Een AI engineer zorgt dat AI echt werkt binnen je organisatie: niet als demo, maar als betrouwbaar onderdeel van je product of processen. Hij bouwt de toepassing, koppelt die aan je systemen en data, test of de uitkomsten kloppen en houdt het draaiend als het gebruik groeit.

Heb je een idee, een pilot of een eerste prototype, en moet het nu in productie? Dan zoek je waarschijnlijk een AI engineer. Twijfel je nog wát AI voor je kan betekenen? Dan past een AI consultant vaak beter als eerste stap. Het verschil lees je in AI Engineer of AI Consultant nodig?

Wat doet een AI engineer?

De rol is breder dan "modellen trainen". In de meeste organisaties werkt een AI engineer vooral met bestaande modellen, zoals grote taalmodellen via een API of open-source modellen, en maakt hij daar een werkende, veilige toepassing van.

Typische verantwoordelijkheden

• AI-toepassingen ontwerpen en bouwen: bijvoorbeeld een assistent die interne documenten doorzoekt, een systeem dat binnenkomende e-mails of documenten classificeert, of een functie in je product die tekst samenvat.
• Modellen koppelen aan je eigen data, vaak via retrieval-augmented generation (RAG): het model krijgt de juiste informatie uit je eigen bronnen mee.
• Evaluatie inrichten: meetbaar maken of de antwoorden kloppen, en voorkomen dat kwaliteit ongemerkt achteruitgaat.
• Integratie met bestaande systemen via API's, zodat de toepassing in het werk van mensen past.
• Betrouwbaarheid, kosten en snelheid bewaken zodra de toepassing wordt gebruikt.
• Zorgen dat privacy, beveiliging en regelgeving (zoals de EU AI Act) vanaf het begin zijn meegenomen.

Waarmee werkt een AI engineer?

Meestal Python, API's van modelaanbieders, frameworks voor LLM-toepassingen, vector-databases voor zoeken op betekenis, cloudplatforms (Azure, AWS of Google Cloud) en tooling voor testen en monitoring. De precieze stack verschilt sterk per organisatie; een goede AI engineer kiest de tools bij het probleem, niet andersom.

Met wie werkt een AI engineer samen?

Met data engineers (die de data aanleveren), productmanagers of domeinexperts (die weten wat "goed" is), security en IT (voor toegang en beheer) en soms met een machine learning engineer of MLOps engineer als eigen modellen worden getraind.

Wanneer heb je een AI engineer nodig?

• Je pilot werkt, maar niemand kan hem opschalen. Het prototype van een consultant of een enthousiaste collega moet nu stabiel, veilig en onderhoudbaar worden.
• Je wilt AI in je eigen product inbouwen. Klanten verwachten slimme functies en je team heeft er de kennis niet voor.
• Repetitief werk moet slimmer. Documenten beoordelen, e-mails sorteren, informatie opzoeken: werk dat veel tijd kost en waar AI goed in kan zijn.
• Je gebruikt al AI-tools, maar zonder grip. Losse tools per afdeling, onduidelijk wat er met je data gebeurt, geen idee wat het oplevert.
• Je data is op orde en je wilt de volgende stap zetten. Er is een datateam, er zijn dashboards, en nu wil je er meer uithalen.

Is je data nog niet betrouwbaar of niet goed bereikbaar? Dan is een data engineer vaak de eerste hire. Een AI engineer bouwt op data die er al is.

Welke vaardigheden heeft een goede AI engineer?

Technische vaardigheden

• Sterk in Python en softwareontwikkeling: testen, versiebeheer, nette en onderhoudbare code.
• Ervaring met grote taalmodellen en de technieken eromheen: prompting, RAG, en waar nodig fine-tuning.
• Evaluatie en testen van AI-uitkomsten, niet alleen van code.
• API's, cloudomgevingen en het in productie brengen van software.
• Basiskennis van data: waar komt het vandaan en hoe betrouwbaar is het?

