GTM Engineering is in twee jaar van «onbekend functietitel» doorgegroeid naar één van de snelst stijgende rollen in B2B SaaS. Dit is wat het is, waar het vandaan komt en waarom het de manier waarop bedrijven omzet bouwen fundamenteel verandert.
Twee jaar geleden bestond de functietitel «GTM Engineer» niet. In januari 2026 stonden er volgens onderzoek van Bloomberry meer dan 3.000 open vacatures op LinkedIn, een groei van 205% jaar-over-jaar. Bij bedrijven als Vercel, OpenAI, Ramp en LILT verdienen senior GTM Engineers tussen de $200K en $252K basis. En dat is geen toeval. Het is het symptoom van een fundamentele verschuiving in hoe B2B-bedrijven hun omzet bouwen.
Dit artikel is de eerste in een serie over GTM Engineering. Hier leg ik uit wat het is, waar het vandaan komt, welke disciplines het omvat, en hoe het zich verhoudt tot bestaande rollen als RevOps, marketing en sales engineering. In de volgende artikelen ga ik in op de waarde voor early-stage startups, voor scale-ups in Nederland, en waarom 2026 het moment is om te investeren.
De definitie: wat is GTM Engineering eigenlijk?
GTM Engineering is de discipline waarin technische bouwers omzetsystemen ontwerpen en operationaliseren. Een GTM Engineer combineert kennis van go-to-market — hoe je een product naar markt brengt en verkoopt — met technische vaardigheden zoals data engineering, API-integraties, automatisering en steeds vaker het orkestreren van AI-agents.
Clay, het bedrijf dat deze rol als eerste populair maakte, omschrijft een GTM Engineer als «deels Account Executive, deels SDR, deels Sales Engineer». Het is een hybride: iemand die de pijn van sales en marketing begrijpt, maar die in plaats van handmatig prospecten of campagnes draaien, systemen bouwt die dat werk schalen.
Concreet doet een GTM Engineer dingen als:
- Enrichment pipelines bouwen die prospect-data verrijken met informatie uit tientallen providers via een waterfall-aanpak;
- Signal-based outbound systemen ontwerpen die reageren op koopsignalen: een nieuwe hire, een funding-ronde, een technologische verandering bij een prospect;
- CRM-architecturen opzetten waarin marketing, sales en customer success op één waarheid werken;
- AI-agents orkestreren die research, personalisatie en kwalificatie automatiseren;
- Lead-scoring en routering modellen bouwen die real-time werken op basis van eerstepartij-data;
- Interne tools en dashboards ontwikkelen die het werk van AE's, SDR's en CSM's makkelijker maken.
Het verschil met traditionele Marketing Operations of Sales Operations zit in twee dingen: GTM Engineers bouwen in plaats van alleen configureren, en ze denken in systemen in plaats van in afzonderlijke campagnes of deals.
Waar komt het vandaan? Drie krachten die samenkomen
GTM Engineering is niet uit het niets ontstaan. Het is het resultaat van drie tegelijkertijd opkomende trends die elkaar versterken.
1. Het einde van «grow at all costs»
In 2021 herstelden mediane B2B SaaS-bedrijven hun Customer Acquisition Cost in ongeveer 11 maanden. Begin 2026 zit dat cijfer op 18 maanden, volgens benchmark-onderzoek van Proven SaaS. CAC is sinds 2023 met 40 tot 60% gestegen door inflatie in betaalde kanalen, langere koopcomités en het verdwijnen van third-party cookies.
Tegelijkertijd is de Rule of 40 in 2026 effectief de Rule of 50 geworden voor bedrijven die premium waarderingen willen, schrijft Aventis Advisors. VC's verwachten groei én efficiency. Bedrijven kunnen niet meer compenseren voor zwakke unit economics door simpelweg meer SDR's aan te nemen.
