Agentic GTM och product engineering: från 30 till 3

Det brukade krävas 30 personer för att driva en GTM- eller produktavdelning. I dag räcker tre. Det är ingen prognos inom agentic GTM och product engineering. Det är min vardag.

I mina tidigare bolag byggde jag marknad, sälj och produkt med stora team: rekrytera, onboarda, koordinera, hoppas. I dag gör jag det annorlunda. Några få proffs plus ett team av AI-agenter som jobbar dygnet runt. Jag kallar det Get Multiplayer: hur människor och AI-agenter driver en avdelning tillsammans. Tre i stället för trettio.

Det här tar du med dig:

• Varför AI gjorde exekvering billig, och var den verkliga flaskhalsen sitter nu.
• Hur Get Multiplayer fungerar på båda sidor: GTM och produkt.
• Tre konkreta vägar att få in det i ditt bolag.

Tesen i en mening

Den som fortfarande bygger en GTM- eller produktavdelning med 30 personer bygger dyrt, långsamt och utan system. Hävstången sitter inte längre i exekveringen. Den sitter i ledarskap och kontext när tio agenter kör samtidigt.

Varför är exekvering plötsligt fel flaskhals?

För att AI pressade kostnaden per exekvering mot noll. En säljsekvens, en researchrunda på konton, en första pull request: timmar av arbete är nu minuter. Frågan är inte längre vem som gör jobbet, utan vem som leder det och på vilken kontext det körs.

För två år sedan var exekveringen den dyra delen. Skriva en sekvens, analysera en marknad, bygga en landningssida, granska en pull request: allt timmar, allt människor, allt lön. AI vände på det. En agent skriver sekvensen på minuter, researchar hundra konton över natten, bygger den första pull requesten medan du sover.

Det flyttar flaskhalsen. När tio agenter kör samtidigt är frågan inte längre "vem gör jobbet" utan "vem leder dem och på vilken kontext jobbar de". Tio maskiner utan ledarskap producerar skräp tio gånger snabbare. Det är garbage in, garbage out, bara snabbare och i skala. Generisk AI känner inte din kod, din Jira eller din affär. Den producerar rök som låter trovärdig. Varje agent behöver en gemensam grund: ditt bolags affärs- och kodkontext, förberedd för agenter. Jag kallar det Context Engine. Det är den magiska ingrediensen, inte modellen.

Hur bygger du Get Multiplayer över GTM och produkt?

På samma sätt på båda sidor. Tre proffs tar ledningen, tre till fem agenter tar exekveringen, en Context Engine håller kunskapen. På GTM blir resultatet Autonomous GTM, på produkt blir det Autonomous Product Management. En idé, två tillämpningar.

Mönstret är detsamma på bolagets båda sidor. Bra produkt, inget system som skalar med den. Jag kallar tillståndet stuck in the middle: efter product-market fit, före skala. Produkten fungerar, men grunden av processer och data saknas.

På GTM-sidan bygger jag det så här:

1. Mät först, gissa inte. Var sitter den verkliga flaskhalsen? Positionering, pipeline, kanaler.
2. Ett centralt system i stället för tre sanningar. Ett rent CRM, en pipeline, en positionering i en enda mening.
3. Agenter efter flaskhalsprioritet, inte efter hype. Tre till fem produktiva agenter som kör även när du är borta en vecka.

På produktsidan blir resultatet Autonomous Product Management. Produktbeslut på riktig kontext, med AI-agenter, i stället för magkänsla. Kunskapen sitter i dag utspridd i Jira, PRD:er, stories och seniora utvecklares huvuden. En agent som kan den kontexten går från kodapa till sparringpartner. Den öppnar den första agent-PR:en, bygger kartan över testluckor och visar var det är säkert att shippa och var det inte är det.

Båda sidor delar samma grund. På GTM lever Context Engine som mjukvara som fungerar som Jira för GTM-team. På kod och produkt sitter den i en agent som studerar din kod.

Vilka är vägarna till samma resultat?

