28 luglio 2026Aggiornato il Fathy Shalaby14 min di lettura
L'illusione della velocity di prodotto: rilasciare più in fretta non significa progredire
L'AI ha accorciato il tempo necessario per costruire una funzionalità, ma non quello per decidere cosa costruire o per capire se ha funzionato. Il framework delle Tre Clock ti mostra dove si è spostato il tuo collo di bottiglia.
La velocity di prodotto è la velocità con cui un team trasforma le idee in risultati validati, non la velocità con cui rilascia codice. L'AI ha ridotto i tempi di build per molti team, ma non il tempo necessario per decidere cosa costruire o per scoprire se ha funzionato. Misura tutte e tre, la Decision Clock, la Build Clock e la Validation Clock, altrimenti una build clock più veloce sembrerà un progresso senza esserlo.
Punti chiave
Più output non significa più progresso. Nei team con un'alta adozione dell'AI, gli sviluppatori hanno fatto il merge del 98% di pull request in più, ma il tempo di review è salito del 91% e i guadagni sono scomparsi a livello aziendale (Faros AI, 2025).
Anche l'accelerazione della build è disomogenea. Uno studio controllato ha rilevato un'attività più rapida del 55,8% con l'AI; un altro ha trovato sviluppatori esperti più lenti del 19% sui propri repository, mentre credevano di essere più veloci del 20% (METR, 2025).
Le metriche di delivery si fermano alla produzione. Il change lead time di DORA va dal commit al deploy (DORA). Non dice nulla sul decidere né sul validare.
Gran parte del lavoro rilasciato non rende. Circa un terzo delle idee testate in Microsoft ha migliorato la metrica a cui puntava (Kohavi et al., 2009), e l'80% delle funzionalità del prodotto medio viene usato raramente o mai (Pendo, 2019).
Spendi il risparmio di build sulle clock lente: più discovery prima di impegnarti e una verifica netta del risultato dopo il lancio.
Che cos'è l'illusione della velocity di prodotto?
I team di prodotto rilasciano più che mai. Il numero di pull request cresce e i grafici degli sprint salgono verso l'alto a destra. Eppure molti team si fanno la stessa domanda assillante: se stiamo costruendo così tanto più in fretta, perché non ci sembra di avanzare più in fretta?
Quel divario ha un nome. Faros AI lo ha chiamato paradosso della produttività dell'AI dopo aver analizzato la telemetria di oltre 10.000 sviluppatori in 1.255 team: gli sviluppatori dei team ad alta adozione hanno completato il 21% di attività in più e fatto il merge del 98% di pull request in più, ma qualsiasi legame tra adozione dell'AI e performance è sparito a livello aziendale ().
L'illusione della velocity di prodotto è la versione, nel product management, dello stesso effetto. L'AI ha reso più veloce una parte del ciclo di prodotto. Le altre due le ha lasciate dove erano. Poiché la parte veloce è la più visibile (commit, PR, funzionalità rilasciate), è facile scambiare «stiamo costruendo più in fretta» per «stiamo avanzando più in fretta». Sono affermazioni diverse, e confonderle danneggia in silenzio le roadmap.
La percezione peggiora le cose. Il 52% degli sviluppatori dice che gli strumenti di AI hanno avuto un effetto positivo sulla propria produttività (Stack Overflow, 2025), e più dell'80% degli intervistati di DORA 2025 crede che l'AI abbia aumentato la propria (Google Cloud, 2025). Ma nello studio randomizzato di METR del 2025, 16 sviluppatori open source esperti si aspettavano che l'AI li rendesse più veloci del 24%, ci hanno messo il 19% in più con l'AI e dopo credevano ancora che li avesse velocizzati del 20% (METR, 2025). Se le persone giudicano male la propria velocità di build, una dashboard dell'attività di build è una guida ancora più debole del progresso complessivo. Il quadro più ampio del 2026 su ciò che è diventato economico e ciò che no è in costruire è diventato economico: i dati 2026.
