GTM, AI i vibecoding: najważniejsze trendy 2026
Vibecoding dobija do wyceny 13,3 mld dolarów, Pipedrive kupuje najlepszą aplikację ze swojego marketplace’u, najgorętsza rola w AI to pół sprzedawca, pół builder, a Matt Swulinski pokazuje, jak budować growth engine’y warte 100 mln dolarów…
Narzędzie, które zabija kontrakty SaaS, jest dziś warte 13,3 mld dolarów 💸
Pamiętasz CEO, który za pomocą vibecodingu pozbył się kontraktu z Salesforce wartego 600 tys. dolarów? Rynek właśnie wycenił narzędzie, którego użył, na 13,3 mld dolarów.
Najpierw liczby. Lovable pozyskało 400 mln dolarów w rundzie Series C przy wycenie 13,3 mld dolarów, czyli dwa razy wyższej niż w grudniu. Firma generuje już około pół miliarda dolarów annualized revenue. Z Lovable korzystają pracownicy dwóch trzecich firm z Fortune 500. A Cognition, firma stojąca za Devinem, ma według doniesień rozmawiać o wycenie na poziomie 40 mld dolarów.
Duże rundy widzieliśmy już nieraz. Dlatego ciekawsze od samej wyceny są firmy, które zaczynają budować na tych narzędziach swój realny biznes.
Nursa wycofuje 10 systemów SaaS, bo zespoły zaczęły tworzyć własne rozwiązania. Brazylijskie Viver de IA prowadzi na Lovable swój CRM i workflowy AI SDR. Nie demo. Nie proof of concept. Ich faktyczny system revenue obsługujący ponad 1200 klientów.
Jeszcze ciekawsze jest to, jak Lovable samo opisuje tę rundę: kapitał ma pomóc ludziom „prowadzić swoje biznesy”. To mówi sporo o kierunku, w którym zmierza cały segment.
I jeszcze jedna rzecz. Listę inwestorów sprawdziłem dwa razy, bo na pierwszy rzut oka wyglądała jak pomyłka.
W rundzie są HubSpot Ventures i Salesforce Ventures.
Czyli firmy CRM inwestują w narzędzie, które coraz częściej pozwala klientom budować własne systemy zamiast kupować kolejne SaaS-y.
Przeczytaj o rundzie tutaj!
Przeczytaj ogłoszenie Lovable tutaj!
Damian’s insight:
Trudno przejść obok tego obojętnie. W poprzednim wydaniu pisaliśmy o firmie, która anulowała kontrakt za 600 tys. dolarów i zbudowała własne narzędzia. Teraz platforma, która jej to umożliwia, jest wyceniana na 13,3 mld dolarów.
To naprawdę świetny moment dla builderów. Narzędzia takie jak Lovable stają się coraz lepsze i coraz łatwiejsze w użyciu. Nie musisz już być techniczny, żeby postawić bazę danych, zbudować aplikację czy połączyć kilka elementów w jeden system. Co kiedyś trwało miesiące albo lata, dziś często można zrobić w kilka tygodni.
Dlatego jeśli sprzedajesz SaaS albo usługi, pytanie „kto jest naszą konkurencją?” przestaje wystarczać.
Dużo ważniejsze brzmi: czy klient może zbudować to sam?
DIY staje się jednym z najpoważniejszych konkurentów. Warto mieć to z tyłu głowy, kiedy liczysz ROI dla klienta. Przy dużych kontraktach Lovable i podobne narzędzia mogą bardzo szybko zamienić się w bolesny churn.
Pipedrive właśnie kupił najlepszą aplikację ze swojego marketplace’u 🧩
CRM nie dodał kolejnej funkcji. Po prostu wchłonął narzędzie, które już wcześniej świetnie działało w jego ekosystemie.
5 sierpnia Pipedrive przejął Outfunnel. To jedna z najwyżej ocenianych aplikacji w Pipedrive Marketplace, rozwijana w Estonii i używana do synchronizacji danych sprzedażowych i marketingowych między CRM-em a narzędziami takimi jak Mailchimp czy Klaviyo. Korzysta z niej ponad 500 firm.
CEO Pipedrive, Paulo Cunha, ujął to bardzo prosto: CRM, który nie jest połączony z narzędziami marketingowymi, rozwiązuje tylko połowę problemu.
I dokładnie o to tutaj chodzi. Funkcja, której klienci wcześniej musieli szukać jako zewnętrznego dodatku, staje się częścią samego produktu.
Jest tu jeszcze ciekawy wątek personalny. Współzałożyciel Outfunnel, Andrus Purde, był wcześniej jednym z pierwszych Head of Marketing w Pipedrive. Jego brat jest z kolei jednym z pięciu założycieli Pipedrive. Sam Andrus podsumował transakcję słowami, że exit przez „drzwi obrotowe” startupowego świata ma swój specyficzny urok.
