Agentic GTM e product engineering: da 30 a 3

Per far girare un reparto GTM o product servivano 30 persone. Oggi ne bastano tre. Nell'agentic GTM e product engineering questa non è una previsione. È il mio lavoro quotidiano.

Nelle mie aziende precedenti ho costruito marketing, sales e product con team grandi: assumere, fare onboarding, coordinare, sperare. Oggi lo faccio diversamente. Pochi professionisti più un team di agenti AI che lavorano 24 ore su 24. Lo chiamo Get Multiplayer: come persone e agenti AI gestiscono insieme un reparto. Tre invece di trenta.

Cosa ti porti a casa:

• Perché l'AI ha reso l'esecuzione economica, e dov'è il vero collo di bottiglia adesso.
• Come funziona Get Multiplayer su entrambi i lati: GTM e product.
• Tre modi concreti per portarlo nella tua azienda.

La tesi in una frase

Chi costruisce ancora un reparto GTM o product con 30 persone costruisce caro, lento e senza sistema. La leva non sta più nell'esecuzione. Sta nella leadership e nel contesto, quando dieci agenti girano in parallelo.

Perché l'esecuzione è di colpo il collo di bottiglia sbagliato?

Perché l'AI ha spinto il costo per esecuzione verso lo zero. Una sequenza sales, una ricerca sugli account, una prima pull request: ore di lavoro sono diventate minuti. La domanda non è più chi fa il lavoro, ma chi lo guida e su quale contesto gira.

Due anni fa l'esecuzione era la parte costosa. Scrivere una sequenza, analizzare un mercato, costruire una landing page, fare la review di una pull request: tutto ore, tutto teste, tutto stipendi. L'AI ha ribaltato le cose. Un agente scrive la sequenza in minuti, fa ricerca su cento account durante la notte, costruisce la prima pull request mentre dormi.

Questo sposta il collo di bottiglia. Quando dieci agenti girano insieme, la domanda non è più "chi fa il lavoro" ma "chi li guida e su quale contesto lavorano". Dieci macchine senza guida producono spazzatura dieci volte più in fretta. È garbage in, garbage out, solo più veloce e su scala. L'AI generica non conosce il tuo codice, il tuo Jira o il tuo business. Produce fumo plausibile. Ogni agente ha bisogno di una base condivisa: il contesto business e codice della tua azienda, preparato per gli agenti. Lo chiamo Context Engine. L'ingrediente magico è quello, non il modello.

Come costruisci Get Multiplayer su GTM e product?

Allo stesso modo su entrambi i lati. Tre professionisti prendono la guida, da tre a cinque agenti prendono l'esecuzione, un Context Engine tiene la conoscenza. Sul GTM il risultato è Autonomous GTM, sul product è Autonomous Product Management. Un'idea, due applicazioni.

Il pattern è lo stesso su entrambi i lati dell'azienda. Buon prodotto, nessun sistema che scala con lui. Chiamo questo stato stuck in the middle: dopo il product-market fit, prima della scalata. Il prodotto funziona, ma manca la base di processi e dati.

Sul lato GTM lo costruisco così:

1. Prima misura, niente supposizioni. Dov'è il vero collo di bottiglia? Positioning, pipeline, canali.
2. Un sistema centrale invece di tre verità. Un CRM pulito, una pipeline, un positioning in una sola frase.
3. Agenti per priorità di collo di bottiglia, non per hype. Da tre a cinque agenti produttivi che girano anche quando manchi per una settimana.

Sul lato product il risultato è Autonomous Product Management. Decisioni di prodotto basate su contesto reale, con agenti AI, invece che di pancia. Oggi la conoscenza sta sparsa tra Jira, PRD, story e teste dei senior dev. Un agente che conosce questo contesto passa da code monkey a sparring partner. Apre la prima PR da agente, costruisce la mappa dei test gap e mostra dove rilasciare è sicuro e dove no.

I due lati condividono la stessa base. Sul GTM il Context Engine vive come software che funziona come Jira per i team GTM. Su codice e product sta dentro un agente che studia il tuo codice.

Quali sono le strade verso lo stesso risultato?

