4 novembre 2026Aggiornato il Fathy Shalaby12 min di lettura
Cosa devo costruire adesso? Un framework decisionale per i product builder
Un metodo pratico per founder solitari e product engineer per scegliere la prossima cosa da costruire partendo da evidenze dei clienti, uso del prodotto e piccoli test, non dalla richiesta più rumorosa o dall'ultima idea di IA.
Cosa devo costruire adesso? Costruisci la cosa più piccola che rimuove un ostacolo ben documentato per un utente specifico impegnato in un compito importante. Se le evidenze sono deboli, il tuo prossimo passo è un test di apprendimento, non altro codice. Gli strumenti di coding con IA rendono economico rilasciare una modifica; non ti dicono se quella modifica conta. Il framework qui sotto aiuta founder solitari e product engineer a decidere in circa 15 minuti a settimana.
Punti chiave
L'80% delle funzionalità di un prodotto software medio è usato raramente o mai (Pendo, 2019). Costruire la cosa sbagliata è la norma, non l'eccezione.
Uno scarso product-market fit ha pesato nel 43% delle chiusure di startup finanziate da venture capital analizzate da CB Insights dal 2023 (CB Insights, 2026).
Parti da un utente e da un compito, non da un elenco di funzionalità. Conta utenti e situazioni distinti, non menzioni.
Abbina la mossa successiva alla tua incognita più grande: intervista, prototipo, test di domanda, spike tecnico o sviluppo.
I punteggi come RICE strutturano una discussione; non sono un verdetto quando gli input sono ipotesi.
Come decidi cosa costruire adesso?
Cinque passi, in ordine:
Dai un nome all'utente e al compito. Chi è in difficoltà, nel fare cosa, in quale situazione?
Raccogli segnali. Comportamenti recenti, soluzioni di ripiego e fonti originali, non un mucchio di idee.
Controlla le evidenze. Chi ha il problema, quando è successo l'ultima volta, quanto costa e cosa dimostrerebbe che ti sbagli.
Scegli tra costruire e testare. Scegli la mossa che risolve l'incognita più importante.
Definisci la più piccola costruzione utile con criteri di accettazione, una soglia di sicurezza e una data di revisione.
Il resto di questa guida percorre ogni passo, poi ti dà una revisione settimanale, un esempio di scoring svolto e un prompt di IA che organizza le evidenze senza inventarle.
Prima di confrontare le idee, indica chi è in difficoltà e cosa sta cercando di portare a termine. «Migliorare l'onboarding» è troppo generico. «Aiutare un founder solitario a trasformare una chiamata con un cliente in un brief che un ingegnere possa implementare» è abbastanza specifico da poterlo indagare.
È il cuore del pensiero jobs-to-be-done. Clayton Christensen e colleghi hanno sostenuto su HBR che l'innovazione resta un azzardo finché i team si concentrano sui prodotti invece di capire perché i clienti fanno le loro scelte; nel sondaggio McKinsey che citano, l'84% dei dirigenti definiva l'innovazione estremamente importante, mentre il 94% era insoddisfatto delle prestazioni innovative della propria organizzazione (HBR, 2016).
Scrivi una frase:
[Persona] sta cercando di [compito] quando [contesto], ma [ostacolo]. Oggi [soluzione di ripiego], e questo le costa [tempo, fatica, rischio o risultato mancato].
Tieni insieme utente, situazione e soluzione di ripiego. Una richiesta come «aggiungi un export» può significare condividere un report, conservare una traccia di audit o spostare dati in un altro flusso di lavoro. Sono problemi diversi con soluzioni diverse. Il nostro template per l'enunciato del problema di prodotto aiuta a trasformare una richiesta in un problema verificabile.
Quali segnali contano come evidenza di cosa costruire adesso?
Raccogli un piccolo insieme di segnali recenti dalle persone che vuoi servire:
Una persona che cerca di completare il flusso di lavoro principale e non ci riesce.
Soluzioni di ripiego ripetute nei messaggi al supporto o nelle conversazioni con i clienti.
Un utente che torna sullo stesso compito e si blocca nello stesso punto.
Una richiesta di funzionalità con un esempio chiaro e recente alle spalle.
Una metrica di prodotto che indica attrito, seguita da conversazioni che la spiegano.
Un rischio strategico o tecnico che potrebbe rendere inaffidabile l'attuale promessa del prodotto.
