GTM-инженеры заменяют отделы продаж: 100 вакансий в месяц и пошаговый план внедрения
GTM-инженеры (GTM engineers, специалисты, которые строят автоматизированные системы продаж вместо ручной работы) два года назад почти не существовали как роль, а сейчас компании нанимают их сотнями, и на конференции TechCrunch Disrupt 2026 эту профессию разберут как новый стандарт индустрии.

Роль GTM-инженера позволяет не раздувать отдел продаж, а выстроить систему, где ИИ берёт на себя рутину: исследование клиентов, обогащение данных, персонализацию писем. Для компаний в РФ и СНГ это прямой способ сократить бюджет на рост без потери качества работы с клиентами.
Термин GTM расшифровывается как go-to-market, то есть выход на рынок: всё, что компания делает, чтобы найти клиента, достучаться до него и продать. Раньше этим занимались отдельные команды с отдельными инструментами. Теперь, по данным TechCrunch, появилась новая должность, которая объединяет продажи, маркетинг и автоматизацию в одних руках. Компания Clay, которая ввела термин «GTM-инженер» в 2023 году, фиксирует около 100 таких вакансий ежемесячно, в том числе в Cursor, Lovable и Webflow.
Что понадобится
- Понимание своей воронки продаж: от первого контакта до сделки, какие шаги сейчас делаются вручную
- Доступ к ИИ-инструменту для работы с данными: Clay, или российские аналоги для обогащения данных (DaData, «Контур.Фокус»), или связка таблиц с ChatGPT, YandexGPT
- CRM-система: любая, от «Битрикс24» до amoCRM, куда будут попадать обработанные лиды
- Час-полтора на первую настройку и ещё час на тестирование результатов
- Список из 20-50 потенциальных клиентов для пробного прогона
Пошаговая инструкция: как внедрить подход GTM-инженера
-
Опишите текущий процесс продаж по шагам. Выпишите каждое действие: поиск компаний, сбор контактов, проверка данных, написание письма, отправка, напоминание. Отметьте, где человек тратит больше 15 минут на повторяющееся действие.
-
Выберите одно звено для автоматизации. Не пытайтесь заменить всё сразу. По данным Clay, GTM-инженеры начинают с исследования клиентов (account research) и обогащения данных (data enrichment, добавление информации о компании из открытых источников: выручка, отрасль, количество сотрудников). Это самый трудоёмкий и рутинный этап.
-
Настройте агентный рабочий процесс (agentic workflow, цепочка действий, где ИИ сам переходит от шага к шагу без вашего участия). В Clay для этого используется Claygent, ИИ-агент на базе OpenAI. Если Clay недоступен, соберите цепочку вручную: таблица с данными плюс промпт для ChatGPT или YandexGPT. Пример промпта для исследования компании:
Найди в открытых источниках информацию о компании [название]:
- отрасль
- примерная выручка за последний год
- количество сотрудников
- ключевые продукты
- последние новости за 3 месяца
Выдай результат в виде таблицы. Укажи источник каждого факта.
- Создайте шаблон персонализированного письма с переменными. GTM-инженеры не пишут каждое письмо с нуля. Они делают шаблон, куда ИИ подставляет найденные факты. Промпт для генерации письма:
На основе данных о компании [название] напиши короткое деловое письмо (до 100 слов) с предложением [ваш продукт/услуга].
Используй один конкретный факт о компании из исследования.
Тон: деловой, без давления, с одним вопросом в конце.
-
Прогоните 20 компаний через цепочку и проверьте результат. Оцените: сколько писем потребовали ручной правки, где ИИ ошибся в данных, какой процент фактов оказался корректным. Если больше 30% писем требуют полного переписывания, уточните промпт или смените источник данных.
-
Подключите результат к CRM. Загрузите обогащённые карточки клиентов в вашу CRM-систему. Настройте автоматическое создание задачи на звонок после отправки письма.
-
Масштабируйте по одному звену за раз. После обкатки исследования переходите к автоматизации квалификации лидов (lead qualification, определение, подходит ли потенциальный клиент под ваш продукт), затем к автоматизации напоминаний.
Допустим, вы продаёте сервис автоматизации документооборота малому бизнесу. Раньше менеджер тратил 40 минут на каждую компанию: искал данные в «Контур.Фокусе», читал новости, писал письмо. После настройки цепочки GTM-инженер загружает список из 50 ИНН в таблицу. ИИ-агент за 10 минут собирает профиль каждой компании, генерирует черновик письма с упоминанием конкретного факта (например, «вы недавно открыли второй филиал»). Менеджер просматривает черновики, правит 10 из 50 и отправляет. Время на партию сократилось с 33 часов до 3.
