Welke AI-banen zijn er? 15 functies uitgelegd

Vraag tien mensen wat een "AI-baan" is en je krijgt tien antwoorden. De een denkt aan iemand die in een hoodie neurale netwerken traint. De ander aan een consultant die bij een verzekeraar uitlegt wat ChatGPT is. Allebei kloppen ze, en dat maakt zoeken naar werk in deze hoek lastig.

De functietitels lopen namelijk door elkaar. Wat bij het ene bedrijf een AI engineer heet, is bij het andere een machine learning engineer, en bij een derde gewoon een backend developer die toevallig met taalmodellen werkt. Daarom hieronder vijftien rollen die je nu het vaakst in vacatures tegenkomt. Per functie: wat je doet, wat je moet kunnen, en voor wie het past.

De bouwers

1. AI engineer

De breedste titel van het lijstje. Je bouwt producten en features op bestaande modellen: een chatbot die echt de klantdossiers kan lezen, een tool die contracten samenvat, een agent die tickets afhandelt. Je traint zelden zelf een model. Veel meer tijd gaat zitten in koppelingen, prompts, evaluatie en zorgen dat het ding niet onzin gaat vertellen. Python is vrijwel altijd de basis, aangevuld met kennis van API's van grote modelleveranciers en technieken als RAG (retrieval-augmented generation).

2. Machine learning engineer

De wat klassiekere variant. Je zet modellen in productie en houdt ze daar draaiende. Denk aan aanbevelingssystemen, fraudedetectie of prijsmodellen. Je moet goed kunnen programmeren en snappen wat er onder de motorkap van een model gebeurt. PyTorch, cloudplatformen en een flinke dosis software-engineering horen erbij.

3. LLM engineer

Een specialisatie die twee jaar geleden nauwelijks bestond. Je werkt specifiek met grote taalmodellen: fine-tunen, finetuning-data samenstellen, testen hoe een model zich gedraagt en het goedkoper of sneller maken. Vaak overlapt dit met de AI engineer, maar de nadruk ligt meer op het model zelf.

4. Data scientist

Nog steeds een van de meest gevraagde rollen. Je haalt inzichten uit data, bouwt voorspellende modellen en vertaalt dat naar iets waar het management een besluit op kan nemen. Statistiek is hier belangrijker dan in de engineeringrollen. Goed kunnen uitleggen ook.

5. Data engineer

Zonder data engineers geen AI. Je bouwt de pijplijnen die data verzamelen, opschonen en klaarzetten. Niet de meest glamoureuze rol, wel een van de zekerste. SQL, Python en een cloudplatform zijn de basis.

6. MLOps- of platform engineer

Jij zorgt dat modellen betrouwbaar draaien op schaal. Infrastructuur, monitoring, deployment, kosten in de gaten houden. Wie uit DevOps komt, stapt hier relatief makkelijk in. Kubernetes en een of meer cloudplatformen kom je in bijna elke vacature tegen.

7. AI research engineer / researcher

De rol waar veel mensen aan denken bij "werken in AI", maar het is een kleine groep. Je werkt aan nieuwe modellen of methoden, vaak bij grote AI-labs of universiteiten. Een PhD is niet altijd verplicht, maar wel heel gebruikelijk.

De vertalers

8. Forward deployed engineer

Een titel die je steeds vaker ziet, vooral bij AI-bedrijven. Je bent engineer, maar je werkt direct bij de klant. Je zoekt uit wat ze nodig hebben en bouwt het ter plekke. Je moet kunnen programmeren én een vergadering met een afdelingshoofd overleven.

9. Solutions engineer / solutions architect

Verwant aan de vorige, maar meer in de verkoopfase. Je laat zien wat een AI-product kan, ontwerpt hoe het in de bestaande systemen van de klant past en beantwoordt de lastige technische vragen.

10. AI product manager

Jij bepaalt wat er gebouwd wordt en waarom. Het verschil met een gewone productmanager: je moet begrijpen wat AI wel en niet betrouwbaar kan. Anders beloof je klanten functies die in de praktijk tegenvallen.

11. AI consultant / AI-adoptie specialist

Veel organisaties hebben inmiddels licenties voor AI-tools, maar medewerkers gebruiken ze nauwelijks. Jij helpt daarbij: processen herinrichten, trainingen geven, use cases kiezen. Hier is verandermanagement minstens zo belangrijk als technische kennis. Een goede instap voor mensen zonder programmeerachtergrond.

De bewakers

12. AI governance- of compliance specialist

Met de Europese AI Act krijgen organisaties regels over hoe ze AI mogen inzetten. Iemand moet bijhouden welke systemen er draaien, welke risico's daarbij horen en of alles netjes gedocumenteerd is. Juristen, privacyspecialisten en auditors stromen hier vaak in.

13. AI safety / red teaming specialist

Je probeert modellen bewust te laten ontsporen, zodat de fouten gevonden worden voordat gebruikers ze vinden. Een deel van dit werk gebeurt freelance en op afstand, waarbij domeinexperts (artsen, juristen, programmeurs) modelantwoorden beoordelen.

De makers

14. Prompt engineer / AI content engineer

De titel "prompt engineer" was even een hype en is daarna deels opgegaan in andere rollen. Wat overblijft is serieus werk: systematisch instructies, voorbeelden en evaluaties schrijven waardoor een AI-toepassing consistente output geeft. Taalgevoel helpt hier meer dan je zou denken.

15. AI designer / creative technologist

Je ontwerpt hoe mensen met AI-producten werken, of je gebruikt AI als creatief gereedschap in video, beeld of interactieve campagnes. Bureaus en mediabedrijven zoeken deze profielen vooral.

Welke past bij jou?

Een paar vuistregels:

• Je programmeert al? Kijk naar AI engineer, ML engineer of MLOps. De stap is kleiner dan je denkt.
• Je werkt met data maar bent geen developer? Data scientist of data analist met AI-focus.
• Je bent goed met mensen en snapt techniek? Forward deployed engineer, solutions engineer of AI-productmanagement.
• Je komt uit juridisch, risk of compliance? AI governance is een groeiveld met nog weinig ervaren mensen.
• Geen technische achtergrond? AI-adoptie en verandermanagement zijn de meest open deuren.

Kijk bij het zoeken niet alleen naar de titel. Lees de taken in de vacature. Een "AI specialist" bij de ene werkgever is soms een data engineer bij de andere.

Op aivacatures.nl kun je filteren op functie, ervaringsniveau en remote of op kantoor. Handig als je eerst wilt zien welke rollen er nu echt open staan.