Praktische vaardigheden

• Van prototype naar productie: weten wat er nodig is om iets stabiel te laten draaien.
• Kosten en prestaties afwegen: niet altijd het grootste model, wel het juiste.
• Privacy, beveiliging en regelgeving vertalen naar technische keuzes.
• Documenteren zodat het team het na zijn vertrek kan overnemen.

Soft skills

• Kan uitleggen wat AI wel en niet kan, zonder te verkopen of af te remmen.
• Denkt vanuit het probleem van de gebruiker, niet vanuit de nieuwste techniek.
• Werkt goed samen met niet-technische collega's.
• Leert snel bij: het vakgebied verandert maandelijks.

Vast, interim of freelance?

Vast is logisch als AI een blijvend onderdeel wordt van je product of processen, en je kennis in huis wilt opbouwen.

Interim of freelance past als je een afgebakend project hebt: een pilot naar productie brengen, een eerste toepassing bouwen of een bestaande oplossing verbeteren. Let dan op overdracht, zodat de kennis niet vertrekt met de engineer. Meer daarover op AI Engineer inhuren en in Vast, interim of freelance: wat past?

AI engineer werven met Hyrion

AI engineers zijn schaars, en de titel wordt breed gebruikt. Wie zich AI engineer noemt, kan een softwareontwikkelaar met een paar maanden LLM-ervaring zijn, of iemand met jaren ervaring in machine learning. Dat verschil zie je niet op een cv.

Zo pakken we het aan:

1. Scherp krijgen wat je nodig hebt. Bouwen of adviseren? Bestaande modellen toepassen of eigen modellen trainen? Welke data en systemen? Twijfel je nog, dan begint het met een eerste gesprek.
2. Zoeken waar de goede mensen zitten. De sterkste AI engineers reageren zelden op vacatures; ze worden benaderd.
3. Inhoudelijk selecteren. We vragen door op wat kandidaten echt hebben gebouwd en in productie hebben gebracht, niet op buzzwords.
4. Eerlijk over de markt. Als je profiel of je aanbod niet aansluit bij wat deze professionals zoeken, hoor je dat vooraf.

Voorbeeld functieprofiel: AI Engineer (medior/senior)

Een realistisch voorbeeld; pas het aan op jouw situatie.

Over de rol
Je bouwt AI-toepassingen die onze medewerkers en klanten dagelijks gebruiken. Je brengt prototypes naar productie, koppelt taalmodellen aan onze eigen data en zorgt dat de kwaliteit meetbaar goed blijft.

Wat je doet

• AI-functionaliteit ontwerpen, bouwen en in productie brengen.
• RAG-toepassingen bouwen op interne documenten en data.
• Evaluatie en monitoring inrichten voor kwaliteit, kosten en snelheid.
• Samenwerken met data engineering, product en security.
• Collega's helpen begrijpen wat AI wel en niet kan.

Wat je meebrengt

• Enkele jaren ervaring in softwareontwikkeling, waarvan aantoonbaar met AI- of LLM-toepassingen in productie.
• Sterk in Python; ervaring met API's en een cloudplatform.
• Ervaring met het testen en evalueren van AI-uitkomsten.
• Oog voor privacy en beveiliging.
• Je legt technische keuzes helder uit aan niet-technische collega's.

Pluspunten

• Ervaring met eigen modellen trainen of fine-tunen.
• Kennis van de EU AI Act of werken in een gereguleerde sector.

Waarom Hyrion voor je AI engineer

AI is voor ons geen bijzaak. We werken alleen in finance, data, AI, business intelligence en marketing, en volgen hoe de AI-rollen veranderen.

Geen groot netwerk. Een relevant netwerk. We kennen de engineers die AI écht in productie hebben gebracht, en weten wat ze zoeken in een volgende stap.

We denken mee vóór de vacature. Soms blijkt dat je eerst een data engineer nodig hebt, of dat een consultant de betere eerste stap is. Dan zeggen we dat.

Veelgestelde vragen

Ben je zelf AI engineer? Bekijk de AI-vacatures.