Impararlo, fartelo costruire. E il software che li accompagna. Non devi prendere ogni strada, devi sapere quale si adatta alla tua fase. Imparare e farsi costruire sono un'escalation, dal fare da soli al farselo fare. Teklens corre a fianco come software, qualunque strada tu prenda.

• Impara: gtm.science è un framework open source per team GTM. Nelle cohort live installi Autonomous GTM hands-on nella tua azienda.
• Fattelo costruire: Pedalix costruisce il tuo reparto GTM e product dentro la tua azienda, done for you. Un piccolo team più agenti AI. Il deliverable è un sistema funzionante che resta. Vedi il mio modo di lavorare.
• E il software che li accompagna: teklens.ai è software che entra nel tuo product team come agenti AI. Conosce il tuo codice, il tuo Jira e il tuo business. Corre a fianco, qualunque strada tu prenda.

La differenza sul mercato: un'agenzia crea dipendenza, un sistema crea libertà. L'agenzia consegna in fretta, ma la conoscenza resta fuori. Quando se ne va, la conoscenza se ne va con lei. Io costruisco un sistema che resta. Me ne vado io, il sistema resta.

Qual è la prova più dura che funziona?

Risultati concreti dagli ingaggi, non slide. Da Emporix ho supportato una crescita dei ricavi oltre il 100 percento tramite Pedalix; da Xorlab il ROI è arrivato sotto i due mesi. I dati del track record sono verificabili, non un pitch.

Tre professionisti più dieci agenti sostituiscono team che una volta contavano 30 persone, perché gli agenti girano su un Context Engine pulito e una persona li guida. Applica la stessa logica al tuo product team ed esci dall'ingorgo engineering senza assumere altri 20 dev. È questa la variabile che oggi muove il risultato.

Cosa resta

✅ Cosa funziona. Con tre professionisti e un team di agenti giochi in grande senza assumere in grande. Questa è la realtà di oggi, non un pitch.

❌ Cosa non funziona. Agenti su una base vuota. Senza contesto e senza guida ottieni spazzatura più in fretta, non risultati. Chi pensa che l'AI faccia il lavoro per magia resta deluso.

⚠️ Attenzione. Il collo di bottiglia non è il tool. Il collo di bottiglia sei tu, se lasci girare dieci macchine senza un piano. Prima leadership e contesto, poi gli agenti.

Trenta allora, tre oggi. Il motivo non è che l'AI fa tutto. Il motivo è che l'esecuzione è diventata economica e che leadership più contesto decidono il risultato. Se stai all'incrocio tra product, GTM e AI e vuoi uscire da "stuck in the middle", questa è la tua leva.

Prossimo passo. Iscriviti alla newsletter e ricevi le prossime note da operatore dritte nella tua inbox.

Domande frequenti

Che aspetto ha l'Agentic GTM nella pratica?

Un piccolo team di professionisti guida, mentre da tre a cinque agenti AI gestiscono l'esecuzione su marketing, sales e operations 24 ore su 24. Gli agenti lavorano su un Context Engine condiviso, così conoscono il tuo mercato, la tua offerta e il tuo CRM.

Cos'è il Context Engine?

Il Context Engine è il contesto business e codice della tua azienda, preparato in forma leggibile dagli agenti AI. Tiene positioning, dati di pipeline, conoscenza di prodotto e comprensione del codice in un unico posto. Senza, gli agenti producono fumo plausibile invece di lavoro utile.

Quando un'azienda è stuck in the middle?

Dopo il product-market fit, prima della scalata. Il prodotto vende, ma processi, dati e team non sono pronti per il salto successivo. Tipico tra 20 e 200 dipendenti nel software B2B.

L'Agentic GTM sostituisce le persone del team?

No. Sostituisce il volume di esecuzione, non la leadership. I tre professionisti diventano più importanti, perché guidano dieci agenti invece di dieci sales rep. Vince chi sa guidare.

Come parto con tre invece di trenta?

Prima misura dove sta davvero il collo di bottiglia (positioning, pipeline, prodotto), poi costruisci un sistema centrale, poi metti da tre a cinque agenti sul collo di bottiglia più grande. Imparalo via gtm.science, fattelo costruire da Pedalix. E il software che li accompagna via teklens.ai.