Perché la metrica di velocity ha smesso di dire la verità?
La maggior parte dei team di prodotto riporta ancora la velocity come un solo numero: story point a sprint, funzionalità rilasciate a trimestre o cycle time dal ticket al deploy. Per un decennio è stato un indicatore ragionevole, perché il tempo di build era il costo dominante. Se costruire richiedeva la maggior parte del tempo tra «abbiamo un'idea» e «l'idea è online», una metrica che seguiva la build seguiva la maggior parte di ciò che contava.
Quel rapporto è cambiato. In un team che usa bene lo sviluppo assistito dall'AI, il tempo di build di una funzionalità ben specificata può ridursi a una piccola quota del ciclo. Ma il tempo speso a decidere se la funzionalità valesse la pena di essere costruita e a scoprire se abbia funzionato non si è compresso. Quelle fasi sono frenate da cose che l'AI non tocca: l'allineamento tra stakeholder, la disponibilità dei clienti per la ricerca e i giorni di uso reale che servono prima che un segnale sia affidabile.
Le metriche di ingegneria non sono mai state pensate per coprire quelle fasi. DORA, il programma di ricerca di Google Cloud sulla delivery del software, ora monitora cinque metriche: change lead time, frequenza di deploy, tempo di ripristino dopo un deploy fallito, change fail rate e deployment rework rate. Il change lead time si misura dal commit al deploy in produzione (DORA). Lo stesso DORA mette in guardia contro «una sola metrica per dominarle tutte» e contro il trasformare le metriche in obiettivi, citando la legge di Goodhart.
Così un singolo numero di velocity descrive oggi la parte del ciclo che si muove più in fretta e tace sul resto. I team sembrano produttivi sulla dashboard e bloccati sul mercato. Per questo «abbiamo rilasciato il 40% di funzionalità in più questo trimestre» e «l'attivazione non si muove da due trimestri» possono stare nella stessa presentazione al board senza che nessuno li colleghi.
Quali sono le Tre Clock della velocity di prodotto?
La soluzione non è una metrica di velocity migliore. È ritirare il numero unico e sostituirlo con tre, perché un'idea attraversa tre clock distinte sulla strada verso la creazione di valore, e corrono a velocità molto diverse.
1. La Decision Clock
Il tempo da «abbiamo notato un problema o un'opportunità» a «ci siamo impegnati a costruire una soluzione specifica». Comprende inquadrare il problema, pesarlo rispetto a tutto ciò che compete per la roadmap e far sì che le persone che devono essere d'accordo lo siano davvero.
L'AI può riassumere la ricerca e abbozzare il memo delle opzioni. Non può fare il trade-off al posto tuo, e non può far convergere una VP delle vendite e un Head of Engineering più in fretta di quanto vogliano. Il collo di bottiglia qui non è mai stato recuperare informazioni. Era l'allineamento.
2. La Build Clock
Il tempo dall'impegno alla funzionalità online. È la clock che l'AI ha cambiato di più, anche se in modo meno uniforme di quanto suggeriscano le demo dei fornitori:
In un esperimento controllato del 2023, sviluppatori con un pair programmer AI hanno implementato un server HTTP più rapidamente del 55,8% rispetto a un gruppo di controllo (Peng et al., 2023).
Nel follow-up di METR con 57 sviluppatori e più di 800 attività, l'effetto stimato era ancora un rallentamento per gli sviluppatori che ripetevano (-18%, intervallo di confidenza da -38% a +9%) e all'incirca neutro per i nuovi (-4%, da -15% a +9%). METR avverte che il vero guadagno di velocità potrebbe essere maggiore, perché alcuni sviluppatori e attività sono usciti dal disegno dello studio (METR, 2026).
Il rapporto DORA 2024 ha associato la crescente adozione dell'AI a un calo stimato dell'1,5% del throughput di delivery e del 7,2% della stabilità di delivery (Google Cloud, 2024). Nel 2025 la relazione con il throughput è diventata positiva, ma la stabilità era ancora influenzata negativamente (Google Cloud, 2025).
