ChatGPT stösst in der Discovery-Phase an Grenzen
ChatGPT eignet sich gut für einzelne Aufgaben wie Problembeschreibungen, erste Anforderungen oder Gesprächszusammenfassungen. Wer aber mehrere miteinander verknüpfte Phasen über Wochen hinweg konsistent in einem Dokument bündeln will, braucht ein eigens dafür gebautes Tool.
Veröffentlicht am 15. Oktober • Zuerst veröffentlicht auf discoveryphaseai.com • KI-unterstützt
ChatGPT ist ein gutes Werkzeug, um Teile einer Discovery-Phase zu entwerfen: ein Problemstatement, eine erste Liste von Anforderungen, eine Zusammenfassung eines Anrufs. Schwierig wird es, wenn es darum geht, eine gesamte Discovery zusammenzuhalten, mit zehn verbundenen Phasen, Änderungen über mehrere Wochen und einem Dokument am Ende. Ein speziell entwickeltes Werkzeug wie Discovery Phase AI lohnt sich, wenn genau diese zweite Aufgabe Ihr Zeit kostete. Wenn nicht, genügt ein Chat-Assistent zusammen mit einer guten Vorlage.
Dieser Vergleich wurde vom Team hinter Discovery Phase AI verfasst, lesen Sie ihn also vor diesem Hintergrund. Wir haben versucht, fair darzulegen, wo ein allgemeiner Assistent die bessere Wahl ist.
Ein allgemeiner Chat-Assistent ist flexibel, und für viele Discovery-Aufgaben ist Flexibilität genau das, was man braucht.
Wenn Ihre Discovery klein ist (eine Person, ein paar Tage, ein kurzes Dokument), ist dies möglicherweise alles, was Sie benötigen. Kombinieren Sie sie mit einer Struktur wie der Discovery-Phase-Vorlage, damit nichts Wichtiges übersehen wird.
Die Grenzen zeigen sich, wenn die Discovery größer wird, länger dauert oder andere Personen einbezieht.
Die Struktur existiert in Ihrem Kopf. Ein Chat beantwortet den Prompt, der ihm gestellt wird. Er weiß nicht, dass Ihre Discovery Stakeholder, Ziele mit Kennzahlen, Journeys, Anforderungen, Architekturentscheidungen und eine Roadmap enthalten sollte, es sei denn, Sie sagen es ihm jedes Mal oder pflegen diese Struktur selbst in einer Vorlage.
Antworten kennen einander nicht. Sie einigen sich möglicherweise in einem Gespräch auf ein Ziel und schreiben in einem anderen Anforderungen. Nichts warnt Sie, wenn eine Anforderung einer Zahl in den Zielen widerspricht oder wenn ein Journey-Schritt keine dahinterstehende Anforderung hat. Je länger der Verlauf, desto mehr des frühen Materials gerät aus dem Blickfeld.
Änderungen laufen über Kopieren und Einfügen. Sie kopieren einen Entwurf aus dem Chat in ein Dokument, ändern ihn von Hand, fügen ihn zurück ein, um eine Verbesserung zu erbitten, und kopieren das Ergebnis erneut heraus. Es gibt keine Aufzeichnung darüber, was sich geändert hat, wer es geändert hat oder warum.
Aufzeichnungen sind keine Aufzeichnungen. Eine Anforderung in einem Chat ist ein Absatz. Sie hat keine ID, kein Prioritätsfeld, keinen Verantwortlichen, keinen Link zu dem Ziel, dem sie dient. Sie können all dies als Text anfordern, aber Sie müssen die Konsistenz selbst sicherstellen.
Das abschließende Dokument ist Ihre Aufgabe. Jemand muss den Bericht zusammenstellen, formatieren und mit den neuesten Änderungen synchron halten.
Nichts davon macht den Chat schlecht in seiner Aufgabe. Er ist ein allgemeiner Assistent, und die Konsistenz eines mehrstufigen Projekts zu wahren ist eine eigene Aufgabe.
