AI-assisterad utveckling tar Cardioscan från idé till produktionssatt lösning

Cardioscan ville göra komplex hälsodata om medarbetare till tydliga och användbara insikter för företagshälsa. Tillsammans med Consid utvecklade företaget en helt ny rapporteringsfunktion för BGM – från första idé till produktionssatt lösning. Genom att integrera Claude genom hela utvecklingsprocessen kunde teamet arbeta med tidig designvalidering, snabbare iterationer och ett mindre utvecklingsteam.

Om kunden

Resultatet blev en lösning som gick live i september 2026. Leveransen uppskattas ha gått cirka 30 procent snabbare än vid konventionell utveckling och genomfördes av två personer, jämfört med de 3–5 personer som enligt projektets bedömning normalt hade krävts för en motsvarande leverans. Cardioscan GmbH är ett tyskt healthtech-bolag med huvudkontor i Hamburg. I över 20 år har företaget utvecklat digitala diagnostiklösningar för professionell användning inom hälso- och sjukvård, fysioterapi, hälsa och träning. Företagets teknik kombinerar avancerade sensorer med molnbaserad och AI-stödd mjukvara för att samla in och analysera fler än 60 hälso- och vitalparametrar, bland annat kroppssammansättning, metabolism, kardiovaskulär hälsa, stress och återhämtning. I dag används Cardioscans lösningar av fler än 5 000 aktörer inom hälso- och träningssektorn.

Från hälsodata till användbara insikter

Cardioscan hade redan omfattande hälsodata och etablerad logik för att utvärdera den. Det som saknades var ett sätt att samla aggregerad hälsodata om medarbetare i en strukturerad och lättillgänglig rapport för företagshälsa. Eftersom någon motsvarande BGM-rapport inte fanns sedan tidigare började projektet från grunden. Tillsammans behövde Cardioscan och Consid avgöra vilken information rapporten skulle innehålla, hur olika mätvärden skulle aggregeras och presenteras samt vem som skulle ha tillgång till vilken information. Consid stöttade hela utvecklingsresan – från produktkoncept och kravställning till UX/UI, designvalidering, mjukvaruutveckling, datahantering, testning och iteration.

AI redan innan den första kodraden

Claude integrerades i utvecklingsprocessen från start. Claude Design användes för att utforska rapportens struktur och visuella utformning, medan Claude Code användes som stöd för implementation, testning och dokumentation. En av de tydligaste effekterna blev synlig redan innan utvecklingen började. Med Claude Design kunde flera varianter av rapporten tas fram inom några timmar, i stället för dagar. Genom att tidigt visualisera olika lösningar blev det också enklare att identifiera frågor som annars riskerade att dyka upp först under implementationen: Vilka mätvärden ska visas? Hur ska de aggregeras? Och vem ska kunna se vad? Varianterna utvärderades tillsammans med Cardioscan innan utvecklingen startade. På så sätt kunde krav och designbeslut valideras tidigt, vilket resulterade i färre korrigeringsloopar under implementationen. Arbetssättet flyttade därmed tid från sena justeringar till att tidigare i processen förstå problemet och precisera vad som faktiskt skulle byggas.

Claude som en del av utvecklingsflödet

När riktningen var fastställd blev Claude Code en integrerad del av utvecklingsarbetet.

Claude användes för att generera och vidareutveckla kod, tester och dokumentation, samtidigt som lösningen byggde vidare på Cardioscans befintliga utvärderingslogik. Tekniken bidrog även till att etablera en reproducerbar lokal utvecklingsmiljö över flera kodbaser, inklusive äldre runtime-miljöer, lokal HTTPS och testdata.

I stället för att använda Claude som ett fristående chattverktyg konfigurerade Consid det som en del av leveranssystemet. Projektspecifika instruktioner definierade bland annat kommandon, testregler, driftsättningssteg och krav på dokumentation. Återkommande arbetsflöden kunde samtidigt paketeras för återanvändning och kvalitetssäkring automatiseras genom bland annat tester, linting, typkontroller och kontroll av kodtäckning.

Det innebar att mer av konsultens tid kunde läggas på arkitektur, datafrågor och verksamhetsförståelse, medan AI stöttade mer rutinmässiga och tidskrävande delar av utvecklingsarbetet.

Mindre team och cirka 30 procent snabbare leverans

Det AI-assisterade arbetssättet gav också konkreta effekter på hur projektet kunde bemannas och genomföras.

Leveransen genomfördes av två personer: en Consid-konsult i nära samarbete med Cardioscans CTO. Enligt projektets bedömning hade en jämförbar funktion med ett mer konventionellt arbetssätt normalt krävt ett team på minst 3–5 personer.

Arbetsuppgifter som annars hade kunnat involvera flera olika specialistroller kunde hanteras inom samma leverans. Claude Design stöttade arbetet med UX och design, Claude fungerade som utvecklingspartner under implementationen och AI-stödet bidrog även i arbetet med utvecklingsmiljö, testning och dokumentation.

Sammantaget uppskattas lösningen ha levererats cirka 30 procent snabbare än med konventionell utveckling.

AI ersatte däremot inte det mänskliga ansvaret för lösningen. Claude arbetade utifrån specifikationer som togs fram och ägdes av konsulten, medan implementationen verifierades genom automatiserade tester och funktionell validering tillsammans med Cardioscans CTO.

Consid behöll ansvaret för arkitektur, implementationsbeslut, kodkvalitet och teknisk validering. Domänspecifika och juridiska frågor – särskilt sådana som rörde hälsodata och gränsvärden för anonymisering – delegerades medvetet inte till AI.

Från första idé till lösning i produktion

Projektet gick från en första produktidé till en ny BGM-rapporteringsfunktion som varit live i produktion sedan september 2026.

Den färdiga lösningen ger Cardioscan ett nytt sätt att presentera aggregerad hälsodata om medarbetare i ett strukturerat, lättillgängligt och användbart format. Samtidigt skapar den en grund för fortsatt utveckling av Cardioscans erbjudande inom företagshälsa.

Projektet visar också hur AI-assisterad utveckling kan användas genom hela produktutvecklingskedjan – inte bara för att generera enskilda kodstycken. I Cardioscans fall användes AI från tidig design och kravvalidering till implementation, testning och dokumentation.

Resultatet är en produktionssatt funktion, ett mindre leveransteam och en uppskattad 30 procent snabbare leverans – samtidigt som ansvar för arkitektur, kvalitet och verksamhetskritiska beslut låg kvar hos människorna i projektet.

Redo för nästa steg?

Kontakta oss!

Föregående