Marketing engineer: rollen som gör hela marknadsavdelningens jobb med AI-agenter

Marketing engineer: rollen som gör hela marknadsavdelningens jobb med AI-agenter

01 September 2026

Det finns en roll som knappt hade ett namn för ett år sedan och som nu är på väg att bli en av de mest välbetalda i tech: marketing engineer. Vissa kallar den forward deployed marketer, andra AI growth operator. Namnet kommer att ändras. Jobbet kommer inte att göra det.

Det är personen som gör hela marknadsavdelningens arbete med hjälp av AI-agenter. Och eftersom varje bolag vill ha fler leads, snabbare experiment, skarpare positionering och en marknadsföring som blir smartare varje vecka — med ett mindre team, inte ett större — kommer den som kan bygga det att få sätta sitt eget pris.

Fyra epoker av marknadsföring

Varje gång tekniken byter skepnad byter också "den mest värdefulla marknadsföraren" skepnad.

  • Traditionell marknadsföring (Don Draper-eran). Handlade om att få folk att bry sig. Story, psykologi, print och radio. Den bästa marknadsföraren förstod vad människor ville ha, vad de var osäkra på och vem de försökte bli.
  • Digital marknadsföring. Internet gav oss webbplatser, mejl, SEO, Google, Facebook-annonser, landningssidor, pixlar. Den bästa marknadsföraren blev den som kunde skaffa kunder via kanaler man faktiskt kunde mäta.
  • Growth hacking. Mjukvara gjorde produkten till tillväxtmotorn. Aktivering, referrals, onboarding, retention, prissättning. Marknadsföringen flyttade in i produkten.
  • Marketing engineering. Nu. AI, agenter, data, kod och omdöme används för att bygga ett marknadsföringssystem som fortsätter lära sig.

Det sista ledet är det viktiga. Ett marknadsföringssystem som lär sig av sig självt varje vecka har inte varit praktiskt möjligt förrän agenterna kom.

En marketing engineer behöver fortfarande allt det gamla: kundförståelse, omdöme, positionering, distribution, smak. Smak spelar till och med större roll nu — för AI är på väg att göra medelmåttig marknadsföring i princip gratis. Det nya är att marketing engineer också bygger systemet bakom marknadsföringen.

Definitionen

En marketing engineer är personen som förvandlar marknadssignaler till pipeline med hjälp av AI-agenter, data, kod och smak.

De flesta bolag har redan bitarna liggande. Dashboards, säljsamtal, content-kalendrar, CRM, en handfull SaaS-verktyg. Problemet är att lärandet är utspritt. Sälj hör en version av marknaden. Support hör en annan. Produkt ser användningen. Marknad ser vad som klickades. Grundaren minns det där enda kundsamtalet som fastnade känslomässigt. Sen går alla in på tillväxtmötet med varsin version av verkligheten.

Marketing engineerns hela jobb är att dra in de signalerna i ett system och göra tillväxt av dem.

Bygg först: ett growth-repo

Det första du ska bygga är inte en kampanj. Det är ett growth-repo — ett GitHub-repo eller helt enkelt en strukturerad mapp, kalla den growth-os. Där bor bolagets marknadsföringsminne.

Problemet det löser: de flesta använder AI i lösryckta chattar. Man ber om tio inlägg, kopierar det man gillar till ett dokument, och sen försvinner arbetet. Nästa vecka börjar AI:n om från noll — utan performance-data, utan grundarens röst, utan invändningarna från säljsamtalen, utan det språk som faktiskt skapade svar.

Strukturen kan vara så enkel som:

  • customer-truth/ — anteckningar från säljsamtal, supportärenden, churn-noteringar, intervjuer, produktfeedback.
  • content-engine/ — grundarens röstguide, hooks som fungerat, manus, noteringar om vad som presterat.
  • outbound-engine/ — ICP, kontoresearch, trigger-händelser, godkända vinklar och — minst lika viktigt — förbjudet språk. AI-outbound blir konstigt fort om du låter den låta som en överexalterad SDR som precis upptäckt personalisering.
  • creative-testing/ — annonsvinklar, landningssidetester, hooks, erbjudanden, resultat.
  • agents/ — jobbeskrivningarna för dina AI-medarbetare.

