Applications of Large Language Models in Early-Stage Product Development

Thumbnail Image

Files

URL

Journal Title

Journal ISSN

Volume Title

Insinööritieteiden korkeakoulu | Bachelor's thesis
Electronic archive copy is available locally at the Harald Herlin Learning Centre. The staff of Aalto University has access to the electronic bachelor's theses by logging into Aaltodoc with their personal Aalto user ID. Read more about the availability of the bachelor's theses.
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.

Authors

Date

2025-09-04

Department

Major/Subject

Energia- ja konetekniikka

Mcode

ENG4000

Degree programme

Insinööritieteiden kandidaattiohjelma

Language

en

Pages

23

Series

Abstract

Generative AI has taken substantial advancements in its capabilities and has become more integrated into businesses during the last decade. With the advancements of Generative AI, follows the emergence of Large Language Models (LLMs). LLMs have potential to enhance the efficiency of various industries and organizational processes. It remains unclear how well LLM’s perform and integrate into these processes. Therefore, it raises further incentive to study whether LLMs can contribute to efficiency and economic viability. This study addresses the applications of LLMs in early-stage product development process. The objective is to investigate the potential of large language models to simulate user interviews in support of need-finding during early-stage product development. The findings indicate that LLMs can efficiently generate interview-style data and personas, which in turn accelerates early exploration of user needs. Evidence across case studies suggests that LLMs are most effective when used as complementary tools to support traditional need-finding practices rather than as complete replacements. This study offers relevant perspectives to product development, UX design, and qualitative research, highlighting how LLMs can be applied to simulate user interviews for need-finding.

Generatiivinen tekoäly on viime vuosikymmenen aikana kehittynyt merkittävästi ja tullut yhä integroidummaksi osaksi yritysten toimintaa. Generatiivisen tekoälyn kehityksen myötä ovat nousseet esiin suuret kielimallit (Large Language Models, LLM). LLM-malleilla on potentiaalia parantaa erilaisten toimialojen ja organisaatioprosessien tehokkuutta. Toistaiseksi on kuitenkin epäselvää, kuinka hyvin LLM-mallit suoriutuvat ja integroituvat näihin prosesseihin. Tämä luo lisäkannustimia tutkia, voivatko LLM-mallit edistää tehokkuutta ja taloudellista kannattavuutta. Tässä tutkielmassa tarkastellaan suurten kielimallien sovelluksia tuotekehityksen alkuvaiheessa. Tavoitteena oli selvittää, miten LLM-malleja voidaan hyödyntää käyttäjähaastattelujen simuloimisessa tarpeiden tunnistamisen tukemiseksi tuotekehityksen alkuvaiheessa. Tulokset osoittavat, että LLM-mallit voivat tuottaa tehokkaasti haastattelumaisia aineistoja ja persoonia, mikä nopeuttaa käyttäjätarpeiden varhaista kartoittamista. Erilaiset tapaustutkimukset viittaavat siihen, että LLM-mallit toimivat parhaiten täydentävinä työkaluina perinteisten tarpeiden kartoittamismenetelmien tukena, eivät niiden täysivaltaisina korvaajina. Tämä tutkielma tarjoaa näkökulmia tuotekehityksen, UX-suunnittelun ja laadullisen tutkimuksen käyttöön ja havainnollistaa, kuinka LLM-malleja voidaan soveltaa käyttäjähaastattelujen simulointiin tarpeiden tunnistamisessa.

Description

Supervisor

Holmberg, Henrik

Thesis advisor

Akmal, Jan

Keywords

large language models, simulated user interviews, need-finding, user simulation

Other note

Citation

Permanent link to this item

https://urn.fi/URN:NBN:fi:aalto-202510077479

Collections

[kand] Insinööritieteiden korkeakoulu / ENG