Un segnale diventa utile quando ha un contesto: chi l'ha vissuto, cosa stava facendo, quando è successo e cosa ha fatto dopo. Conserva un link alla chiamata, al ticket o all'evento originale. Non lasciare che un riassunto sostituisca l'evidenza.
Non tutti i segnali hanno lo stesso peso:
Segnale più forte
Segnale più debole
«Martedì scorso ho esportato in un foglio di calcolo e corretto le date a mano»
«Probabilmente lo userei»
Una soluzione di ripiego che qualcuno mantiene ogni settimana
Un complimento sulla demo
Denaro o tempo già spesi per una soluzione
Una richiesta di funzionalità senza esempio
Lo stesso abbandono nei dati e nelle interviste
Un solo account rumoroso
Un utente che torna e si blocca di nuovo
Un feedback dell'IA che dice che l'idea è promettente
The Mom Test di Rob Fitzpatrick è costruito su questa distinzione: come evitare feedback distorti nelle conversazioni con i clienti e capire se qualcuno comprerà davvero (The Mom Test). Per gli appunti delle interviste, il nostro template di sintesi delle interviste ai clienti separa ciò che qualcuno ha fatto o detto dall'interpretazione che potresti essere tentato di darne.
Quanto sono solide le evidenze per ogni opzione?
Per ogni problema candidato, chiediti:
Chi ce l'ha? Riesci a indicare il ruolo o il segmento a partire da evidenze, non da una persona generica?
Quando è successo l'ultima volta? Qualcuno sa descrivere una situazione reale e recente?
Quanto spesso o a quale costo? Interrompe un compito importante, crea lavoro manuale ripetuto, ritarda una decisione o aggiunge rischio?
Cosa fanno oggi? Una soluzione di ripiego che le persone ripetono, mantengono o pagano mostra più urgenza dei complimenti.
Cosa dimostrerebbe che è sbagliato? Cerca persone che non lo vivono, una causa diversa o una soluzione esistente più semplice.
Conta situazioni e utenti distinti, non menzioni. Dieci note copiate da un solo cliente non sono dieci clienti. Un singolo caso ad alto impatto può comunque meritare attenzione; chiamalo rischio concentrato, non domanda diffusa.
Conviene costruire o fare prima un test?
Una buona decisione di prodotto non finisce sempre con un ticket. Abbina la prossima azione alla maggiore incertezza:
Cosa ancora non sai
Piccola mossa successiva
È un problema reale e doloroso per l'utente target?
Intervista persone che l'hanno incontrato di recente; chiedi dell'ultima volta e della soluzione di ripiego attuale.
Gli utenti capiscono il flusso proposto?
Mostra un prototipo grezzo e osserva un compito reale senza guidare.
Qualcuno farà un passo significativo verso questa offerta?
Fai un test di domanda onesto con una promessa chiara e un'azione misurabile.
Il team può realizzarlo in modo sicuro e affidabile?
Costruisci uno spike tecnico mirato con vincoli espliciti e casi di errore.
Il problema è ben compreso e la soluzione è a basso rischio?
Rilascia la più piccola modifica completa, poi osserva uso e soglie di sicurezza.
All'inizio il test più economico è spesso fare il lavoro a mano. Il saggio di Paul Graham Do Things That Don't Scale sostiene che reclutare utenti manualmente e fare qualcosa di «laborioso e non scalabile» per partire è quasi universale nelle startup di successo (Paul Graham, 2013). Se hai già un prototipo, il nostro piano di validazione del prodotto in 7 giorni illustra un modo mirato per testare l'uso reale. Qualche conversazione o clic può orientare il test successivo; non dimostra un mercato. Per la domanda precedente, se l'idea nel suo insieme regge, leggi la nostra guida alla validazione di un'idea SaaS.
Come dai priorità a cosa costruire adesso senza falsa precisione?
Quando restano più candidati, confrontali prima in parole semplici:
Importanza per l'utente: quanto è centrale questo compito per il cliente target?
Solidità delle evidenze: comportamento osservato e fonti originali, o per lo più ipotesi?
Portata: quanti degli utenti giusti incontrano questa situazione?
Tempistica e rischio: cosa peggiora se aspetti?
Sforzo e reversibilità: qual è il test utile più piccolo e quanto costa cambiare rotta?
