17 de mayo de 2026Actualizado el Fathy Shalaby10 min de lectura
Feature factory: 10 señales de que tu equipo lanza sin evidencia
Una feature factory lanza mucho y aprende poco. Diez señales de alerta, una puntuación que puedes hacer en cinco minutos y los cambios que llevan a un equipo del output a los outcomes.
Una feature factory es un equipo de producto que mide su éxito por cuánto lanza y no por si ese trabajo cambió algo para los clientes o para el negocio. John Cutler dio nombre a este patrón en 2016. Las diez señales de alerta de abajo abarcan cultura, proceso y seguimiento. Si cuatro o más describen a tu equipo, probablemente estás lanzando sin evidencia.
Ideas clave
El artículo de John Cutler de 2016 enumeraba 12 señales de una feature factory, empezando por «sin medición» y «celebrar los lanzamientos» (Cutler, 2016).
Marty Cagan traza la misma línea entre los equipos de funcionalidades (feature teams), a los que se les da un roadmap y se les juzga por el output, y los equipos de producto con autonomía, a los que se les dan problemas y se les juzga por los outcomes (SVPG, 2019).
El análisis de Pendo de 2019 encontró que el 80 % de las funcionalidades de un producto de software medio se usan poco o nunca, lo que supone hasta 29 500 millones de dólares de gasto en desarrollo en las empresas cotizadas de software en la nube (Pendo, 2019).
Priorizar por opinión desperdicia valor en ambos sentidos: una idea de Bing estuvo más de seis meses en el backlog y luego aumentó los ingresos un 12 % cuando por fin se probó (HBR, 2017).
La salida más rápida es pequeña: definir la métrica antes de construir y revisarla después del lanzamiento.
¿Qué es una feature factory?
El término viene de John Cutler, cuyo artículo de noviembre de 2016 «12 Signs You're Working in a Feature Factory» describía equipos que lanzan constantemente, miden poco y rara vez se preguntan si algo funcionó (Cutler, 2016). La expresión se quedó porque nombraba algo que muchos equipos sentían pero no sabían describir.
Otros dos marcos describen el mismo fallo desde ángulos distintos:
Equipos de funcionalidades frente a equipos de producto. El ensayo de Cagan de 2019 contrapone los feature teams, a los que las partes interesadas les dan un roadmap priorizado de funcionalidades y se les juzga por lo que lanzan, con los equipos de producto con autonomía, a los que se les dan problemas y resultados de negocio y que encuentran la solución mediante discovery ().
La build trap. Melissa Perri describe organizaciones que «sacan funcionalidades a toda máquina para cumplir su calendario en lugar de las necesidades del cliente», donde el output se convierte en el objetivo en vez del valor que debería crear (Melissa Perri).
Los tres describen una causa raíz: la métrica de éxito del equipo es el output, así que la evidencia pasa a ser opcional.
¿Cuánto cuesta construir sin evidencia?
La cifra más citada procede del Feature Adoption Report 2019 de Pendo: en 615 suscripciones de Pendo, el 80 % de las funcionalidades del producto medio se usaban poco o nunca, y Pendo estimó que las empresas cotizadas de software en la nube habían invertido hasta 29 500 millones de dólares en construirlas (Pendo, 2019). Son datos de clientes de un solo proveedor, no una ley universal, pero la dirección coincide con lo que ven la mayoría de los PM en sus propias analíticas. Analizamos esa cifra en por qué el 80 % de las funcionalidades nunca se usan.
Las funcionalidades sin uso tampoco son gratis después del lanzamiento. Cada una añade superficie de interfaz, preguntas al soporte, casos de prueba y código que mantener.
El coste opuesto es igual de real: buenas ideas que nunca se construyen porque la priorización se rige por la opinión. Ron Kohavi y Stefan Thomke describen la idea de un empleado de Bing de cambiar cómo se mostraban los titulares de los anuncios. Requería solo unos días de ingeniería, pero los program managers la situaron en un puesto bajo entre cientos de propuestas, y estuvo en el backlog más de seis meses. Cuando un ingeniero por fin hizo una simple prueba A/B, aumentó los ingresos un 12 % sin perjudicar las métricas de experiencia de usuario, lo que los autores estiman en más de 100 millones de dólares al año solo en Estados Unidos (HBR, 2017). Una feature factory construye lo equivocado y se salta lo correcto.
¿Cuáles son las 10 señales de alerta de una feature factory?
Señales de cultura
1. El roadmap lo marca la opinión de la persona mejor pagada. Las prioridades cambian tras una reunión de dirección, no tras nueva evidencia de clientes. Prueba rápida: para tus 3 principales elementos del roadmap, ¿puede alguien nombrar la evidencia de clientes que hay detrás de cada uno?
2. La velocity es la métrica estrella. Los story points, los tickets cerrados y el número de releases se reportan en cada sprint; la adopción, la retención y la conversión se reportan rara vez o nunca. Cutler incluye juzgar a los PM por el output y la velocity como una señal en sí misma (Cutler, 2016).
