La recherche utilisateur "en conditions réelles" peut conduire à des surprises et des apprentissages, ce qui est particulièrement critique pour les fondateurs de startups en phase initiale qui doivent tester et rejeter ou confirmer des hypothèses afin de construire le bon produit pour le bon marché. Cette pratique, affinée au cours d'une décennie dans des startups comme Code Yam et Kamcord, puise dans le processus Design Sprint de GV et la Research Sprint de Michael Margolis. L'auteur utilise des variantes de ces méthodes pour obtenir des retours réels d'utilisateurs potentiels rapidement, tester des risques, des hypothèses et des propositions de valeur de manière à faible risque.

Contrairement aux sprints de design corporatifs qui aboutissent souvent à aucun résultat, cette approche se concentre sur des informations exploitables provenant de petits groupes représentatifs. Les nouveaux outils IA peuvent accélérer l'affûtage des hypothèses et les tests, mais l'auteur insiste pour qu'ils ne remplacent pas les conversations humaines directes — surtout depuis que même les produits d'agents IA impliquent des acheteurs ou des opérateurs humains. Les cas d'utilisation clés comprennent le test de nouvelles idées de produit, propositions de valeur, pages de destination, compréhension des groupes d'utilisateurs, validation de problèmes, volonté d'essayer ou de payer, et efficacité UI/UX.

Un contre-intuitif enseignement est que la recherche utilisateur aide les fondateurs à réaliser lorsqu'ils ont échoué à atteindre leurs objectifs, comme lorsqu'une idée ne résonne pas ou que le marché est trop petit ou inaccessible. Le principe fondamental reste : les fondateurs doivent être "dans l'arène", en parlant avec de vraies personnes qui pourraient devenir utilisateurs ou acheteurs.