Discovery Phase AI ist genau für diese zweite Aufgabe gebaut. Hier ist, was es anders macht, angegeben nur insoweit, wie das Produkt dies heute leistet.
Zwei Details sind für die Arbeit mit Kunden relevant. Hochgeladene Quelldateien werden im Arbeitsspeicher analysiert und nicht gespeichert, und der Workspace jedes Unternehmens ist von den anderen getrennt. Die Sicherheitsseite listet auf, was gespeichert wird, wer es sehen kann und welche Anbieter Daten verarbeiten.
Das ist der Unterschied in der Praxis. Im Anforderungen-Abschnitt des Beispielberichts ist jede Anforderung ein Datensatz mit einer ID, einem Typ, einer Priorität und einem Status statt eines Absatzes in einem Thread:
Um zu sehen, wie das Endergebnis aussieht, zeigt der Beispielbericht eine vollständige Discovery für ein erfundenes Projekt namens Fieldwise, eine mobile App für Außendiensttechniker. Jeder Name und jede Zahl darin ist ausgedacht. Er beginnt mit den Stakeholdern und führt durch jede abgeschlossene Phase:
Ein strukturiertes Werkzeug ersetzt nicht die Teile der Discovery, die um Menschen gehen.
Beide Optionen haben einen kostenlosen Tarif und kostenpflichtige Pläne, und beide ändern ihre Preise von Zeit zu Zeit, prüfen Sie also die aktuellen Seiten, bevor Sie sich entscheiden.
ChatGPTs kostenpflichtiger Einzelplan wurde vielfach mit etwa 20 Dollar pro Monat angegeben, Business-Pläne werden pro Sitzplatz berechnet. OpenAIs eigene Preisseite ist der Ort zur Bestätigung.
Discovery Phase AIs kostenloser Plan benötigt keine Kreditkarte und umfasst drei aktive Projekte, eine Datei mit bis zu 10 MB pro Upload, 50 KI-Credits pro Monat und Markdown-Export. Pro kostet 19 Dollar pro Monat für eine Person, mit unbegrenzten aktiven Projekten, bis zu zehn Dateien pro Upload, 1.000 Credits pro Monat, PDF-, Word- und PowerPoint-Export sowie wiederherstellbaren Phasen-Versionen. Team- und Agency-Pläne bieten weitere Sitzplätze und, bei Agency, mehrere Kundenunternehmen unter einem Abonnement. Alle Details finden Sie auf der Preisseite.
Die wichtigere Kostenart ist Zeit. Als Faustregel gilt: Wenn Sie mehr Zeit einer Discovery mit Kopieren, Abgleichen und Formatieren als mit Nachdenken verbringen, zahlt sich das strukturierte Werkzeug aus. Wenn Sie hauptsächlich schnelle Entwürfe brauchen, wahrscheinlich nicht.
Viele Teams werden beides nutzen: einen Chat-Assistenten für offenes Nachdenken und einen strukturierten Workspace für die Aufzeichnung, die von den Beteiligten abgezeichnet wird. Wenn Sie mit dem Prozess selbst noch nicht vertraut sind, beginnen Sie damit zu verstehen, was eine Discovery-Phase in der Softwareentwicklung ist, und entscheiden Sie dann, welches Werkzeug zur Größe Ihres Projekts passt.
Ich baue Discovery Phase AI, ein Werkzeug, das auf die Schreib- und Zusammenstellungsseite der Discovery abzielt: Es entwirft die frühen Phasen aus den Präsentationen, Dokumenten und Anrufprotokollen, die Sie bereits haben, und exportiert einen Bericht. Ihr Team führt weiterhin die Interviews durch, prüft jeden Entwurf und trifft die Entscheidungen.
Wenn Sie einfach sehen möchten, wie eine abgeschlossene Discovery aussieht, finden Sie hier einen vollständigen Beispielbericht für eine erfundene Field-Service-App. Keine Registrierung erforderlich.
Das Original dieses Beitrags befindet sich auf unserem Blog. Fragen oder Korrekturen sind in den Kommentaren willkommen.