Se vuoi un numero, RICE è il modello più diffuso. Sean McBride di Intercom lo ha definito come Reach (persone per periodo) per Impact (3 enorme, 2 alto, 1 medio, 0,5 basso, 0,25 minimo) per Confidence (100% alta, 80% media, 50% bassa), diviso per Effort in persone-mese (Intercom, 2018). Puoi fare i conti con il nostro calcolatore RICE gratuito.
Esempio svolto: tre candidati per un founder solitario
Un esempio illustrativo, non dati reali. Un founder solitario ha circa 400 utenti attivi a trimestre e tre candidati:
Candidato
Reach (a trimestre)
Impact
Confidence
Effort (persone-mese)
Punteggio RICE
A. Importazione CSV guidata
120 nuovi account che arrivano all'importazione
2
80%
1
192
B. Integrazione Slack
60
1
50%
2
15
C. Riassunto dei report con IA
300
0,5
50%
1,5
50
I punteggi indicano A. Ma a fare la differenza sono le evidenze dietro di essi:
L'80% di confidence di A poggia su 5 dei 7 intervistati recenti che descrivono una soluzione di ripiego per l'importazione e su un funnel che mostra il 45% dei nuovi account bloccato all'importazione. È solido.
B sembrava popolare: 9 richieste. Ma 6 arrivavano da un solo account, quindi sono 4 utenti distinti. È una richiesta concentrata, non domanda diffusa.
La reach di C è un'ipotesi: nessuno ha chiesto riassunti, e il 50% di confidence è generoso.
La decisione: costruire una versione mirata di A con una revisione tra due settimane, scrivere ai quattro utenti dietro B per capire il compito e mettere C in attesa finché qualcuno non descrive il problema che risolve. Un punteggio di 192 non è più oggettivo di 150 se gli input sono ipotesi; tieni la fonte e la confidence accanto a ogni numero. Per un backlog dominato dalle richieste, la nostra guida su come dare priorità alle richieste di funzionalità in un team piccolo approfondisce.
Qual è la più piccola costruzione utile?
Una volta scelto di costruire, scrivi il risultato per l'utente prima dei dettagli di implementazione:
Utente target e momento: chi farà cosa?
Evidenza del problema: quale osservazione sostiene la modifica?
Comportamento atteso: cosa dovrebbe diventare più facile o possibile?
Fuori ambito: quale lavoro adiacente allettante è escluso?
Criteri di accettazione: cosa può verificare una persona nell'esperienza finita?
Soglia di sicurezza: cosa non deve peggiorare?
Data di revisione: quando controllerai se ha aiutato?
Così un agente di coding con IA o un collega resta concentrato sul problema vero. Un brief può includere vincoli tecnici, ma non lasciare che il piano di implementazione ridefinisca in silenzio il bisogno dell'utente. Quando la decisione è pronta, il template di PRD per agenti di coding con IA rende il lavoro rivedibile.
Come fai una revisione settimanale di «cosa devo costruire adesso?»
Quindici minuti, una volta a settimana:
Metti le evidenze più recenti in un unico posto, con link originali e date.
Raggruppa i segnali che descrivono lo stesso problema dell'utente; non unire tipi di utente diversi solo perché hanno usato parole simili.
Scrivi l'enunciato del problema più solido e una spiegazione alternativa plausibile.
Segna cosa è osservato, cosa è dedotto e cosa è sconosciuto.
Scegli la mossa che risolve l'incognita più importante: indagare, testare, costruire, rimandare o fermarsi.
Annota chi è responsabile della decisione e quando rivedrai il risultato.
L'opportunity solution tree di Teresa Torres è un'immagine utile della stessa logica: un risultato desiderato alla radice, bisogni e punti dolenti dei clienti come opportunità sotto di esso, poi le soluzioni e i test sulle ipotesi che le mettono a confronto (Product Talk, 2023). Il risultato della settimana può essere un piccolo rilascio, una chiamata con un cliente o la decisione di non costruire. Tutti e tre sono progresso se riducono l'incertezza su un problema importante. Quando il trimestre successivo ha bisogno di una forma, il nostro metodo di pianificazione del prodotto in 90 giorni per startup mette in fila queste decisioni settimanali in un piano.
Come può aiutare l'IA a decidere cosa costruire senza delegare il tuo giudizio?