Lo schema: scrivere codice è diventato più veloce; fare review, integrare e stabilizzare non ha tenuto il passo. Faros ha rilevato un aumento del 91% del tempo di review delle pull request nei team ad alta adozione, con l'approvazione umana come nuovo collo di bottiglia. Se guidi gli engineer in questo passaggio, misura i risultati, non le righe di codice. La trappola è trattare la Build Clock come un sostituto dell'intero ciclo. È un ingranaggio in un sistema a tre ingranaggi, e accelerare un ingranaggio non accelera la catena.
3. La Validation Clock
Il tempo da «la funzionalità è online» a «sappiamo, con ragionevole sicurezza, se ha funzionato». Dipende da quanti utenti devono toccare la funzionalità prima che ci sia un segnale, da quanto tempo impiega a vedersi un cambiamento di comportamento (una modifica di prezzo può mostrare il suo vero effetto al rinnovo successivo, non al login successivo) e dal fatto che il team chiuda davvero il ciclo invece di passare oltre.
L'AI non ha compresso questa clock, e in alcune organizzazioni l'ha peggiorata: rilasciare più in fretta accumula più funzionalità non validate in produzione, ognuna delle quali aggiunge rumore alla misurazione successiva. Il tasso di base fa riflettere. In Microsoft solo circa un terzo delle idee ha migliorato la metrica che doveva migliorare; circa un terzo l'ha peggiorata e un terzo non ha fatto differenza (Kohavi et al., 2009).
Clock
Inizia
Finisce
Frenata da
Effetto dell'AI finora
Decision
Problema o opportunità notati
Scommessa impegnata con una metrica di successo
Allineamento, evidenze, trade-off
Ricerca e bozze più rapide; allineamento invariato
Build
Scommessa impegnata
Funzionalità online in produzione
Codice, review, integrazione, stabilità
Spesso più rapida da scrivere; review e stabilità restano indietro
Validation
Funzionalità online
Risultato noto (ha funzionato, neutro o ha peggiorato)
Volume d'uso, ritardo del comportamento, follow-through
In gran parte invariata; più lanci non validati
Perché l'illusione è costosa, non solo fuorviante?
Un team che monitora solo la Build Clock continua a commettere lo stesso errore costoso: anticipare lavoro che costa poco da costruire ma non ha superato la Decision Clock, perché «possiamo semplicemente provare, ora è veloce». Quell'istinto sembra agilità. In pratica i team che rilasciano più in fretta sono spesso quelli che seppelliscono più a fondo la propria Validation Clock: più superficie rilasciata a trimestre, con lo stesso numero di persone disponibili a verificare se qualcosa ha spostato una metrica.
È il meccanismo dietro uno schema d'uso ben documentato. L'analisi di Pendo su dati d'uso anonimizzati ha rilevato che l'80% delle funzionalità del prodotto software medio viene usato raramente o mai, mentre il 12% delle funzionalità genera l'80% del volume d'uso giornaliero (Pendo, 2019). Costruire a costi più bassi non risolve il problema. Può peggiorarlo, rendendo più facile rilasciare oltre il punto in cui ti sei guadagnato il diritto di costruire. Approfondiamo il dato di Pendo e i suoi limiti in perché l'80% delle funzionalità è usato raramente o mai.
Come si misura la velocity di prodotto con le Tre Clock?
Non servono nuovi strumenti per cominciare. Servono tre timestamp per scommessa e una review trimestrale.
Definisci cosa conta come scommessa. Qualsiasi elemento della roadmap abbastanza grande da avere una metrica di successo. I piccoli fix restano fuori.
Registra tre date per ogni scommessa: quando il problema è stato registrato per la prima volta, quando il team si è impegnato (con una metrica di successo scritta) e quando il risultato è stato giudicato: ha funzionato, neutro o ha peggiorato.
