THE DECISION SYSTEM
MVP 的產出不是功能數量，是更早做出正確決定。
一條清楚的驗證鏈，讓每週交付都回答下一個問題。範圍不再靠感覺增加，投資也不用等到最後才知道有沒有方向。
01
HYPOTHESIS
只選一個值得回答的問題
先寫下成功指標與停止條件，功能只有能幫助判斷時才進入範圍。
02
BUILD
把問題做成可操作的版本
設計與工程共用同一條交付線，每週部署，不用等到專案尾聲才第一次看到產品。
03
EVIDENCE
讓真實使用者碰到真實限制
用你的資料、權限與工作流程驗證採用意願，不用點擊原型代替現場回饋。
04
DECISION
用證據決定下一筆投資
第六週留下可延伸的產品第一版，也留下擴大、調整或停止的判斷依據。
DECISION SIGNAL
每週多一份證據，少一層猜測。
- 累積
- 可操作版本、使用者回饋、部署證據
- 減少
- 未驗證假設、交接損耗、重寫風險
SIX-WEEK DELIVERY TRACK
每一週都有可檢查的東西，不用相信進度條。
01
WEEK 1
策略對齊與假設定義
派駐團隊進場，與你一起釐清核心假設、成功指標與必要範圍，搭好架構、資料模型與 CI/CD 骨架，當週末即有可運行的最小骨幹。
02
WEEK 2–4
每週可驗證迭代
設計與開發在同一條線上推進，每週交付部署於真實環境的版本，你與真實使用者試用後的回饋直接驅動下一週範圍。
03
WEEK 5
整合、強化與壓測
收斂核心流程，補齊權限、評測與防護欄，在真實資料與負載下驗證穩定性與合規邊界。
04
WEEK 6
上線部署與交付
部署到你的雲或 VPC，完成知識移轉與文件，交付一個可繼續延伸的正式第一版，而非需要重寫的原型。
ONE TEAM, ONE DELIVERY LINE
同一張工作台，少掉四次交接。
產品策略、設計、全端工程與部署一起看同一個假設。決策脈絡不會在公司、文件與工單之間失真，速度來自少掉等待，不是少做工程。
FIT CHECK
先問要做哪個決定，再談要做哪些功能。
- NEW PRODUCT
有人會為核心流程改變行為嗎？
適合 B2B SaaS、新模組與早期產品。重點是把核心價值放進使用者手上，而不是先把所有功能做齊。
- AI WORKFLOW
AI 在真實資料上能穩定完成工作嗎？
適合企業 Copilot、RAG 與代理式流程。評測、權限與人工覆核從第一版一起進場。
- REGULATED OPERATIONS
流程能在合規邊界裡被採用嗎？
適合金融、製造與供應鏈。先在 VPC、稽核與資料治理限制內驗證，再決定全面整合。
如果現在最難的是寫出「這六週到底要回答什麼」，那就是第一次討論的起點。
帶一個產品假設來BEFORE WE START
速度、品質、資安，先把最難問的說清楚。
快速做出的第一版，會不會只是丟棄式原型？
不會。我們從第一週就以可延續的標準搭建架構、CI/CD、資料模型與權限，程式碼採型別嚴格規範。MVP 是你正式產品的第一版地基，驗證 PMF 後可以直接在上面延伸，不需要砍掉重練。
你們怎麼控制範圍，避免 scope creep？
我們用假設驅動範圍：每項功能都要對應一個你想驗證的商業或使用者假設，並有明確驗收標準。沒有對應假設的需求一律排到下一輪迭代。每週的可驗證交付讓範圍討論建立在真實回饋上，而不是不斷加碼的想像。
速度這麼快，品質如何保證？
速度來自統一團隊消除交接，而不是省略工程紀律。設計、開發、部署在同一條線上，沒有跨團隊 handoff 的損耗；CI/CD、自動化測試與程式碼審查從第一週就到位。每週部署到真實環境也意味著問題當週就被發現，而非堆到最後。
我們有資安與合規要求，敏感資料能留在自己的環境嗎？
可以。我們支援部署到你的 VPC，並配合 SOC 2、GDPR 等要求，敏感資料不出你的環境。若涉及 KYC/AML 或審計軌跡，我們會在第一週就把這些約束納入架構，而不是上線前才補。
如果產品需要 AI / LLM 能力，你們怎麼做？
我們是 AI 原生團隊，能以 Anthropic、OpenAI、Azure 或 AWS 為基礎建構 RAG、Copilot 與代理式工作流，並內建評測與防護欄。AI 能力是從架構層設計進去的，而不是事後外掛，因此上線後可持續優化與監控。
第一版之後，合作如何延續？
MVP 交付時會完成知識移轉與文件，你可以選擇由內部團隊接手，或讓我們繼續以同一支派駐團隊推進下一階段。因為地基是可延續的，無論哪種方式都不會卡在交接或重寫上。
COMPARISON · MVP 開發 vs 傳統外包
我們的 MVP 開發跟傳統外包／點擊原型差在哪？
傳統外包與點擊原型買的是「一份看起來能用的東西」，AI 原生 MVP 開發買的是「一個真的能上線、能延續的第一版產品」。差別不在價格，而在你最後拿到的是會跑的系統，還是一堆要重寫的素材與交接文件。
傳統外包 / 點擊原型 / 瀑布式開發
AI 原生 MVP 開發（Tenten 交付）
團隊結構 / 交接
設計、前端、後端、維運分屬不同團隊，光交接就吃掉數週，脈絡在每次 handoff 流失。
一支從策略到部署的統一團隊，零跨團隊交接，決策理由全程留在同一群人腦中。
交付速度與節奏
瀑布式里程碑，數月後才看得到能跑的東西，期間只有進度條與簡報。
數週內交付可上線第一版，合作期間持續提供可點可測的版本。
範圍控制（scope creep）
需求邊做邊長，靠工時與變更單管理，範圍失控是常態。
假設驅動範圍：沒有對應驗證假設的功能不進場，從源頭杜絕蔓延。
程式碼可延續性
一次性、不可延伸的丟棄式原型，PMF 後往往得砍掉重練。
型別嚴格、CI/CD 與清晰資料模型的可延續地基，MVP 即正式產品第一版。
AI 能力整合
AI 多為事後外掛的聊天視窗，無評測也無防護欄。
以 Anthropic/OpenAI/雲端為基礎，RAG、Copilot 與代理式工作流從架構層設計，內建評測與防護欄。
上線 / 部署與合規
交付到能 demo 為止，上線、合規與資料治理留給客戶自理。
部署到你的雲或 VPC，SOC 2、GDPR、KYC/AML 等約束第一週就納入架構。
驗證方式（真實使用者）
靠簡報與內部評審決定方向，回饋來得晚且失真。
每週讓真實使用者在真實版本上試用，學習迴圈壓到最短，決策建立在現場回饋。
KNOWLEDGE BASE · 延伸閱讀
AI 原生 MVP 開發的知識資料庫
我們把驅動「快速但可延續」MVP 交付的方法與來源整理在這裡——從 Tenten AI 的第一手交付觀點，到形塑這套工程哲學的原始文獻。
Tenten AI 白皮書與觀點
INSIGHTS · 最新文章
企業 AI 與導入的最新觀點
來自 Tenten AI 交付現場的第一手觀察與方法論。
