AI is niet meer weg te denken uit ons werk. We laten teksten schrijven door ChatGPT, genereren afbeeldingen, integreren AI-agents en AI-workflows in werkprocessen en zien daarmee AI overal verschijnen. Maar achter al die slimme toepassingen zit altijd iemand die ervoor zorgt dat het ook écht werkt in de praktijk: de AI engineer.
Bij Data Science Partners merken we dat veel organisaties experimenteren met AI, maar vastlopen bij de stap van "leuke demo" naar "robuste oplossing in de organisatie". Teams willen wel iets doen met bijvoorbeeld slimme chatbots, agents of voorspellende modellen, maar missen vaak iemand die vanuit een de brug slaat tussen behoeften vanuit de praktijk, data en techniek. Precies daar komt de AI engineer in beeld.
Wat is een AI engineer?
Een AI engineer is iemand die AI-toepassingen ontwerpt, bouwt, integreert en onderhoudt binnen een organisatie. Waar een data scientist vaak focust op het ontwikkelen van voorspellende modellen en analyses, richt een AI engineer zich op de technische implementatie van AI: hoe zorgen we dat een AI-oplossing veilig, schaalbaar, betrouwbaar en bruikbaar is voor de eindgebruiker?
Wat doet een AI engineer?
Denk bij het werk van een AI engineer aan:
- Koppelen van bestaande systemen (o.a. met MCP) en data (ERP, CRM, databronnen, documenten) aan AI-modellen
- Bouwen van technische structuren (pipelines) om data op te schonen, verrijken en geschikt te maken voor AI
- Integreren van AI-modellen (zoals Large Language Models, LLM) in bestaande applicaties, dashboards of interne tools. Hierbij is het afdwingen van structured outputs (zoals JSON) essentieel, zodat AI-antwoorden automatisch verwerkt kunnen worden door andere systemen.
- Ontwerpen van RAG-oplossingen voor interactie tussen AI en eigen documenten: documenten opsplitsen, indexeren en doorzoekbaar maken met zogeheten embeddings
- Bewaken van prestaties, kosten, veiligheid en privacy van AI-toepassingen
- Samenwerken met business, IT en security om AI-oplossingen verantwoord in te zetten
- Verantwoorde werkwijzes voor vibe coding initiëren
Een concreet voorbeeld: bij een klant hebben we een oplossing gebouwd waarmee medewerkers vanuit een AI chatbot in gewone taal vragen kunnen stellen over interne documenten zoals contracten en facturen. Vanuit de rol als AI engineer hebben we gezorgd voor de koppeling met de brondata, het opsplitsen en indexeren van alle documenten, de integratie met een AI-model (LLM) en de beveiliging rondom toegang. Het resultaat: medewerkers van de klant kunnen gemakkelijk en sneller dan voorheen de informatie opzoeken die ze nodig hebben om hun werk te doen, wat hen tijd bespaart en gemak oplevert.
AI engineer vs. data scientist vs. data engineer
Er zijn verschillende technische rollen rondom AI en data en deze lopen vaak door elkaar heen. Grofweg zie je hierbij de volgende rollen:
- Data engineer: richt zich op het bouwen van dataplatformen, pipelines voor dataverwerkingen en bewerkingen, en opslag van data.
- Data scientist: ontwikkelt machine learning/AI modellen, doet analyses, experimenten en onderzoek.
- AI Engineer: zorgt dat AI-modellen en zoals LLM's echt landen in de praktijk in producten, processen en tools.
In de praktijk zie je vaak dat één persoon meerdere van deze rollen vervult, vooral in kleinere teams. Toch helpt het om de rol van AI engineer expliciet te maken: iemand die het hele traject overziet van idee tot werkende AI-oplossing.
In onze trainingen zien we vaak deelnemers die bijvoorbeeld formeel data-analist of BI-specialist zijn, maar in feite al delen van de AI engineer-rol oppakken. Ze ontwikkelen bijvoorbeeld al scripts in programmeertaal Python, koppelen systemen via APIs en experimenteren met AI, maar missen nog de structuur, verdieping, en best practices om dit professioneel neer te zetten. Met trainingen zoals de AI Engineer Opleiding helpen we hen om die stap te maken.