3. Se celebran los lanzamientos; no se comentan los resultados. La diapositiva del all-hands dice «lanzado». Nadie hace seguimiento 30 días después con «y esto es lo que cambió».
Señales de proceso
4. El trabajo va directo de la idea al ticket. Sin enunciado del problema, sin conversaciones con clientes, sin prototipo. El discovery es algo que «haremos cuando tengamos tiempo». Nuestra guía del proceso de product discovery muestra cómo es el paso que falta.
5. Un solo cliente ruidoso puede redirigir el trimestre. El correo de un único cliente de alto valor desencadena un desarrollo importante, sin comprobar si otros clientes comparten el problema. La lista de Cutler incluye construir funcionalidades para cerrar acuerdos con una justificación financiera débil.
6. El roadmap enumera funcionalidades, no outcomes. Cada fila es un entregable con fecha. Ninguna dice qué comportamiento del cliente o qué cifra de negocio debe cambiar. Consulta los roadmaps basados en outcomes para ver la alternativa.
7. Quienes construyen no saben explicar por qué importa su trabajo. Pregunta a un ingeniero o a un diseñador cómo afecta su tarea actual al churn, la activación o los ingresos. Si la respuesta es «lo pidió el PM», la estrategia no está llegando al equipo.
Señales de seguimiento
8. Nadie revisa los resultados tras el lanzamiento. El equipo pasa al siguiente ticket en cuanto el código llega a producción. Lanzar se trata como el final del proceso en lugar del comienzo del aprendizaje.
9. Nunca se quita nada. Se añaden funcionalidades, pero casi nunca se eliminan ni se rehacen con base en datos. Cutler lo señala directamente: los equipos rara vez descartan trabajo y a menudo carecen de la seguridad para admitir que una apuesta falló.
10. No hay iteración después de la versión uno. Una vez que una funcionalidad sale, está «terminada», aunque el uso inicial muestre que a la gente le cuesta usarla. El feedback nunca vuelve para una segunda pasada.
¿Cómo puntúas a tu equipo? Una puntuación de feature factory en cinco minutos
Puntúa cada señal con 0 (no es cierto), 1 (a veces es cierto) o 2 (normalmente es cierto). Sé honesto; la puntuación es para ti.
#
Señal de alerta
Puntuación (0-2)
1
Roadmap marcado por la opinión de la persona mejor pagada
2
La velocity es la métrica estrella
3
Lanzamientos celebrados, resultados sin comentar
4
Las ideas pasan directas a tickets
5
Un cliente ruidoso redirige el trimestre
6
El roadmap enumera funcionalidades, no outcomes
7
Quienes construyen no saben explicar por qué importa su trabajo
8
Sin revisión tras el lanzamiento
9
Nunca se quita nada
10
Sin iteración después de la versión uno
Total (máx. 20)
Cómo leerla:
0-5: Eres mayormente un equipo guiado por outcomes. Mantén los hábitos que te han traído hasta aquí.
6-11: Mixto. Elige las dos señales con mayor puntuación y arréglalas primero.
12-20: Feature factory. Empieza por la señal 8: una revisión tras el lanzamiento es el cambio más barato y hace visibles todos los demás problemas.
Estos umbrales son una regla práctica para iniciar la conversación, no una referencia de mercado.
¿Es malo lanzar rápido?
No. La velocidad es una ventaja cuando avanzas en la dirección correcta. Cuando el roadmap es una lista de deseos de funcionalidades en lugar de una lista de outcomes, entregar más rápido solo te lleva antes al lugar equivocado. Esa brecha ha crecido a medida que las herramientas de programación con IA reducen el tiempo de construcción; la analizamos en la ilusión de la velocity de producto.
Lo que protege la velocidad es un flujo constante de evidencia. Teresa Torres define el continuous discovery como contactos semanales con clientes por parte del equipo que construye el producto (Product Talk). Los equipos que hablan con clientes cada semana pueden moverse rápido porque descubren pronto cuándo se equivocan. Sin ese hábito, cada experimento se convierte en un proyecto que tiene que salir bien, y los equipos que no pueden fallar dejan de experimentar.
¿Cómo sales de una feature factory?
Define la métrica de éxito antes de escribir código. Para cada elemento de más de unos días de trabajo, anota la cifra que debería moverse y cuánto. Si no puedes nombrar ninguna, no estás listo para construirlo.
Haz prototipos pronto. Prueba la suposición más arriesgada con el artefacto más barato: un boceto, un prototipo clicable o una fake door. Si una funcionalidad no merece un prototipo, rara vez merece construirse. Nuestro desglose de qué cuenta como evidencia para cada riesgo de producto te ayuda a elegir la prueba adecuada.
Redefine «hecho». Cámbialo de «código en producción» a «código en producción y métrica revisada».
Lanza primero a una parte. Usa feature flags para lanzar a una pequeña proporción de usuarios, compara con el resto y luego amplía. Reúnes evidencia antes de que toda la base de usuarios pague un error.
Reescribe el roadmap como outcomes. Cada fila se convierte en un problema y una métrica objetivo; las funcionalidades pasan a ser soluciones candidatas debajo.