Het gevolg: de oude playbook van «huur tien BDR's en geef ze een cold-call quota» werkt niet meer. Bedrijven moeten met minder mensen meer omzet bouwen. Dat vereist andere systemen. En andere systemen vereisen andere mensen.
2. AI maakte sales automatisering eindelijk werkbaar
Voor GPT-4 was personalisatie op schaal een fictie. Je kon een sjabloon sturen met {{first_name}} en {{company}}, maar daar hield het op. Vanaf 2023 veranderde dat. AI-modellen kunnen nu websites lezen, LinkedIn-profielen samenvatten, recente nieuwsberichten analyseren en daar een gepersonaliseerde opener uit destilleren, tegen marginale kosten.
Maar AI alleen is niet genoeg. Een analyse van 100.000 cold emails door Digital Applied liet zien dat AI-SDR's bijna gelijk presteren met menselijke SDR's op reply rate (4,1% versus 5,2%), maar drie keer vaker in spam belanden (8% versus 3%). De winst zit niet in de AI zelf — die is gecommoditiseerd — maar in de data die je erin stopt en de infrastructuur die ervoor zorgt dat berichten daadwerkelijk aankomen.
Dat is precies het werk van een GTM Engineer: de juiste data verrijken, de juiste signalen detecteren, de juiste infrastructuur opzetten zodat de AI-laag effectief is. Zonder die laag eronder is AI in outbound vooral een snellere manier om spam te versturen.
3. De Clay-Cargo-Common Room generatie
De derde kracht is een nieuwe generatie tools. Clay, Cargo, Common Room, Default, Trigify: deze platformen behandelen GTM-data als een orkestratielaag. Ze zijn geen CRM, geen sales engagement tool en geen enrichment provider. Het zijn programmeerbare omgevingen waarin je workflows bouwt die data verrijken, scoren, routeren en activeren.
Volgens Vanderbuild's analyse tilt een waterfall-enrichment opzet in Clay coverage rates van 20% naar 80%: door meerdere providers in sequence te queryen tot een verified datapunt gevonden wordt. Voor een team van vijf SDR's vertaalt dat zich naar zo'n 2.400 extra verkoopuren per jaar die anders aan handmatig data opschonen waren verspild.
Deze tools vereisen iemand die ze kan bedienen op het niveau waar ze echt waarde leveren. Niet iemand die er per ongeluk in klooit, maar iemand die ze als een ontwikkelaar benadert. Dat is de GTM Engineer.
De disciplines die samenkomen in GTM Engineering
Wat maakt iemand een goede GTM Engineer? Het is een combinatie van vier kennisgebieden die zelden in één persoon zaten vóór 2024.
Data engineering. Een GTM Engineer begrijpt databronnen, API's, ETL-flows en datakwaliteit. Niet op het niveau van een Senior Data Engineer met tien jaar ervaring, maar genoeg om te weten waarom een match-rate van 60% slecht is en hoe je die naar 90% tilt. SQL en basis-Python zijn de facto standaard volgens Bloomberry's analyse van 1.000 GTM Engineering vacatures.
GTM-strategie. Een GTM Engineer kent de basics van ICP-definitie, sales cycles, funnel-stages, pipeline coverage en attributie. Zonder die kennis bouwt hij of zij dingen die technisch indrukwekkend zijn maar geen omzet opleveren. De beste GTM Engineers zijn voormalige SDR's, AE's of marketeers die zichzelf hebben bijgeschoold, niet omgekeerd.
Systeemdenken. Een goede GTM Engineer denkt niet in tools maar in flows. Hoe stroomt data van eerste touchpoint tot gesloten deal? Waar zitten lekken? Waar verlies je context tussen marketing en sales? Wat gebeurt er als een prospect drie keer een whitepaper download, twee demo's aanvraagt en daarna stil blijft? Systeemdenken is wat het verschil maakt tussen een operator die tools beheert en een engineer die omzetsystemen ontwerpt.