Lär dig det, eller låt någon bygga det. Och mjukvaran som hör till. Du behöver inte ta varje väg, du behöver veta vilken som passar din fas. Lära sig och låta bygga är en stege, från att göra själv till att få det gjort. Teklens rullar bredvid som mjukvara, vilken väg du än tar.

• Lär dig: gtm.science är ett open source-ramverk för GTM-team. I livekohorter installerar du Autonomous GTM hands-on i ditt bolag.
• Låt bygga det: Pedalix bygger din GTM- och produktavdelning inne i ditt bolag, done for you. Ett litet team plus AI-agenter. Leveransen är ett körande system som stannar kvar. Se mitt sätt att jobba.
• Och mjukvaran som hör till: teklens.ai är mjukvara som ansluter till ditt produktteam som AI-agenter. Den kan din kod, din Jira och din affär. Den rullar bredvid vilken väg du än tar.

Skillnaden på marknaden: en byrå skapar beroende, ett system skapar frihet. Byrån levererar snabbt, men kunskapen stannar utanför. När de går, går kunskapen. Jag bygger ett system som stannar. Jag går, systemet stannar.

Vad är det hårdaste beviset för att det här fungerar?

Konkreta resultat från uppdrag, inte slides. Hos Emporix stöttade jag över 100 procents intäktstillväxt genom Pedalix; hos Xorlab landade ROI under två månader. Datapunkterna i mitt track record går att kontrollera, ingen pitch.

Tre proffs plus tio agenter ersätter team som förr räknade 30 personer, för att agenterna kör på en ren Context Engine och en människa leder dem. Tillämpa samma logik på ditt produktteam och du tar dig ur utvecklingsproppen utan att anställa 20 utvecklare till. Det är variabeln som flyttar resultatet i dag.

Vad som sitter kvar

✅ Vad som fungerar. Med tre proffs och ett team av agenter spelar du stort utan att anställa stort. Det är verklighet i dag, ingen pitch.

❌ Vad som inte fungerar. Agenter på tom grund. Utan kontext och utan ledarskap får du snabbare skräp, inte resultat. Den som tror att AI gör jobbet av sig självt blir besviken.

⚠️ Varning. Flaskhalsen är inte verktyget. Flaskhalsen är du, om du låter tio maskiner köra utan plan. Ledarskap och kontext först, sedan agenterna.

Trettio då, tre i dag. Skälet är inte att AI gör allt. Skälet är att exekvering blev billig och att ledarskap plus kontext driver resultatet. Sitter du i skärningspunkten mellan produkt, GTM och AI och vill ut ur "stuck in the middle" är det här din hävstång.

Nästa steg. Prenumerera på nyhetsbrevet och få nästa anteckningar från maskinrummet direkt i inkorgen.

Vanliga frågor

Hur ser Agentic GTM ut i praktiken?

Ett litet team av proffs leder medan tre till fem AI-agenter kör exekveringen över marknad, sälj och operations dygnet runt. Agenterna jobbar på en gemensam Context Engine så att de kan din marknad, ditt erbjudande och ditt CRM.

Vad är Context Engine?

Context Engine är ditt bolags förberedda affärs- och kodkontext, läsbar för AI-agenter. Den håller positionering, pipelinedata, produktkunskap och kodförståelse på ett ställe. Utan den producerar agenter rök som låter trovärdig i stället för användbart arbete.

När är ett bolag stuck in the middle?

Efter product-market fit, före skala. Produkten säljer, men processer, data och team är inte redo för nästa steg. Typiskt mellan 20 och 200 anställda i B2B-mjukvara.

Ersätter Agentic GTM människorna i teamet?

Nej. Det ersätter exekveringsvolym, inte ledarskap. De tre proffsen blir viktigare, för de leder tio agenter i stället för tio säljare. Den som kan leda vinner.

Hur börjar jag med tre i stället för trettio?

Mät först var flaskhalsen verkligen sitter (positionering, pipeline, produkt), bygg sedan ett centralt system, sätt sedan tre till fem agenter på den största flaskhalsen. Lär dig det via gtm.science, låt Pedalix bygga det åt dig. Och mjukvaran som hör till via teklens.ai.