Skillnaden i prompt blir total. Istället för "skriv tio LinkedIn-inlägg" säger du: "läs customer-truth-filen, läs röstguiden, läs de fem senaste inläggen som drev kvalificerade svar — och skriv fem nya inlägg om de smärtor köparna faktiskt nämnde den här veckan."

Samma modell. Helt annan output. För nu har agenten riktig kontext.

Verktygsstacken

Verktygen kommer att bytas ut. Arbetsflödet är det du ska lära dig. Men grovt indelat:

  • Agenter nära internet (till exempel Grokbot i X-ekosystemet). Marknaden rör sig, konkurrenter rör sig, kulturen ändras, kunder byter språk. Ge dem tydliga banor: en bevakar konkurrenter och rapporterar vad som ändrats, en bevakar kundspråk på X och Reddit, en bevakar kreatörer i nischen och hittar format värda att testa, en bevakar annonser och landningssidor.
  • Kodande agenter (Claude, Codex och liknande) bygger själva repot, landningssidorna, skripten och de små interna verktygen. De gör återkommande arbete beständigt.
  • Schemalagda workflows med minne och godkännande. Varje måndag morgon: bygg en marknadsbrief. Varje fredag: gå igenom experimenten. Varje gång en ny batch säljsamtal landar: plocka ut invändningarna och uppdatera positioneringsfilen.
  • Kreativa modeller för annonser, thumbnails, mockups och videokoncept.
  • Lokala modeller när datan är känslig — kundtranskript, reglerade anteckningar, prislistor. Allt ett bolag skulle känna sig obekvämt med att skicka till ett molnverktyg.

Det verkligt intressanta händer när agenten kopplas till levande affärsdata. Ta SEO-content. Nybörjarversionen är "skriv ett blogginlägg om det här sökordet". En marketing engineer gör något annat: läser Google Search Console, hämtar sökordsdata från Ahrefs eller SEM Rush, kollar i CMS:et om innehållet redan finns, rankar möjligheterna efter volym och köpintention, undersöker vad som redan rankar, lägger till grundarens perspektiv, skriver utkastet, sätter metatiteln, föreslår interna länkar och skickar allt för godkännande.

Agenten har ett jobb. Jobbet har indata. Indatan kommer från verksamheten. Utdatan hamnar någonstans användbar.

Varje agent behöver en jobbeskrivning

Skriv den som om du anställde en människa: datakälla, när den körs, vad den filtrerar bort, vilken output du förväntar dig, hur "bra" ser ut, vad som kräver mänskligt godkännande, vilket mätvärde som räknas och var den skriver ner resultatet så systemet blir smartare nästa gång.

Exempel — en agent som fångar upp konkurrenters engagemang:

Varje vardagsmorgon: kolla dessa 20 LinkedIn-konton, plocka ut de som kommenterat nya inlägg, berika kontakterna, släng de som inte matchar ICP, och skriv tio meddelanden som var och ett knyter an till det specifika inlägg personen engagerat sig i. Skriv resultatet till fil för godkännande. Mätvärde: positiva svar från kvalificerade konton.

Notera mätvärdet. Skickade meddelanden är aktivitet. Kvalificerade svar är signal. En marketing engineer bryr sig om affärsresultat, inte aktivitetssiffror.

Och du tränar agenterna precis som en ny medarbetare: små uppgifter först, du tittar på när de jobbar, du rättar felen, du skriver in rättelsen i minnet — och sen utökar du mandatet i takt med att tryggheten ökar. Om outbound-agenten skriver en öppningsmening som låter fejk, lägg in regeln i repot. Om content-agenten skriver generiska AI-intron, ge den tre bra och tre dåliga exempel. Om customer-truth-agenten påstår saker utan belägg: varje insikt måste ha ett citat, en länk eller en källa.

Varje rättelse blir en del av systemet. Det är så det här kompounderar.