Prendi le date di deploy dai tuoi dati di delivery. Se monitori già le metriche DORA, la Build Clock va all'incirca dall'impegno al deploy, il che include il change lead time.
Riporta le mediane, non le medie. Una scommessa bloccata non deve nascondere nove veloci, né viceversa.
Riporta il tempo dall'idea al risultato validato accanto a «funzionalità rilasciate», insieme alla quota di scommesse rilasciate che sono arrivate a un verdetto.
Fai una review trimestrale. Se la Build Clock si accorcia mentre le altre due restano ferme, il tuo collo di bottiglia si è spostato e il tuo processo non lo ha seguito.
Report trimestrale delle Tre Clock (copialo)
Metrica
Questo trimestre
Trimestre scorso
Scommesse impegnate
Mediana Decision Clock (giorni)
Mediana Build Clock (giorni)
Mediana Validation Clock (giorni)
Mediana dall'idea al risultato validato (giorni)
Scommesse rilasciate con un verdetto (%)
Verdetti: ha funzionato / neutro / ha peggiorato
Per il lato delle decisioni, un decision log di prodotto ti dà in un unico posto la data di impegno e la metrica di successo.
Come appare con numeri reali? Un esempio svolto
Esempio illustrativo. Diciamo che un team di prodotto di 7 persone si impegna su 8 scommesse in un trimestre. Le mediane risultano così:
Decision Clock: 21 giorni (dal problema registrato alla scommessa impegnata)
Build Clock: 4 giorni (erano 15 giorni un anno prima, prima di adottare gli strumenti di coding AI)
Validation Clock: 45 giorni, ma solo 3 delle 8 scommesse rilasciate sono arrivate a un verdetto
Il tempo dall'idea al risultato validato è di 70 giorni, di cui la build è meno del 6%. Un anno prima, con gli stessi tempi di decisione e validazione, erano 81 giorni. Il team ha «costruito quasi quattro volte più in fretta» e ha avanzato di circa il 14% più in fretta da un capo all'altro, e cinque scommesse di questo trimestre non hanno un verdetto, quindi nessuno sa se abbiano aiutato.
La soluzione non è una build più veloce. Ridurre la Validation Clock da 45 a 30 giorni definendo la metrica e la data di verifica prima del lancio, e portare tutte e 8 le scommesse a un verdetto, farebbe di più per la velocity di prodotto reale di qualsiasi ulteriore accelerazione nel codice.
Come si usano le Tre Clock nella pratica?
Il framework si guadagna il posto solo se cambia ciò che viene misurato e discusso in fase di pianificazione. Tre mosse lo rendono concreto.
Riporta tutte e tre le clock, non una. Accanto a «funzionalità rilasciate», monitora la mediana della Decision Clock (dall'idea alla scommessa impegnata) e la mediana della Validation Clock (dal rilascio al risultato verificato) del trimestre. Se la Build Clock continua ad accorciarsi mentre le altre due restano ferme, non è un guadagno di produttività da festeggiare. È un segnale che il tuo collo di bottiglia si è spostato.
Spendi deliberatamente il risparmio della Build Clock sulla Decision Clock. Se una funzionalità che prima richiedeva tre settimane di build ora ne richiede tre giorni, non limitarti a rilasciare prima. Usa il tempo per fare un vero giro di discovery: una manciata di conversazioni con i clienti, un piccolo test di prototipo, un pre-mortem con il team, prima di impegnarti nella build completa. Il punto del costruire più in fretta non è rilasciare prima. È potersi permettere più validazione prima di impegnarsi, a parità di durata totale del ciclo. La learning velocity spiega come accelerare quel ciclo.
Fai del completamento della Validation Clock un gate di rilascio, non un'attività di follow-up. Il modo più facile per far gonfiare la Validation Clock è trattare «verifica se ha funzionato» come una pulizia opzionale che compete con il lavoro di build dello sprint successivo e di solito perde. Definisci la metrica e la data in cui la controllerai prima che la funzionalità venga rilasciata, e metti quel controllo nella roadmap con la stessa visibilità del ticket di build. Una scommessa il cui risultato non viene mai verificato non è informazione. È solo più superficie rilasciata con un ritorno sconosciuto.