Haz una revisión trimestral de eliminación. Enumera las funcionalidades con poco uso y decide si mejorar, mantener o quitar cada una.
Ejemplo práctico: un trimestre, medido
Este ejemplo es ilustrativo. Un equipo SaaS de 12 ingenieros lanza 30 funcionalidades en un trimestre e informa al consejo de «30 lanzadas». El PM aplica la puntuación y obtiene 13.
El equipo revisa los 30 lanzamientos:
8 tenían una métrica de éxito escrita antes de construir.
De esas 8, 3 movieron su métrica en la cantidad objetivo.
Las otras 22 no tenían métrica, así que nadie puede decir si funcionaron.
El trimestre siguiente, el equipo se compromete con 15 apuestas en lugar de 30, cada una con una métrica y una fecha de revisión a 30 días. Al final del trimestre, 6 de las 15 alcanzan su objetivo, 5 no son concluyentes y reciben una segunda iteración, y 4 fracasaron y se revierten. La diapositiva del consejo ahora dice «6 outcomes movidos, 4 ideas retiradas» en lugar de «30 lanzadas». Menos lanzamientos, el doble de éxitos probados y una lista clara de lo que dejar de mantener.
¿Cuándo es «feature factory» el diagnóstico equivocado?
Startups muy tempranas. Antes del product-market fit, lanzar muchas cosas pequeñas con rapidez puede ser el método de investigación, siempre que cada lanzamiento se trate como una prueba y alguien mire el resultado.
Trabajo contractual o regulatorio. Las funcionalidades de cumplimiento y los entregables comprometidos con clientes no necesitan una métrica de crecimiento. Etiquétalos como compromisos para que no distorsionen el resto del roadmap.
Trabajo de plataforma y deuda técnica. El refactoring rara vez tiene una métrica de cliente. La propia lista de Cutler advierte contra ignorarlo en favor de funcionalidades llamativas.
Funcionalidades impulsadas por ventas con una economía real. Construir para un acuerdo puede ser la decisión correcta cuando los ingresos justifican la complejidad a largo plazo. La señal de alerta es hacerlo por defecto, sin esas cuentas.
Dónde encaja Specky
Specky ayuda a los equipos a salir de la fábrica manteniendo la evidencia adjunta al trabajo. Lee llamadas, feedback, Slack, Jira y analíticas y los vuelca en un Product Graph, redacta specs y tickets con la evidencia de clientes citada en línea y comprueba después del lanzamiento si la apuesta funcionó, de modo que la señal 8 deje de ser lo habitual.
Preguntas frecuentes
¿Qué es una feature factory en la gestión de producto?
Una feature factory es un equipo o una empresa que trata el lanzamiento de funcionalidades como el objetivo. El éxito se mide en output, como funcionalidades publicadas o story points cerrados, en lugar de en outcomes como la adopción, la retención o los ingresos. John Cutler popularizó el término en un artículo de 2016 que enumera 12 señales, entre ellas la falta de medición, la celebración de lanzamientos y el hecho de que rara vez se descarta trabajo.
¿Quién acuñó el término feature factory?
John Cutler, un coach de producto que más tarde trabajó en Amplitude, publicó «12 Signs You're Working in a Feature Factory» en su blog en noviembre de 2016. Escribió una continuación a finales de 2019. La idea se solapa con la distinción de Marty Cagan entre feature teams y equipos de producto y con la build trap de Melissa Perri.
¿Cuál es la diferencia entre un feature team y un equipo de producto?
En el planteamiento de Marty Cagan, un feature team recibe de las partes interesadas un roadmap priorizado de funcionalidades y se le juzga por entregarlas. Un equipo de producto con autonomía recibe un problema y un resultado de negocio, encuentra la solución mediante discovery y se le juzga por si el resultado se movió. Las personas pueden ser las mismas; la diferencia está en de qué responden.
¿Cómo mides outcomes en lugar de output?
Antes de construir, anota el comportamiento del cliente o la cifra de negocio que debe cambiar el trabajo, el objetivo y la fecha de revisión. Después del lanzamiento, compruébalo y registra el resultado junto a la decisión original. Haz seguimiento del porcentaje del trabajo entregado que tenía una métrica y del que la alcanzó. Esas dos cifras dicen más que la velocity.
¿Puede una startup que se mueve rápido evitar convertirse en una feature factory?
Sí, si la velocidad se usa para aprender. Lanza cosas pequeñas, define qué debe demostrar cada release y mira el resultado antes de decidir el siguiente paso. El contacto semanal con clientes, como en el continuous discovery de Teresa Torres, mantiene el flujo de evidencia. El riesgo aumenta cuando los equipos escalan y empiezan a reportar output hacia arriba porque es más fácil de contar.
GDPR-aligned. EU workspace data is stored in Frankfurt, Germany. GDPR and EU data Built in Vienna, Austria. A product of influence solutions fm GmbH (FN 675374y). Imprint 14-day trial. Card required, and nothing is charged until day 14. 30-day refund after subscribing. See pricing