De sex systemen — med ett konkret exempel

Föreställ dig ett vertikalt SaaS-bolag som säljer till kommersiella ventilations- och kylentreprenörer. Tekniker, servicebesök, serviceavtal, utkallning. Riktig B2B, köpare med pengar, stökiga arbetsflöden och ett väldigt specifikt språk.

Deras marknadsföringsproblem är aldrig "vi behöver mer content". Det är: vilken smärta får ägaren att boka en demo? Kaoset i utkallningen? De sena fakturorna? Att ägaren inte vet vilka jobb som var lönsamma förrän månaden är slut? Eller att teknikern ser en utbytesmöjlighet på plats — och offerten aldrig skickas?

"Sluta tappa utbytesintäkter efter varje servicebesök" är en oändligt mycket skarpare vinkel än "driv din verksamhet bättre".

1. Customer truth-systemet. Alla bolag säger att de förstår kunden. Prata med fem personer internt och du får fem svar. Systemet drar in säljsamtal, supportärenden, churn-noteringar, CRM-anteckningar, Stripe-rörelser och sociala signaler till en enda fil — vad-marknaden-säger-oss.md — som uppdateras varje morgon eller vecka. Dess jobb är att visa vad som ändrats, med citat, ärendelänkar och siffror. Inte "kunder vill ha bättre samarbete". Utan: "Fem säljsamtal den här veckan nämnde akututkallningar, men samtalen som faktiskt konverterade handlade alla om uteblivna uppföljningsofferter efter att teknikern åkt." Målet är att göra verksamheten svårare att ljuga för.

2. Content-motorn. Råmaterialet finns redan — grundaren har åsikter, bolaget har kundberättelser. Spela in när grundaren pratar med kunder, dra ur poddar, extrahera de starkaste idéerna och låt systemet mäta vad som presterar. Insikten om förlorade utbytesintäkter blir fem saker: ett inlägg om det dolda intäktsläckaget i servicebolag, en kort video om varför entreprenörer tappar pengar efter första besöket, en rubrik på landningssidan ("varje avslutat jobb ska skapa nästa offert"), en vinkel för kalla mejl, och en enkel kalkylator som räknar ut den förlorade intäkten.

3. Outbound-motorn. Dålig outbound börjar i ett kalkylark fullt av namn. Bra outbound börjar i timing. Vem har just tagit in kapital? Vem rekryterar för exakt det problem du löser? Vem har skrivit offentligt om smärtan? Vem matchar ICP och har ett skäl att bry sig just den här veckan? För ventilationsbolaget: entreprenörer som rekryterar utkallningspersonal, öppnar nya orter eller får dåliga recensioner. Agenten bevakar signalerna, researchar kontot, skriver en specifik vinkel — och skickar till människa för godkännande.

4. Creative testing-motorn. Ett erbjudande, tjugo hooks, tio annonsvinklar, resultat som skrivs tillbaka in i systemet. "Facebook-annonser funkar inte för oss" betyder oftast att för lite kreativ variation testats mot rätt vinkel. Kreativ produktion slutar vara ett löpande band och blir ett lärande system.

5. AI-synlighet. Över en miljard människor ställer nu frågor till ChatGPT — plus AI-översikter i Google, Gemini, Perplexity och Claude. Är ditt bolag ens begripligt för de systemen? Att bli citerad av AI är en av de största öppna möjligheterna just nu, och det är marketing engineern som bevakar och optimerar för den.

6. Growth-cockpiten. En veckovy som talar om vad som ändrats och vad man ska göra åt det: vilket content som fungerade, vilken kampanj som skapade riktiga samtal, vilken invändning som återkom, hur många tester som vanns och hur stor andel, vad konkurrenterna gjorde, vilken kundsmärta som blir högljuddare — och vad som ska testas härnäst. För ventilationsbolaget: "Den här veckan drev vinkeln om förlorade utbytesintäkter färre klick än utkallningsvinkeln, men dubbelt så många demoförfrågningar från ägare med fler än 20 tekniker." Det är den sortens promemoria en ledning vill vakna till.