Quali errori commettono i team quando misurano la velocity di prodotto?
Festeggiare il numero di PR. Più PR integrate con review più lunghe del 91% sono una coda, non progresso.
Usare le metriche DORA come metriche di prodotto. Misurano la salute della delivery. Tienile, ma non lasciare che rispondano a «stiamo costruendo le cose giuste?»
Trasformare le clock in obiettivi. L'avvertimento di DORA sulla legge di Goodhart vale anche qui. Un team spinto ad accorciare la Decision Clock salterà la discovery.
Contare i lanci come risultati. Una funzionalità non è finita quando viene rilasciata; è finita quando sai se ha funzionato.
Ignorare i risultati neutri. In Microsoft circa un terzo delle idee era neutro. Neutro è una risposta: smetti di investire o rimuovi la funzionalità.
Le Tre Clock si adattano meglio ai team che rilasciano scommesse di prodotto con risultati misurabili. Per lavori di sola manutenzione, infrastruttura o compliance, le metriche di delivery possono bastare da sole. E se il tuo team sta affogando in lanci non validati, i segnali d'allarme in ferma la feature factory ti suoneranno familiari.
Dove si inserisce Specky
Specky tiene visibili le clock lente. Ogni decisione entra nel Decision Log con le evidenze dei clienti che la sostengono, i PRD riportano citazioni inline a quelle evidenze e, dopo il lancio, Specky verifica se la scommessa ha funzionato rispetto alla metrica che hai fissato. Poiché tutto vive in un unico Product Graph, la Decision e la Validation Clock smettono di girare invisibili nella testa di qualcuno.
Domande frequenti
Che cos'è la velocity di prodotto?
La velocity di prodotto è la rapidità con cui un team trasforma le idee in risultati validati: dall'accorgersi di un problema, all'impegnarsi su una soluzione, al rilasciarla, al sapere se ha funzionato. È diversa dalla velocity di ingegneria, che misura quanto in fretta il codice passa dal commit alla produzione. Un team può aumentare la propria velocity di ingegneria mentre la velocity di prodotto resta ferma.
Come si misura la velocity di prodotto?
Registra tre date per ogni scommessa della roadmap: quando il problema è stato registrato, quando il team si è impegnato con una metrica di successo e quando il risultato è stato giudicato. Riporta ogni trimestre le mediane della Decision, Build e Validation Clock, più il tempo totale dall'idea al risultato validato e la quota di scommesse rilasciate che sono arrivate a un verdetto.
L'AI rende più veloci i team software?
Nello scrivere codice spesso sì; da un capo all'altro le evidenze sono contrastanti. Uno studio controllato ha misurato un'attività più rapida del 55,8%, mentre METR ha trovato sviluppatori esperti più lenti del 19% sui propri repository. Faros ha visto il 98% di pull request integrate in più nei team ad alta adozione, ma review più lunghe del 91% e nessun guadagno a livello aziendale. DORA 2025 continua a collegare l'AI a una minore stabilità.
Che cos'è il paradosso della produttività dell'AI?
È il divario tra i guadagni individuali e quelli organizzativi dell'AI. Faros AI ha coniato il termine nel 2025 dopo aver scoperto che gli sviluppatori dei team con molta AI completavano il 21% di attività in più e facevano il merge del 98% di pull request in più, mentre il legame con la performance spariva a livello aziendale. Il collo di bottiglia si è spostato su review, integrazione e decisione di cosa costruire.
Le metriche DORA bastano per misurare le performance di un team di prodotto?
No. Le cinque metriche di DORA, tra cui il change lead time dal commit alla produzione e il change fail rate, misurano la salute della delivery del software. Non coprono il decidere cosa costruire né il verificare se ha funzionato. Usale per la Build Clock e aggiungi misure per la Decision e la Validation Clock per il resto.
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