3 Voorbeelden uit de praktijk
Eerdere beschreven we al het voorbeeld van een slimme AI chatbot waaraan je in menselijke taal vragen kunt stellen over interne documenten.
In de gezondheidszorg ontwikkelden we een AI-oplossing die getypte gespreksverslagen automatisch categoriseert naar gespreksonderwerpen, zodat behandeltrajecten beter gevolgd en geanalyseerd kunnen worden. Als AI engineer verzorgden we de koppeling met de brondata, het voorbewerken en opschonen van de verslagen, de integratie met het AI-model voor categorisatie en het opleveren van de resultaten in een bruikbare vorm.
In de e-commerce en logistieke sector ontwikkelden we AI-agents die klantvragen automatisch beantwoorden door alle relevante informatie (zoals orders, voorraad en verzendstatussen) op te zoeken en samen te voegen in een duidelijk conceptantwoord voor de klantenservicemedewerker. Als AI engineer ontwikkelden we de koppelingen met databronnen, de interpretatie van klantvragen en de ontwikkeling en integratie van de agent binnen de bestaande systemen.
Dit is slechts een greep uit de projecten. We bouwen als AI engineer doorlopend talloze andere oplossingen, variërend van intelligente automatisering, documentverwerking, tot managementondersteuning in verschillende sectoren.
Welke skills heeft een AI engineer nodig?
Een goede AI engineer combineert verschillende soorten vaardigheden:
- Technisch: programmeertaal Python, APIs, werken met LLMs, vector databases, RAG
- Data: snappen hoe data gestructureerd is, wat datakwaliteit is, hoe je data voorbereidt voor AI modellen
- Software: versiebeheer van code (Git), werken met omgevingen, simpele APIs, webservices en/of dashboards bouwen
- Architectuur & integratie: weten hoe je AI koppelt aan bestaande systemen en processen
- Praktisch & communicatief: doorvragen op de businessvraag, goed documenteren, samenwerken met IT en eindgebruikers
In mijn ervaring zijn goede AI engineers niet per se de mensen met de meest complexe wiskundige achtergrond, maar juist de mensen die technisch vaardig zijn, nieuwsgierig zijn, experimenteren en het leuk vinden om dingen echt werkend te krijgen. Ze praten daarbij net zo makkelijk met ontwikkelaars als met beleidsmedewerkers.
Hoe word je AI engineer?
Je wordt geen AI engineer zonder er iets voor te doen. Meestal groei je erin vanuit een eerdere rol als data-analist, ontwikkelaar, BI-specialist of data scientist. Een logische route is bijvoorbeeld:
- Leggen van een stevige basis in programmeren met Python en het uitvoeren van data-analyses
- Leren werken met AI-modellen en LLMs (zoals met de OpenAI API)
- Begrijpen hoe je AI integreert in processen en applicaties (APIs, RAG, vector databases)
- Ervaring opbouwen met echte use cases binnen je organisatie
Binnen Data Science Partners hebben we de AI Engineer Opleiding ontwikkeld voor professionals die al met data of IT werken en nu de stap willen zetten naar het bouwen van concrete AI-oplossingen. In dit traject leren deelnemers alles wat nodig is om AI toe te passen in hun eigen werkprocessen: van een stevige basis in Python, tot het bouwen van voorspellende modellen en machine learning-toepassingen, en uiteindelijk het ontwikkelen van AI-agents, het inzetten van generative AI en het bouwen van slimme chatbots.
Afsluiting
Een AI engineer ontwerpt, bouwt en implementeert praktische AI-oplossingen door data, modellen, infrastructuur en bedrijfsprocessen met elkaar te verbinden.
AI wordt de komende jaren alleen maar belangrijker en meer aanwezig. Organisaties die nu investeren in mensen die AI echt kunnen implementeren, AI engineers, bouwen een voorsprong op.
Wil je verkennen wat een AI engineer voor jouw organisatie kan betekenen, of ben je zelf benieuwd of dit bij jou past? Neem gerust contact op met ons op, of bekijk onze AI Engineer Opleiding en andere AI-trainingen.
Peter is een ervaren data scientist, AI engineer en python trainer. Na zijn studie aan de Technische Universiteit Delft heeft hij zich altijd bezig gehouden met data en diverse programmeertalen. Peter heeft veel data analyses uitgevoerd en processen geautomatiseerd met Python in productieomgevingen.
