De AI-professional. A whole different ball game
Met de opkomst van AI is de vraag naar AI-professionals groot en kampen we dit jaar in Nederland met een structureel tekort. De focus is verschoven van algemene data science naar gespecialiseerde rollen in LLM-implementatie, AI-ethiek en robuuste MLOps-architecturen.
Werkgevers zoeken niet langer alleen bouwers, maar professionals die AI-oplossingen schaalbaar en compliant kunnen integreren in bestaande bedrijfsomgevingen. AI is niet alleen een technologie, maar een complex systeem van data, modellen en software. A whole different ball game dat vraagt om de juiste AI-expert aan boord.
Het is jong. Het gaat snel. Er is te weinig van. Dus weten waarom je een AI-professional zoekt, maakt dat je precies moet weet wat je in huis wilt halen. En dat is geen overbodige luxe in het gevecht om AI-talent. Een duidelijk doel voor ogen hebben, is ook essentieel om het juiste talent enthousiast te maken en aan te trekken.
Wat is dan dat AI-talent?
Met andere woorden; Hoe bepaal je wat jij voor soort AI-engineer je nodig hebt?
Deze zin zegt alles: “AI engineering” betreft geen eenduidige rol. Als je de verkeerde kiest, krijg je óf iemand die te theoretisch is, óf iemand die jouw probleem niet echt kan oplossen.
Stap 1 is dus het besef dat het type AI-engineer wordt bepaald op basis van je probleem, niet andersom. We starten dus met de use case (wat wil je bouwen?) Stel jezelf eerst deze vraag:
- Wil je tekst genereren/ chatbots bouwen?
- Wil je voorspellingen doen (bijv. sales, churn)?
- Werk je met beelden (vision, detectie)?
- Of wil je AI integreren in een product/app?
Elk van deze situatie vraagt een ander profiel. Tijd om ons licht daar eens op te laten schijnen.
De belangrijkste typen AI-engineers
LLM / Generative AI Engineer. Onmisbaar als je met prompts, agents of RAG werkt. En je snel iets slims wil bouwen bovenop bestaande modellen. Deze Engineer werkt vaak met modellen van o.a. OpenAI of Anthropic. Voor zaken zoals chatbots, copilot, automatiseren van tekst/kenniswerk.
De Machine Learning Engineer geeft je de mogelijkheid om je eigen modellen te trainen en is geweldig als je veel data hebt en maatwerk nodig hebt voor voorspellende modellen en classificatie (spam, churn, fraude).
De Machine Learning Engineer werkt vaak met TensorFlow of PyTorch
Data Engineer Let op want deze rol wordt vaak onderschat in het geweld van AI. Want zonder goede data engineer faalt AI vaak, ongeacht hoe goed je model is.
Zij zijn er je data rommelig of verspreid is of AI-projecten steeds stuklopen op data. De Data Engineer is heer en meester binnen domeinen als data pipelines, data cleaning en het neerzetten van schaalbare infrastructuur.
AI Product Engineer / Full-stack AI engineer. Een uitkomst voor teams als je een werkend product wil (en niet alleen een model) en snelheid belangrijk is. Zoals bijvoorbeeld bij het maken van een MVP of in de startup fase. Je wil snelle integratie in apps en een combinatie van UX, backend en AI.
Research / Deep Learning Specialistje een must have iets doet dat nog niet “standaard” bestaat en je echt innovatie zoekt. Dus niet alleen maar toepassing.
Denk aan werken met cutting-edge modellen of complexe optimalisaties.
Je ziet: begrijpen wat er speelt en welk probleem je oplost, bepaalt welk smaakje je in huis haalt.
Salarissen voor deze profielen bevinden zich aan de top van de IT-markt, variërend van €75.000 tot €120.000 voor medior en senior rollen, exclusief secundaire voorwaarden.
De hoogste vergoedingen gaan naar engineers die diepe technische expertise in Python en cloud-infrastructuur combineren met domeinkennis.
Het vermogen om de brug te slaan tussen complexe modellen en strategische bedrijfswaarde geldt momenteel als de meest schaarse en bestbetaalde competentie.
CTA: Zie je door de bomen het bos niet meer. Heb je hulp nodig met het definiëren van het waarom? Bel ons dan.
We helpen je graag en denken nog liever met je mee.