17 maggio 2026Aggiornato il Fathy Shalaby10 min di lettura
Feature factory: 10 segnali che il tuo team rilascia senza evidenze
Una feature factory rilascia tanto e impara poco. Dieci segnali d'allarme, una scorecard da compilare in cinque minuti e i cambiamenti che portano un team dall'output agli outcome.
Una feature factory è un team di prodotto che misura il successo da quanto rilascia e non dal fatto che il lavoro abbia cambiato qualcosa per i clienti o per il business. John Cutler ha dato un nome a questo schema nel 2016. I dieci segnali d'allarme qui sotto riguardano cultura, processo e follow-through. Se quattro o più descrivono il tuo team, probabilmente stai rilasciando senza evidenze.
Punti chiave
L'articolo di John Cutler del 2016 elencava 12 segnali di una feature factory, a partire da «nessuna misurazione» e «celebrare i lanci» (Cutler, 2016).
Marty Cagan traccia la stessa linea tra i feature team, a cui viene consegnata una roadmap e che sono giudicati sull'output, e i team di prodotto autonomi, a cui vengono affidati problemi e che sono giudicati sugli outcome (SVPG, 2019).
L'analisi di Pendo del 2019 ha rilevato che l'80% delle funzionalità del software medio è usato raramente o mai, pari a fino a 29,5 miliardi di dollari di spesa di sviluppo presso le aziende cloud quotate (Pendo, 2019).
Prioritizzare per opinione spreca valore in entrambe le direzioni: un'idea per Bing è rimasta nel backlog per oltre sei mesi e poi ha aumentato i ricavi del 12% quando è stata finalmente testata (HBR, 2017).
La via d'uscita più rapida è piccola: definire la metrica prima di costruire e rivederla dopo il lancio.
Che cos'è una feature factory?
Il termine viene da John Cutler, il cui articolo del novembre 2016 «12 Signs You're Working in a Feature Factory» descriveva team che rilasciano di continuo, misurano poco e si chiedono di rado se qualcosa abbia funzionato (Cutler, 2016). L'espressione è rimasta perché dava un nome a qualcosa che molti team percepivano ma non riuscivano a descrivere.
Altri due framework descrivono lo stesso fallimento da angolazioni diverse:
Feature team contro team di prodotto. Il saggio di Cagan del 2019 mette a confronto i feature team, a cui gli stakeholder consegnano una roadmap prioritizzata di funzionalità e che sono giudicati su ciò che rilasciano, con i team di prodotto autonomi, a cui vengono affidati problemi e risultati di business e che trovano la soluzione attraverso la discovery ().
La build trap. Melissa Perri descrive organizzazioni che «sfornano funzionalità per rispettare il proprio calendario anziché le esigenze del cliente», dove l'output diventa l'obiettivo al posto del valore che dovrebbe creare (Melissa Perri).
Tutti e tre descrivono un'unica causa radice: la metrica di successo del team è l'output, quindi le evidenze diventano facoltative.
Quanto costa costruire senza evidenze?
Il numero più citato viene dal Feature Adoption Report 2019 di Pendo: su 615 abbonamenti Pendo, l'80% delle funzionalità del prodotto medio era usato raramente o mai, e Pendo stimava che le aziende di software cloud quotate avessero investito fino a 29,5 miliardi di dollari per costruirle (Pendo, 2019). Sono i dati clienti di un solo fornitore, non una legge universale, ma la direzione corrisponde a ciò che la maggior parte dei PM vede nelle proprie analytics. Approfondiamo quella cifra in perché l'80% delle funzionalità non viene mai usato.
Le funzionalità inutilizzate non sono gratuite nemmeno dopo il lancio. Ognuna aggiunge superficie di interfaccia, domande al supporto, casi di test e codice da mantenere.
Il costo opposto è altrettanto reale: buone idee che non vengono mai costruite perché la prioritizzazione si basa sull'opinione. Ron Kohavi e Stefan Thomke descrivono l'idea di un dipendente di Bing di cambiare il modo in cui venivano mostrati i titoli degli annunci. Richiedeva solo pochi giorni di ingegneria, ma i program manager la classificarono in basso tra centinaia di proposte, e rimase nel backlog per più di sei mesi. Quando un ingegnere finalmente fece un semplice test A/B, aumentò i ricavi del 12% senza danneggiare le metriche di esperienza utente, cosa che gli autori stimano in oltre 100 milioni di dollari l'anno solo negli Stati Uniti (HBR, 2017). Una feature factory costruisce le cose sbagliate e salta quelle giuste.
Quali sono i 10 segnali d'allarme di una feature factory?
Segnali di cultura
1. La roadmap è decisa dall'opinione di chi è pagato di più. Le priorità cambiano dopo una riunione della dirigenza, non dopo nuove evidenze dai clienti. Test rapido: per i tuoi primi 3 elementi di roadmap, qualcuno sa indicare l'evidenza dei clienti dietro ciascuno?