Ekosystem wychował aplikację, a platforma po latach zabrała ją z powrotem do siebie.
Sam ruch jest dość czytelny. Salesforce kupuje startupy AI, żeby rozszerzać swój produkt. Pipedrive kupuje narzędzie, które spina sprzedaż z marketingiem. Inna skala, ale ten sam kierunek: mniej osobnych systemów, mniej silosów i jeden CRM w środku całego GTM.
Mały zespół nie może sobie pozwolić na pięć narzędzi, pięć integracji i pięć różnych wersji prawdy o kliencie.
Przeczytaj ogłoszenie tutaj!
Damian’s insight:
Gdybym zapytał Cię, które narzędzie ma dziś najwyższy adoption w sprzedaży, co byś odpowiedział?
CRM, oczywiście. No dobrze, może jeszcze Outlook, ale to już osobna historia.
Jeżeli sukces AI zależy nie od liczby funkcji, tylko od tego, czy ludzie faktycznie z nich korzystają, to CRM wydaje się wręcz idealnym miejscem do budowania adopcji. To właśnie tam handlowcy i zespoły GTM pracują codziennie.
Warto więc patrzeć na ruchy największych graczy. Salesforce wchłania kolejne startupy AI. HubSpot rozwija Agent Hub. Pipedrive kupuje najlepszą aplikację ze swojego marketplace’u.
Jeżeli chcesz, żeby Twój zespół GTM był bardziej AI-native, to właśnie CRM jest jednym z pierwszych miejsc, którym warto się przyjrzeć.
Najgorętsza rola w AI? Sprzedawca, który potrafi budować 🛠️
„Nie 2 tysiące dostępnych. 2 tysiące łącznie.”
To zdanie pochodzi z badania Christian & Timbers, opisanego przez TechCrunch, i dotyczy forward-deployed engineers, czyli ludzi, którzy wchodzą bezpośrednio do organizacji klienta i budują, dostrajają oraz wdrażają workflowy AI aż do momentu, w którym zaczynają generować realny ROI.
Jak duży jest popyt? Według badania zapotrzebowanie na FDE ma wzrosnąć do końca roku o 2100%. W styczniu mniej więcej jedna firma na dziesięć planowała zatrudniać ludzi do tej roli. Pod koniec Q2 było to już siedem na dziesięć.
Firmy konsultingowe budują całe zespoły FDE, po 20, 50, a nawet 100 osób. Niektóre przedsiębiorstwa kupują Palantira nie tylko dla samego software’u, ale właśnie po to, żeby dostać dostęp do ludzi, którzy potrafią ten software przełożyć na konkretne procesy biznesowe.
I to jest najciekawsze.
Zdejmij nazwę stanowiska i zobacz, co naprawdę robi taka osoba. To nie jest inżynier schowany w tle. To też nie jest handlowiec z prezentacją.
To ktoś, kto siada z klientem, rozumie jego proces, potrafi znaleźć problem i zbudować workflow, który faktycznie wpływa na wynik.
Pół discovery call. Pół deployment.
OpenAI i Anthropic budują wokół takich ludzi całe zespoły. W przypadku najlepszych FDE oczekiwany impact liczony jest w dziesiątkach milionów dolarów ROI. I bardzo często pierwszym obszarem, w którym zaczynają działać, jest lead generation i GTM.
Trudno się dziwić. Firmy wydały miliony na AI, ale sam zakup narzędzia nie tworzy wartości. Ktoś musi przełożyć technologię na proces, wdrożyć ją w organizacji i doprowadzić do momentu, w którym liczby faktycznie się zgadzają.
FDE jest właśnie tą osobą.
Przeczytaj materiał o FDE tutaj!
Damian’s insight:
Czy FDE to naprawdę coś nowego? Niekoniecznie. Połączenie dobrych kompetencji miękkich z mocnym zapleczem technicznym od dawna było warte bardzo dużo. Po prostu wcześniej nazywaliśmy te role inaczej.
Konsultanci SAP spędzali miesiące przy wdrożeniach, tłumacząc potrzeby biznesu zespołom technicznym. Sales Engineers sprzedawali skomplikowane projekty technologiczne, od automatyzacji po robotyzację całych zakładów.
AI potrzebuje dziś dokładnie tego samego typu człowieka. Kogoś, kto rozumie biznes, potrafi rozmawiać z klientem, ale jednocześnie zna technologię na tyle dobrze, żeby zrozumieć inżyniera, zaprojektować rozwiązanie i samodzielnie coś zbudować.
To jedna z najciekawszych ścieżek dla sprzedawców, którzy dobrze czują technologię.
I nie chodzi tylko o Palantira.