Dieser Beitrag wurde mit KI-Unterstützung entworfen und vor der Veröffentlichung von einem Menschen redigiert.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
Posted on Oct 15 • Originally published at discoveryphaseai.com • AI-assisted
ChatGPT is a good tool for drafting parts of a discovery phase: a problem statement, a first list of requirements, a summary of a call. Where it struggles is keeping a whole discovery together, with ten connected stages, changes over several weeks and one document at the end. A purpose-built tool such as Discovery Phase AI is worth it when that second job is what costs you time. If it is not, a chat assistant and a good template will do.
This comparison is written by the team behind Discovery Phase AI, so read it with that in mind. We have tried to be fair about where a general assistant is the better choice.
A general chat assistant is flexible, and for many discovery tasks flexibility is what you need.
If your discovery is small (one person, a few days, a short document), this may be all you need. Pair it with a structure such as the discovery phase template so nothing important is skipped.
The limits show up when the discovery grows, lasts longer or involves other people.
The structure lives in your head. A chat answers the prompt it is given. It does not know that your discovery should have stakeholders, goals with metrics, journeys, requirements, architecture decisions and a roadmap, unless you tell it every time or keep that structure in a template yourself.
Answers do not know about each other. You might agree on a goal in one conversation and write requirements in another. Nothing warns you when a requirement contradicts a figure in the goals, or when a journey step has no requirement behind it. The longer the thread, the more of the early material falls out of view.
Edits are copy and paste. You copy a draft out of the chat into a document, change it by hand, paste it back to ask for an improvement, and copy the result out again. There is no record of what changed, who changed it or why.
Records are not records. A requirement in a chat is a paragraph. It has no ID, no priority field, no owner, no link to the goal it serves. You can ask for all of these as text, but you have to keep them consistent yourself.
The final document is your job. Someone has to assemble the report, format it and keep it in sync with the latest changes.
None of this makes the chat bad at its job. It is a general assistant, and keeping a multi-stage project consistent is a separate job.
Discovery Phase AI is built for that second job. Here is what it does differently, stated only as far as the product does it today.
Two details matter for client work. Uploaded source files are analyzed in memory and not stored, and each company's workspace is separate from the others. The security page lists what is stored, who can see it and which providers handle data.
This is the difference in practice. In the requirements section of the example report, each requirement is a record with an ID, a type, a priority and a status, rather than a paragraph in a thread:
To see what the end result looks like, the example report shows a complete discovery for an invented project called Fieldwise, a mobile app for field technicians. Every name and figure in it is made up. It opens with the stakeholders and continues through every completed stage:
A structured tool does not replace the parts of discovery that are about people.
Both options have a free tier and paid plans, and both change their prices from time to time, so check the current pages before you decide.
ChatGPT's individual paid plan has been widely reported at about $20 a month, with business plans priced per seat. OpenAI's own pricing page is the place to confirm.
Discovery Phase AI's Free plan needs no card and includes three active projects, one file of up to 10 MB per upload, 50 AI credits a month and Markdown export. Pro is $19 a month for one person, with unlimited active projects, up to ten files per upload, 1,000 credits a month, PDF, Word and PowerPoint export and stage versions you can restore. Team and Agency plans add more seats and, for Agency, several client companies under one subscription. Full details are on the pricing page.
The cost that matters more is time. As a rule of thumb, if you spend more of a discovery copying, reconciling and formatting than thinking, the structured tool pays for itself. If you mostly need quick drafts, it probably does not.
Many teams will use both: a chat assistant for open-ended thinking, and a structured workspace for the record that people sign off. If you are new to the process itself, start with what a discovery phase is in software development and then decide which tool fits the size of your project.
I build Discovery Phase AI, a tool aimed at the writing-and-assembling side of discovery: it drafts the early stages from the decks, documents and call transcripts you already have, and exports one report. Your team still runs the interviews, reviews every draft and makes the decisions.
If you just want to see what a finished discovery looks like, here is a complete sample report for an invented field-service app. No signup needed.
The original of this post is on our blog. Questions or corrections are welcome in the comments.
This post was drafted with AI assistance and edited by a human before publishing.