2. La velocity è la metrica principale. Story point, ticket chiusi e numero di release vengono riportati a ogni sprint; adozione, retention e conversione raramente o mai. Cutler elenca come segnale a sé giudicare i PM su output e velocity (Cutler, 2016).
3. I lanci si celebrano; i risultati non si discutono. La slide dell'all-hands dice «rilasciato». Nessuno torna dopo 30 giorni con «ed ecco cosa è cambiato».
Segnali di processo
4. Il lavoro passa direttamente dall'idea al ticket. Nessuna definizione del problema, nessuna conversazione con i clienti, nessun prototipo. La discovery è qualcosa che «faremo quando avremo tempo». La nostra guida al processo di product discovery mostra com'è il passaggio mancante.
5. Un solo cliente rumoroso può dirottare il trimestre. L'email di un singolo cliente di alto valore innesca uno sviluppo importante, senza verificare se altri clienti condividono il problema. L'elenco di Cutler include anche il costruire funzionalità per chiudere accordi con una giustificazione finanziaria debole.
6. La roadmap elenca funzionalità, non outcome. Ogni riga è un deliverable con una data. Nessuna dice quale comportamento del cliente o quale numero di business dovrebbe cambiare. Vedi le roadmap basate sugli outcome per l'alternativa.
7. Chi costruisce non sa spiegare perché il proprio lavoro conta. Chiedi a un ingegnere o a un designer in che modo il suo compito attuale influisce su churn, attivazione o ricavi. Se la risposta è «me l'ha chiesto il PM», la strategia non sta raggiungendo il team.
Segnali di follow-through
8. Nessuno controlla i risultati dopo il lancio. Il team passa al ticket successivo non appena il codice arriva in produzione. Il rilascio viene trattato come la fine del processo anziché l'inizio dell'apprendimento.
9. Non si rimuove mai nulla. Le funzionalità si aggiungono, ma quasi mai vengono eliminate o rielaborate sulla base dei dati. Cutler lo dice chiaramente: i team raramente scartano il lavoro e spesso non hanno la sicurezza per ammettere che una scommessa è fallita.
10. Nessuna iterazione dopo la versione uno. Una volta rilasciata, una funzionalità è «finita», anche se i primi utilizzi mostrano che le persone fanno fatica. Il feedback non torna mai per una seconda passata.
Come valuti il tuo team? Una scorecard della feature factory in cinque minuti
Dai a ogni segnale 0 (non vero), 1 (a volte vero) o 2 (di solito vero). Sii onesto; il punteggio è per te.
#
Segnale d'allarme
Punteggio (0-2)
1
Roadmap decisa dall'opinione di chi è pagato di più
2
La velocity è la metrica principale
3
Lanci celebrati, risultati non discussi
4
Le idee passano direttamente ai ticket
5
Un solo cliente rumoroso dirotta il trimestre
6
La roadmap elenca funzionalità, non outcome
7
Chi costruisce non sa spiegare perché il proprio lavoro conta
8
Nessun controllo dopo il lancio
9
Non si rimuove mai nulla
10
Nessuna iterazione dopo la versione uno
Totale (max 20)
Come leggerla:
0-5: Sei in gran parte guidato dagli outcome. Mantieni le abitudini che ti hanno portato qui.
6-11: Situazione mista. Scegli i due segnali con il punteggio più alto e sistemali per primi.
12-20: Feature factory. Parti dal segnale 8: un controllo dopo il lancio è il cambiamento più economico e rende visibili tutti gli altri problemi.
Queste soglie sono una regola empirica per avviare la conversazione, non un benchmark.
Rilasciare in fretta è un male?
No. La velocità è un vantaggio quando ti muovi nella direzione giusta. Quando la roadmap è una lista dei desideri di funzionalità anziché un elenco di outcome, consegnare più in fretta ti porta solo prima nel posto sbagliato. Questo divario è cresciuto da quando gli strumenti di coding con AI riducono i tempi di sviluppo; ne parliamo in l'illusione della velocity di prodotto.
Ciò che protegge la velocità è un flusso costante di evidenze. Teresa Torres definisce la continuous discovery come contatti settimanali con i clienti da parte del team che costruisce il prodotto (Product Talk). I team che parlano con i clienti ogni settimana possono muoversi in fretta perché scoprono presto quando sbagliano. Senza questa abitudine, ogni esperimento diventa un progetto che deve riuscire, e i team che non possono fallire smettono di sperimentare.
Come si esce da una feature factory?
Definisci la metrica di successo prima di scrivere codice. Per ogni elemento che richiede più di pochi giorni di lavoro, scrivi il numero che dovrebbe muoversi e di quanto. Se non riesci a indicarne uno, non sei pronto a costruirlo.
Fai prototipi presto. Testa l'ipotesi più rischiosa con l'artefatto più economico: uno schizzo, un prototipo cliccabile o un fake door. Se una funzionalità non vale la pena di essere prototipata, raramente vale la pena di essere costruita. Il nostro approfondimento su cosa conta come evidenza per ogni rischio di prodotto ti aiuta a scegliere il test giusto.
Ridefinisci «fatto». Cambialo da «codice in produzione» a «codice in produzione e metrica rivista».