Jeśli jesteś BDR-em albo SDR-em i szukasz bardziej technicznej ścieżki rozwoju, „FDE” i „GTM Engineer” powinny być jednymi z pierwszych fraz, które wpiszesz w wyszukiwarkę ofert pracy.
Nex, najlepsze demo, jakie widziałem w tym roku 🧰
Nex, świeżo po Y Combinatorze, opisuje się jako „Claude Cowork do workflowów na dużą skalę, zaczynając od GTM”.
W praktyce działa to tak: opisujesz cel zwykłym językiem, a system buduje i uruchamia workflow, korzystając z ponad 1000 integracji. Powtarzalne elementy są zapisywane jako realny kod, więc nie przepalasz limitów modelu na wykonywanie w kółko tej samej pracy. Według twórców koszt uruchomienia takiego procesu może zamknąć się w cenie kawy.
Ale nie opis produktu zrobił na mnie największe wrażenie. Najlepszy był onboarding call.
W trakcie rozmowy Nex przeanalizował na żywo tysiące rekordów w HubSpot. Wskazał brakujące pola, wyłapał martwe szanse sprzedażowe i zaczął wdrażać poprawki, zanim call się skończył.
To jest bardzo mocny pokaz tego, gdzie zmierza automatyzacja GTM. Nie kolejny dashboard. Nie narzędzie, które tylko podpowiada, co zrobić. System faktycznie wykonuje pracę. Za Nex stoją byli ludzie z HubSpota, a jednym z inwestorów jest Dharmesh Shah, współzałożyciel HubSpot. Na początku fokus jest prosty: GTM. Później mają dojść kolejne obszary, między innymi finanse, support i rekrutacja.
YC ewidentnie nie odpuszcza trendu GTM automation. Po tym demo trudno się dziwić.
Zobacz launch tutaj!
Matt Swulinski zbudował growth engine za 100 mln dolarów. Dwa razy ⚙️
Pierwszy marketing hire w Wispr Flow. Wcześniej growth w Superhuman. Dziś Head of Growth w Viktor, AI coworkerze wspieranym przez Accel.
A gdzieś po drodze zbudował jeszcze AI marketing OS, który był w stanie obsługiwać 100 sponsoringów newsletterów miesięcznie praktycznie na autopilocie.
Matt pojawił się w 20VC u Harry’ego Stebbingsa i rozłożył na części swój sposób budowania growth engine’ów. Samo CV już dużo mówi. W Wispr Flow wszedł jako pierwszy człowiek od marketingu i pomagał skalować firmę od etapu pre-launch do milionów użytkowników. Teraz buduje podobny system w Viktor, tylko z jeszcze większym doświadczeniem i lepszym stackiem.
Najbardziej zapamiętałem jednak ten system do newsletter sponsorships. Sto współprac miesięcznie. Wyszukiwanych, negocjowanych i realizowanych przez system, który sam zbudował, przy nadal bardzo małym zespole. I właśnie tutaj widać różnicę między zwykłym „używamy AI w marketingu” a organizacją naprawdę AI-native.
To nie jest: AI pomogło napisać copy. To jest: nie wykonuj zadania ręcznie. Zbuduj maszynę, która wykonuje je za Ciebie, a potem skieruj ją na revenue.
Co można z tego zabrać dla siebie?
Po pierwsze, traktować dystrybucję jak problem inżynieryjny. Jeśli znajdziesz kanał, który działa, nie dokładaj tylko kolejnych ludzi do jego obsługi. Zastanów się, jak go zautomatyzować i skalować.
Po drugie, budować systemy zamiast kolejnych kampanii. Kampania się kończy. Dobry system zostaje i z każdą iteracją robi się lepszy.
I po trzecie, świadomie utrzymywać mały zespół. Cały sens AI-native growth stacku polega na tym, żeby trzy osoby były w stanie zrobić robotę, do której wcześniej potrzebnych było trzydzieści.
Obejrzyj odcinek tutaj!
Damian’s insight:
I tutaj dochodzimy do samego środka GTM: dystrybucji. Czasami naprawdę wystarczy znaleźć jeden hack, który działa, a potem odpalić go na odpowiednią skalę, żeby organizacja weszła w hypergrowth. Matt porusza kilka rzeczy, które są dziś szczególnie ważne dla startupów.
Zostań lean. Zbuduj system. Testuj i ucz się. Ale kiedy już wiesz, że coś działa, przestań się z tym obchodzić delikatnie i wciśnij gaz.
Harry naprawdę dobrze dobiera gości. Carles Reina bardzo dobrze opisał u niego, jak wygląda dzisiejszy GTM, a Matt dochodzi do podobnych wniosków z trochę innej strony.
Ten odcinek po prostu trzeba obejrzeć.
