutacja w środę. Bez uczestników zarezerwowanych w dniu 2 dzień 3 jest pusty.
Kiedy go nie przeprowadzać: jeśli pytanie wymaga danych o rozpowszechnieniu (zrób ankietę), jeśli w tym tygodniu nie możesz dotrzeć do żadnych użytkowników albo jeśli zespół będzie budował niezależnie od wyniku. W tym ostatnim przypadku oszczędź sobie tygodnia.
Gdzie pasuje Specky
Specky skraca dzień 1. Wczytuje rozmowy z klientami, feedback, Slacka, Jirę i analitykę do Product Graph, więc wyszukiwanie tematu sprintu zwraca cytaty wraz ze źródłami i liczbami. Alex, agent badawczy Specky, wysyła krótkie wywiady z linku do udostępnienia i odkłada transkrypcje, tematy i sentyment z powrotem w grafie. Opportunity Tree przechowuje mapę z dnia 2, a Decision Log trzyma zapis z dnia 5 obok dowodów, które za nim stały. Lżejszy, asynchroniczny format opisujemy w tekście jak prowadzić discovery asynchronicznie.
Najczęściej zadawane pytania
Czym jest discovery sprint?
Discovery sprint to krótkie, ograniczone w czasie przedsięwzięcie, zwykle tygodniowe, w którym mały zespół produktowy odpowiada na jedno istotne pytanie lub ryzyko, zanim zaangażuje czas inżynierów. Łączy przegląd istniejących dowodów, wywiady z klientami i mały test, a kończy się pisemną decyzją. Marty Cagan używa tego terminu w INSPIRED zamiast „design sprint”.
Jak długo powinien trwać discovery sprint?
Większość zespołów przyjmuje pięć dni roboczych, co zostawia miejsce na rekrutację, wywiady i testy. Niektóre planują dwa tygodnie, by sprint pasował do rytmu delivery. Wersja jednodniowa lub trzygodzinna może przejrzeć istniejące dowody i ująć pytanie, ale nie zastąpi dni potrzebnych na rozmowy z klientami i obserwację testu.
Jaka jest różnica między discovery sprintem a design sprintem?
Discovery sprint pyta, czy problem lub ryzyko warto podjąć; design sprint pyta, czy konkretne rozwiązanie działa. Design sprint GV opiera się na sztywnym pięciodniowym programie, który kończy się pięcioma testami prototypu z klientami. Wersja Cagana jest luźniejsza i często kończy się decyzją, a nie prototypem.
Kto powinien być w zespole sprintu?
Niech będzie mały: product manager, projektant i inżynier, którzy zbudują wynik, oraz Decider z uprawnieniami do działania na jego podstawie. Przewodnik po design sprincie GV ogranicza zespół do siedmiu osób. Ekspertów, na przykład szefów supportu lub sprzedaży, zaproś na krótkie wywiady w dniu 1, a nie na cały tydzień.
Czy AI może prowadzić wywiady z klientami w sprincie?
Przy krótkich, uporządkowanych pytaniach tak: wywiadowca AI zbierze odpowiedzi od większej liczby osób bez umawiania terminów. Przy pytaniach eksploracyjnych zostaw ludzi w przynajmniej części wywiadów. Badanie Nielsen Norman Group z 2026 roku wykazało, że wywiadowcy AI mieli trudność z podążaniem za nieoczekiwanymi wątkami, a tylko 3 z 10 uczestników uznało rozmowę za naturalną.
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