AI-fluency. In 2026 is dit een vereiste, geen pluspunt. Een GTM Engineer weet hoe je prompts structureert, hoe je een LLM aan een database knoopt, hoe je AI-agents orkestreert en hoe je hun output meet en verbetert. Individuele bijdragers met gespecialiseerde AI-skills zagen volgens Apollo's compensatieanalyse in 2025 een salarisstijging van 23%.
Hoe verhoudt GTM Engineering zich tot RevOps?
Dit is de vraag die ik het vaakst krijg, en het verdient een eigen artikel later in deze serie. Maar de korte versie: RevOps en GTM Engineering zijn twee kanten van dezelfde munt. Ze concurreren niet: ze versterken elkaar.
Het meest gangbare model dat in 2026 opkomt, is «Build versus Run». Apollo en Factors.ai beschrijven het zo:
- GTM Engineering = Build. Verantwoordelijk voor het architecten van nieuwe systemen, experimenten draaien, prototyping. Bouwt enrichment pipelines, signal-detection, AI-workflows, custom CRM-extensies.
- RevOps = Run. Verantwoordelijk voor governance, onderhoud en optimalisatie op schaal. Bezit de definities, KPI-hiërarchie, SLA's, comp plans, territory logic, forecasting en de single source of truth.
Een goede analogie: GTM Engineering is alsof je een productteam hebt dat features bouwt voor je omzetorganisatie. RevOps is het platformteam dat ervoor zorgt dat alles betrouwbaar, voorspelbaar en schaalbaar draait. Je hebt allebei nodig. En als één team beide doet — wat ik in mijn praktijk vaak zie — dan vereist dat een hele duidelijke werkindeling.
Wat een GTM Engineer concreet bouwt: vier voorbeelden
Theorie is leuk, maar hoe ziet het werk er in de praktijk uit? Vier voorbeelden uit projecten die ik recent heb gedaan of zie gebeuren in de markt.
Voorbeeld 1: Signal-based outbound
Een B2B SaaS bedrijf wilde verkopen aan e-commerce platforms die actief zijn op meerdere marketplaces. In plaats van 10.000 e-commerce bedrijven blind aan te schrijven, bouwde de GTM Engineer een pipeline die elke week BuiltWith, RB2B en publieke vacaturedata combineert om bedrijven te detecteren die net een Shopify Plus migratie zijn gestart of die een «Marketplace Manager» aannemen. Die signalen triggeren een outbound sequence die aansluit bij dat specifieke moment. Reply rates verdrievoudigden, terwijl het volume met 80% daalde.
Voorbeeld 2: De enrichment waterfall
Een scale-up met 50.000 leads in HubSpot ontdekte dat 40% van de records geen geverifieerd e-mailadres had en 60% geen functietitel die actueel was. De GTM Engineer bouwde een waterfall in Clay die LeadMagic, Findymail, Apollo en Datagma in sequence query't, alleen credits verbruikt bij een hit, en de resultaten terug syncht naar HubSpot. Coverage ging van 40% naar 92%. Sales-tijd besteed aan «wie is deze persoon eigenlijk?» daalde dramatisch.
Voorbeeld 3: AI-powered SDR research
Een sales-team van zes mensen besteedde gemiddeld 45 minuten per gekwalificeerde lead aan research voor de eerste call. De GTM Engineer bouwde een agent in Claude die automatisch het CRM, de website, LinkedIn en recente nieuwsberichten van de prospect samenvat in een briefing van één pagina. Die briefing belandt 24 uur voor de call in de Slack van de AE. Resultaat: research-tijd terug naar 5 minuten, kwaliteit van eerste calls structureel hoger.
Voorbeeld 4: Lifecycle automation in customer success
Een SaaS-bedrijf had een churn-rate van 18% en geen zicht op welke klanten risico liepen. De GTM Engineer combineerde productgebruik-data, support tickets, NPS-scores en betalingsachterstanden in een health score per account. CSM's krijgen automatisch een melding bij een score-daling van meer dan 20 punten in een maand. Churn ging in zes maanden naar 11%, zonder één extra CSM aan te nemen.
