Featurism e backlogs defasados: o problema de times de produto que priorizam velocidade sem direção

O texto de David Pereira parte de um problema conhecido: times de produto têm dificuldade de abandonar ideias velhas. Itens de backlog parados por meses ou anos sobrevivem porque alguém já "colocou trabalho" neles. O resultado é que a conversa gira em torno do passado, em vez de se adaptar ao que o time aprendeu. Hoje o risco cresce, porque algumas equipes conectam agentes de IA ao backlog e deixam que implementem o que está lá. Se os itens antigos são ruído, o agente executa ruído, e o PM só revisa e aprova.

O autor resgata o termo featurism, cunhado por Robin Boyd em 1960 no livro "The Australian Ugliness", e o liga ao feature factory de John Cutler e ao build trap de Melissa Perri. Sua adaptação de "First who, then what", de Jim Collins, é "First where, then what". Ele usa as três perguntas de Tami Reiss (where to, where from, where next). A rotina proposta é prática: filtro para itens sem toque há mais de 90 dias, limpeza de 15 minutos a cada duas semanas (com arquivo purgado após duas semanas, se ninguém reclamar) e revisão de alinhamento com a meta principal a cada seis semanas. A versão radical, apagar o backlog inteiro, ele vê como mais realista em startups do que em empresas grandes.

A cobertura anterior do CEVIU já vinha tratando do tema em partes. Em 13 de março de 2026, o CEVIU noticiou "Quão Bom é o Seu Backlog? Como Moldar o Trabalho para o Sucesso do Produto", sobre estruturar o trabalho em torno das necessidades do cliente. Em 22 de setembro de 2026, em "A IA pode agravar falhas no Product Backlog?", o alerta era que IA generativa sobre um backlog problemático pode mascarar deficiências estruturais. A notícia de agora conecta os dois pontos e propõe ação concreta: o corte de itens com mais de 90 dias e a pergunta sobre a direção antes de qualquer priorização. Também dialoga com "5 Falhas Comuns na Descoberta de Produto", de 13 de março de 2026, que apontava a falta de metas claras baseadas em resultados.

Para quem opera um backlog com agentes de IA, a leitura é direta: limpar a fila vem antes de automatizar a execução. Para gerentes de produto, o texto sugere que a meta (o destino) funciona como filtro de priorização, e que dizer não ao que é fácil de adicionar é a decisão mais difícil. É uma leitura editorial, mas o experimento de apagar um único item parado há 90 dias custa quase nada para testar.