Rilascia prima a una parte. Usa i feature flag per rilasciare a una piccola quota di utenti, confronta con il resto, poi allarga. Raccogli evidenze prima che l'intera base utenti paghi un errore.
Riscrivi la roadmap come outcome. Ogni riga diventa un problema e una metrica obiettivo; le funzionalità diventano soluzioni candidate sotto di essa.
Tieni una kill review trimestrale. Elenca le funzionalità poco usate e decidi per ciascuna se migliorarla, mantenerla o rimuoverla.
Esempio pratico: un trimestre, misurato
Questo esempio è illustrativo. Un team SaaS di 12 ingegneri rilascia 30 funzionalità in un trimestre e riporta al board «30 rilasciate». Il PM compila la scorecard e ottiene 13.
Il team ripercorre i 30 lanci:
8 avevano una metrica di successo scritta prima della costruzione.
Di quegli 8, 3 hanno mosso la propria metrica della quantità prevista.
Gli altri 22 non avevano metrica, quindi nessuno può dire se hanno funzionato.
Il trimestre successivo il team si impegna su 15 scommesse invece di 30, ciascuna con una metrica e una data di revisione a 30 giorni. A fine trimestre, 6 delle 15 raggiungono l'obiettivo, 5 sono inconcludenti e ricevono una seconda iterazione, e 4 sono fallite e vengono annullate. La slide per il board ora dice «6 outcome mossi, 4 idee ritirate» invece di «30 rilasciate». Meno lanci, il doppio di successi dimostrati e un elenco chiaro di ciò che smettere di mantenere.
Quando «feature factory» è la diagnosi sbagliata?
Startup giovanissime. Prima del product-market fit, rilasciare in fretta molte piccole cose può essere il metodo di ricerca, purché ogni release sia trattata come un test e qualcuno guardi il risultato.
Lavoro contrattuale o normativo. Le funzionalità di compliance e i deliverable promessi ai clienti non richiedono una metrica di crescita. Etichettali come impegni perché non distorcano il resto della roadmap.
Lavoro sulla piattaforma e sul debito tecnico. Il refactoring raramente ha una metrica cliente. L'elenco di Cutler avverte di non ignorarlo a favore di funzionalità appariscenti.
Funzionalità guidate dalle vendite con una vera economia. Costruire per un accordo può essere la scelta giusta quando il ricavo giustifica la complessità nel lungo periodo. Il segnale d'allarme è farlo per impostazione predefinita, senza quel calcolo.
Dove si inserisce Specky
Specky aiuta i team a uscire dalla fabbrica tenendo le evidenze attaccate al lavoro. Legge chiamate, feedback, Slack, Jira e analytics in un Product Graph, redige spec e ticket con le evidenze dei clienti citate inline e verifica dopo il lancio se la scommessa ha funzionato, così il segnale 8 smette di essere la norma.
Domande frequenti
Che cos'è una feature factory nel product management?
Una feature factory è un team o un'azienda che tratta il rilascio di funzionalità come l'obiettivo. Il successo si misura in output, come funzionalità rilasciate o story point chiusi, anziché in outcome come adozione, retention o ricavi. John Cutler ha reso popolare il termine in un articolo del 2016 che elenca 12 segnali, tra cui la mancanza di misurazione, la celebrazione dei lanci e lo scartare raramente il lavoro.
Chi ha coniato il termine feature factory?
John Cutler, un product coach che in seguito ha lavorato in Amplitude, ha pubblicato «12 Signs You're Working in a Feature Factory» sul suo blog nel novembre 2016. Ha scritto un seguito alla fine del 2019. L'idea si sovrappone alla distinzione di Marty Cagan tra feature team e team di prodotto e alla build trap di Melissa Perri.
Qual è la differenza tra un feature team e un team di prodotto?
Nell'impostazione di Marty Cagan, un feature team riceve dagli stakeholder una roadmap prioritizzata di funzionalità ed è giudicato sulla loro consegna. Un team di prodotto autonomo riceve un problema e un risultato di business, trova la soluzione attraverso la discovery ed è giudicato su se il risultato si è mosso. Le persone possono essere le stesse; la differenza è ciò di cui rispondono.
Come si misurano gli outcome invece dell'output?
Prima di costruire, scrivi il comportamento del cliente o il numero di business che il lavoro dovrebbe cambiare, l'obiettivo e la data di revisione. Dopo il lancio, verificalo e registra il risultato accanto alla decisione originale. Tieni traccia della quota di lavoro rilasciato che aveva una metrica e di quella che l'ha raggiunta. Questi due numeri dicono più della velocity.
Una startup che si muove in fretta può evitare di diventare una feature factory?
Sì, se la velocità serve a imparare. Rilascia in piccolo, definisci cosa deve dimostrare ogni release e guarda il risultato prima di decidere il passo successivo. Il contatto settimanale con i clienti, come nella continuous discovery di Teresa Torres, mantiene il flusso di evidenze. Il rischio cresce quando i team scalano e iniziano a riportare l'output verso l'alto perché è più facile da contare.
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