Veel organisaties willen AI inzetten, maar weten niet waar ze moeten beginnen met mensen. Neem je eerst een adviseur aan, een bouwer, of iemand voor de data? De juiste volgorde voorkomt dat je dure specialisten hebt die op elkaar wachten.

Stap 0: is je data er klaar voor?

AI bouwt op data. Staat je data verspreid over systemen of is die onbetrouwbaar, dan is een data engineer vaak de verstandigste eerste hire, nog vóór een AI-specialist. Zie Data team opbouwen.

De eerste AI-hire

Nog geen richting? Begin met een AI consultant, vaak tijdelijk, om te bepalen waar AI waarde oplevert.

Een concrete toepassing? Begin met een AI engineer die de eerste toepassing bouwt en in productie brengt.

Klein en ambitieus? Zoek een brede AI-professional die zowel kansen ziet als kan bouwen. Die zijn schaars, maar voor een eerste hire vaak ideaal.

Daarna uitbreiden

Afhankelijk van waar AI waarde oplevert:

• Meer toepassingen: extra AI engineers of een generative AI specialist.
• Eigen modellen: een machine learning engineer, eventueel met een data scientist.
• Modellen stabiel in productie: een MLOps engineer.
• Grip op risico's en regels: een AI governance specialist.
• Medewerkers meenemen: een AI adoption specialist.

Leiding

Wordt AI een strategisch thema, dan heb je iemand nodig die richting geeft, prioriteiten stelt en de brug slaat naar de directie: een head of AI of AI lead.

Veelgemaakte fouten

• Een data scientist als eerste hire terwijl je toepassingen op bestaande taalmodellen wilt bouwen.
• Alleen adviseurs, en niemand die bouwt.
• Alleen bouwers, en niemand die bepaalt wat waarde heeft.
• Geen aandacht voor data en governance totdat het misgaat.

Vast of tijdelijk?

Veel organisaties beginnen tijdelijk, met een consultant of engineer voor de eerste toepassing, en bouwen daarna een vast team. Zie AI Engineer inhuren.

Veelgestelde vragen