Слепое доверие к ИИ-данным. Галлюцинация (когда ИИ уверенно выдумывает то, чего не было) в письме клиенту убивает репутацию. Любой факт о компании проверяйте перед отправкой, хотя бы выборочно.
Попытка автоматизировать всё за один день. GTM-инженеры в компаниях вроде Clay начинали с одного процесса и масштабировали постепенно. Если вы запустите сразу исследование, квалификацию и рассылку без тестирования каждого звена, вы получите мусор на выходе.
Использование одного шаблона на все сегменты. Письмо для стартапа из 5 человек и для завода с 2000 сотрудников не может быть одним текстом с разными именами. Разделите аудиторию на 2-3 сегмента и сделайте отдельный промпт для каждого.
Игнорирование CRM. Если обогащённые данные лежат в таблице, а не в CRM, менеджеры продолжат работать по-старому. Интеграция с CRM не опция, а обязательный шаг.
Что это значит для вас по ролям?
Автору Дзена и копирайтеру. Подход GTM-инженера применим к вашей работе напрямую: вместо ручного поиска тем и рекламодателей настройте цепочку, где ИИ находит потенциальных заказчиков контента, собирает данные о них и генерирует черновик предложения. Это та же логика: автоматизировать рутину, оставить себе творческую часть.
Маркетологу. Роль GTM-инженера ставит вопрос ребром: нанять ещё двух человек в отдел или перестроить процесс так, чтобы текущая команда работала в три раза быстрее? По данным Clay, вторая стратегия побеждает у компаний, которые уже внедрили эту роль. Речь не о сокращении людей, а о перераспределении усилий с ручной рутины на стратегию.
Предпринимателю из РФ и СНГ. Clay работает на международном рынке и доступен из России с ограничениями. Но сам подход не привязан к одному инструменту. Связка YandexGPT или GigaChat плюс таблицы плюс «Битрикс24» решает ту же задачу. Главное здесь не конкретный сервис, а архитектура: исследование, обогащение, персонализация, отправка, каждый шаг автоматизирован, каждый проверяем.
Я вижу в роли GTM-инженера не просто модную должность из Кремниевой долины, а реальный способ для небольших команд конкурировать с компаниями, у которых в отделе продаж сидят 20 человек. По моим наблюдениям, связка из бесплатного ИИ-чата и простой таблицы уже закрывает 60-70% того, что Clay делает на платном тарифе. Честная оговорка: ни один ИИ-агент пока не заменяет живой разговор с клиентом. Автоматизация доводит потенциального покупателя до звонка, но закрывает сделку по-прежнему человек. Если вы ожидаете, что ИИ «продаст сам», вы будете разочарованы. Но если вы устали вручную искать контакты и писать одинаковые письма, подход GTM-инженера сэкономит вам часы каждую неделю.
Конференция TechCrunch Disrupt 2026 пройдёт 13-15 октября в Сан-Франциско. Карим Амин, сооснователь и генеральный директор Clay, выступит с докладом «GTM-инженер: как ИИ создал новую профессию в технологиях». Для тех, кто не поедет в Сан-Франциско, инструкция выше работает уже сегодня: возьмите 20 потенциальных клиентов, прогоните через цепочку и сравните результат с тем, как вы делали это вчера.
Создавайте контент быстрее с ИИ
Используйте инструменты dzen.guru для генерации текстов, заголовков и описаний каналов на Дзене
Попробовать бесплатно
Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».
Читайте также

Авито построила отдельную inference платформу: PaaS не справился с LLM
Microsoft второго июня запустила Project Solara — операционную систему, где ИИ-агенты заменяют привычные приложения, и впервые отдала управление машине, а не…

LLM-модели, что это и как FAIRouter сама выбирает лучшую из 428 вариантов
Когда перед вами десятки языковых моделей с разной ценой, скоростью и качеством, выбирать вручную каждый раз значит терять время и деньги: открытая библиотека…
LLM-рассуждение оказалось иллюзией: создатель AlphaGo объяснил, почему модели не думают
Понравилась задача на стыке подачи факта и пользы для автора. Ниже выдерживаю архитектуру how-to строго по плану. Когда ChatGPT выдаёт длинную «цепочку мыслей»…
Комментарии