Fyra sätt att tjäna pengar på det

  1. Bli personen inuti bolaget. Är du redan marknadsförare, RevOps, growth eller bara nyfiken — det här arbetet sitter direkt bredvid intäkterna. Pipeline, konvertering, minskat spill. Det är så någon blir en anställning värd en halv miljon dollar: matematiken är enkel för den som köper.
  2. Konsulta. Bädda in dig hos ett bolag i 30, 60 eller 90 dagar och bygg ett tillväxtsystem. Sälj utfallet, inte timmarna: "vi bygger ert customer truth-system och gör veckokampanjer av det". Prisintervallet ligger typiskt på 5 000–30 000 dollar i månaden beroende på omfattning.
  3. Produktifierad tjänst. Välj en kil och upprepa den. Outbound-motorer för vertikal SaaS. Content-motorer för B2B-vd:ar. Customer truth-repon för seed-bolag som ännu inte anställt en marknadsavdelning. Ju smalare kil, desto lättare att sälja, leverera och upprepa.
  4. Mjukvara. Här ligger de största utfallen — men börja med tjänster. Gör jobbet för hand hos fem, tio bolag, se vilken smärta som återkommer, och produktifiera den. Det är också så du slipper bygga något ingen vill ha.

De staplar på varandra. Konsulta för att lära, produktifiera det som återkommer, bygg mjukvara av det som består.

30-dagarsplanen

Vecka 1 — revision. Välj ett riktigt bolag. Ditt eget, en väns, vilket som helst du får tillgång till. Gå igenom sajten, erbjudandet, ICP:n, grundarens content, säljsamtal och supportärenden om du kommer åt dem. Leverera en marknadskarta: vem är kunden, vilken smärta beskriver de, vilka ord använder de, vad köper de istället, var läcker funneln, vad skulle du testa först?

Vecka 2 — growth-repot. Skapa mapparna. Klistra in tjugo riktiga kundanteckningar eller samtalssammanfattningar. Bygg din första vad-marknaden-säger-oss.md. Verktyget spelar mindre roll än arbetsflödet.

Vecka 3 — första maskinen. Välj ett system och bygg det. Content-motorn, outbound-motorn eller en landningssidetestare. Ett fungerande system slår fem halvbyggda.

Vecka 4 — resultat. Vad förändrades? Blev svaren fler? Bokades möten? Lyfte konverteringen? Lät grundaren skarpare? Efter en månad ska du ha en case-beskrivning i stil med: "Jag granskade bolagets tillväxt, byggde ett customer truth-repo, hittade en högintent-smärta de inte kände till, gjorde en outbound-motor av den, skickade 75 riktade meddelanden, fick nio varma svar och bokade tre samtal — och dokumenterade allt."

Det är så du blir anställd, får kunder och blir trovärdig.

Tre saker att ta med sig

  1. Bygg minnet före kampanjen. Ett growth-repo är skillnaden mellan "AI hjälpte mig göra en grej" och "AI gör hela bolaget smartare varje vecka".
  2. Ge varje agent en riktig jobbeskrivning — och ett affärsmätvärde. Skickade meddelanden är aktivitet. Kvalificerade svar är signal.
  3. Agenterna blir en råvara. Ditt omdöme är vallgraven. Att veta vad som bör existera — och när personaliseringen låter fejk — är det som inte kommer att kunna kopieras.

Den bästa marketing engineern är dels marknadsförare, dels produktperson, dels RevOps, dels dataanalytiker, dels kreatör, dels ingenjör. Personen kan prata med en kund, bygga arbetsflödet som använder insikten, skriva positioneringen, koppla automationen, göra landningssidan, läsa konverteringen och sätta upp outbound-agenten.

Fönstret är öppet just nu, av det enkla skälet att de flesta fortfarande jobbar kvar i growth hacker-eran — eller värre, i den digitala. Maskinen är inte byggd hos särskilt många. Det är precis därför den är värd så mycket att bygga.


Baserat på ett poddavsnitt om rollen "marketing engineer" — hur marknadsföringens epoker har växlat, vad rollen faktiskt bygger, hur verktygsstacken hänger ihop och en 30-dagarsplan för att lära sig den från noll.