De rol is nieuw, maar het werk niet
Een veelgemaakte fout is denken dat GTM Engineering iets totaal nieuws is. Dat is het niet. Bedrijven zoals HubSpot, Salesforce en Drift hadden jaren geleden al mensen in dienst die dit werk deden. Ze heetten alleen anders: Marketing Automation Specialist, Sales Operations Engineer, Demand Gen Architect. Wat veranderd is, zijn drie dingen:
- De tools zijn programmeerbaarder geworden. Clay, Cargo en Common Room zijn ontworpen voor mensen die in flows en data denken, niet alleen voor mensen die formulieren invullen in een UI.
- De rol is gestandaardiseerd. Voor 2024 was «Sales Engineer» meestal iemand die productdemo's deed. Nu staat dat woord vaker voor iemand die GTM-systemen bouwt. De industrie heeft eindelijk een naam gevonden voor wat sommige operators al jaren deden.
- Het is een carrièrepad geworden. Met salaris-benchmarks, vacatures bij topbedrijven, conferenties en communities. De rol is geprofessionaliseerd.
Dat betekent ook iets praktisch voor founders en VP's: je hoeft niet per se een nieuwe rol te creëren met de titel «GTM Engineer». Maar je moet wel iemand of een team hebben dat dit werk doet. En dat is in 2026 geen luxe meer.
Wanneer heb je GTM Engineering nodig?
Niet iedereen heeft direct een fulltime GTM Engineer nodig. Maar er zijn momenten waarop de afwezigheid van GTM Engineering capaciteit je groei structureel afremt.
Je hebt het nodig als:
- Je sales-team meer tijd besteedt aan data opschonen dan aan verkopen;
- Je niet weet welke leads gekwalificeerd zijn omdat je scoring niet werkt;
- Je nieuwe tools koopt maar geen patroon vindt om ze winstgevend te maken;
- Je outbound al maanden onder de 1% reply rate blijft hangen;
- Je marketing en sales over dezelfde lead-definities ruziën;
- Je AI-tools koopt maar de output niet productiewaardig krijgt.
In de volgende artikelen van deze serie ga ik in detail in op hoe GTM Engineering waarde toevoegt voor early-stage startups en voor scale-ups in Nederland. Beide hebben hele andere uitdagingen, en hele andere prioriteiten.
De grotere verschuiving
Onder al deze details ligt een grotere beweging. De manier waarop B2B-bedrijven omzet bouwen verandert van een mensgedreven naar een systeemgedreven model. Niet omdat mensen overbodig worden — ze worden cruciëler — maar omdat de menselijke energie verschuift van repetitief werk naar relationele en strategische taken.
De SDR die 80 koude calls per dag pleegt, gaat verdwijnen. De rol die in plaats daarvan opkomt is iemand die op basis van AI-gegenereerde briefings, scherp gekwalificeerde signalen en gepersonaliseerde touchpoints alleen de gesprekken voert die echt waarde hebben. Dat hele systeem — van signaal tot gesprek — is wat een GTM Engineer bouwt.
Het bedrijf dat dit als eerste in zijn marktsegment goed bouwt, krijgt een voorsprong die moeilijk in te halen is. Want het is geen tactiek die je in twee weken kopieert. Het is een infrastructuur die je over maanden en jaren opbouwt. Met de juiste mensen, de juiste tools en de juiste discipline.
In de rest van deze serie laat ik zien hoe je daaraan begint, zonder een team van tien mensen en zonder een tweecijferig miljoenenbudget. Want GTM Engineering is geen privilege van enterprise. Het is, mits goed aangepakt, juist de grootste hefboom voor startups en scale-ups die met minder mensen meer pipeline willen bouwen.