Usa l'IA per organizzare le evidenze, non per inventare la domanda. Fornisci materiale di partenza che puoi usare, poi chiedi:
Raggruppa questi segnali di prodotto per problema dell'utente. Per ogni gruppo, elenca gli ID delle fonti e le osservazioni esatte che lo sostengono. Separa fatti osservati, interpretazioni e ipotesi. Includi controprove e contesto mancante. Non inventare citazioni di clienti, dimensioni del campione, dati di utilizzo, dimensioni del mercato o urgenza. Suggerisci due test successivi a basso costo, spiega cosa dimostrerebbe e cosa non dimostrerebbe ciascuno, e lascia la decisione di costruire al product owner.
Verifica ogni affermazione generata rispetto alla fonte. Se la risposta non può indicare un'evidenza, trattala come un'ipotesi da testare. Diffida in particolare di un'IA che ti dice che un'idea è promettente: non ha accesso al comportamento dei tuoi utenti.
Quali errori portano i builder a costruire la cosa sbagliata?
Costruire ciò che ha chiesto il cliente più rumoroso. Le sei richieste di un account non sono sei clienti.
Scambiare i complimenti per domanda. «Sembra ottimo» non costa nulla da dire. Una soluzione di ripiego che qualcuno mantiene gli costa ogni settimana.
Rilasciare ampiezza per sembrare completi. La cifra dell'80% di Pendo è l'aspetto che ha l'ampiezza accumulata.
Saltare la data di revisione. Senza, nessuno controlla se la modifica ha aiutato, e la decisione successiva riparte dall'opinione.
Lasciare che l'ideazione con IA fissi la roadmap. Le idee generate sono economiche e sicure di sé; le evidenze non sono né l'uno né l'altro.
Dove si inserisce Specky?
Gran parte dello sforzo in questo framework consiste nel tenere le evidenze collegate alle decisioni. Specky porta chiamate con i clienti, feedback, Slack, Jira e analytics in un Product Graph, raggruppa i segnali per problema con link alle fonti originali e offre lo scoring RICE con suggerimenti dell'IA che puoi modificare. Specifiche e ticket riportano citazioni inline e, dopo il lancio, Specky verifica se la modifica ha fatto ciò che doveva.
Domande frequenti
Come faccio a sapere cosa costruire adesso?
Scegli la mossa che affronta meglio un problema importante dell'utente che puoi sostenere con evidenze: situazioni recenti e specifiche di utenti distinti, idealmente confermate da dati di comportamento. Se il problema o la soluzione sono ancora incerti, fai il test utile più piccolo prima di ampliare l'ambito. Se nulla ha evidenze solide, il tuo prossimo passo sono le conversazioni con i clienti, non il codice.
Cosa dovrebbe costruire adesso un founder solitario?
Parti dal momento in cui un utente target raggiunge il valore centrale del tuo prodotto. Osserva una persona reale provare quel compito, individua l'ostacolo più grande e testa un miglioramento mirato. Evita di costruire un ampio insieme di funzionalità per far sembrare completo il prodotto; la maggior parte delle funzionalità è usata raramente, e un founder solitario non può permettersi di mantenerle.
Devo costruire ciò che chiedono i clienti?
Tratta le richieste come segnali, non come specifiche. Chiedi cosa stava cercando di fare la persona, cosa è successo e quale soluzione di ripiego usa adesso. Più richieste diverse possono indicare un problema comune, e la stessa funzionalità richiesta può risolvere problemi diversi per utenti diversi. Conta gli utenti distinti, non le menzioni.
RICE è un buon modo per decidere cosa costruire adesso?
RICE è utile per strutturare un confronto: reach, impact, confidence ed effort rendono esplicite le scelte di compromesso. Diventa fuorviante quando gli input sono ipotesi presentate come dati. Tieni evidenze e confidence accanto a ogni punteggio, verifica la reach rispetto agli utenti distinti e lascia che sia un responsabile con nome e cognome a prendere la decisione finale.
L'IA può scegliere la mia roadmap di prodotto?
L'IA può riassumere il feedback che le fornisci, trovare formulazioni ricorrenti, abbozzare ipotesi e confrontare opzioni rispetto ai criteri che le dai. Non può trasformare le evidenze mancanti in domanda dei clienti né assumersi le conseguenze di un compromesso. Mantieni i link alle fonti e prendi la decisione con le persone responsabili del prodotto.
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