Generator przypadków testowych kontroli jakości

Hipoteza problemu: małe zespoły ecommerce tracą czas, zamieniając surowe zdjęcia produktów w gotowe zasoby kampanii dla kanałów. Najbardziej ryzykowne założenia: jakość zdjęć jest wystarczająco wysoka, zespoły ufają wariantom tworzonym przez AI, a prawdziwym wąskim gardłem jest czas przeglądu. Pytania badawcze: kto odpowiada za tworzenie zasobów kampanii, gdzie blokują się poprawki i jaki próg jakości blokuje publikację. Plan walidacji: przeprowadzić rozmowy z 5 operatorami, przetestować 3 przepływy tworzenia zasobów prowadzone promptami i porównać czas do pierwszego zatwierdzonego zasobu. Brama decyzyjna: kontynuować tylko wtedy, gdy zespoły mogą uzyskać publikowalny szkic szybciej niż w obecnym workflow.

Cel: określić, czy niezależni konsultanci potrzebują przestrzeni roboczej notatek AI, czy lżejszej warstwy follow-up po rozmowach z klientami. Robocze założenia: już zapisują notatki, ale synteza i szkicowanie następnych kroków są niespójne. Odbiorcy: niezależni konsultanci z powtarzalnymi rozmowami z klientami i ograniczonym wsparciem operacyjnym. Kluczowe pytania: które notatki stają się płatną pracą, co ginie po rozmowach i gdzie narzędzia CRM są zbyt ciężkie. Plan badawczy: przeprowadzić 6 wywiadów, przejrzeć 10 ostatnich workflow notatek z rozmów i przetestować jeden prototyp briefu follow-up.