Context opdracht

RSVZ is een dynamische organisatie waar meer dan 150 mensen werken binnen de dienst Informatica. RSVZ is een 2-talige omgeving, waar er zowel Franstalige als Nederlandstalige stakeholders zijn. De organisatiecultuur is informeel. Binnen IT wordt er Agile SAFe gehanteerd en de development teams zijn multidisciplinair samengesteld.

Bij RSVZ willen we AI-oplossingen inzetten om kennis beter bruikbaar te maken, interacties te verbeteren, documentstromen efficiënter te verwerken en nieuwe digitale diensten mogelijk te maken. Daarbij ligt de focus op concrete AI-functionaliteit die geïntegreerd wordt in applicaties, processen en interne systemen, met bijzondere aandacht voor betrouwbaarheid, veiligheid en beheerbaarheid.

We zijn op zoek naar een AI Engineer die verantwoordelijk is voor het bouwen, integreren en operationaliseren van AI-oplossingen in productie. De AI Engineer richt zich in het bijzonder op moderne AI-toepassingen zoals generative AI, retrieval-based oplossingen, documentverwerking en intelligente assistentie binnen businessprocessen.

Rol

De AI Engineer is verantwoordelijk voor het ontwerpen, bouwen en integreren van AI-functionaliteit binnen RSVZ. Hij/zij vertaalt use cases naar bruikbare en veilige AI-oplossingen die in productie kunnen functioneren en aansluiten op bestaande systemen, databronnen en workflows.

De AI Engineer focust op de technische realisatie van AI-use cases binnen een afgesproken architectuur en in samenwerking met relevante teams. De AI Engineer bepaalt dus niet de organisatiebrede AI-roadmap, maar zorgt wel voor een sterke implementatie van concrete oplossingen.

De kandidaat beschikt over een grondige beheersing van Python voor de ontwikkeling van AI-services, retrieval-pijplijnen en backend-integraties, en over een solide operationele kennis van C#/.NET om API-contracten te ontwerpen richting de (voornamelijk .NET-gebaseerde) RSVZ-applicaties en om vlot samen te werken met de integratie- en development teams. Naast het puur technische wordt een sterke evaluatie- en iteratiediscipline verwacht: het systematisch meten van kwaliteit, betrouwbaarheid en veiligheid van AI-uitvoer (grounding, hallucinaties, bias, consistentie).

Belangrijkste verantwoordelijkheden

AI-use cases implementeren

• Vertalen van functionele noden naar concrete AI-oplossingen die bruikbaar zijn in applicaties en processen.
• Bouwen van AI-functionaliteit voor use cases zoals intelligente assistentie, documentverwerking, samenvatting, informatie-extractie, classificatie of kennisontsluiting.
• Implementeren van oplossingen op basis van generative AI, LLM’s, retrieval/grounding en relevante AI-services, waarbij waar mogelijk de voorkeur wordt gegeven aan open-source modellen en frameworks (Hugging Face, LangChain, LlamaIndex, enz.)
• Rekening houden met betrouwbaarheid, foutafhandeling, veiligheid en gebruikservaring.

Integratie met systemen en processen

• Ontwerpen en implementeren van integraties tussen AI-componenten en interne applicaties, API’s, databronnen en documentstromen.
• Zorgen voor een robuuste integratie in bestaande workflows en backend-processen.
• Werken met toegangsbeheer, auditing, input/output-validatie en andere noodzakelijke beheersmaatregelen.
• Bijdragen aan veilige en onderhoudbare implementaties in samenwerking met development- en securityteams.

Evaluatie en kwaliteitsborging

• Opzetten en onderhouden van evaluaties voor AI-oplossingen, met aandacht voor relevantie, nauwkeurigheid, consistentie, grounding en veiligheid.
• Uitwerken van testscenario’s, regressietesten en reviewflows voor AI-functionaliteit.
• Verbeteren van prompts, retrieval-logica, output-structuren en interactiepatronen op basis van evaluatieresultaten.
• Mee bewaken dat AI-oplossingen voldoende voorspelbaar, controleerbaar en bruikbaar zijn voor eindgebruikers.

Productionisering en monitoring

• Vertalen van POC’s en experimenten naar productieklare AI-services.
• Opzetten van deployment-aanpak, versiebeheer en operationele opvolging voor AI-componenten.
• Voorzien van monitoring en observability voor AI-oplossingen, inclusief logging, traces, latency, foutpercentages en gebruik, inferentiekosten (tokens).
• Signaleren en verbeteren van problemen rond performantie, betrouwbaarheid, kosten en kwaliteit in productie.

Samenwerking en kennisdeling

• Afstemmen met developers, architecten, product owners, security en business stakeholders over implementatie, integratie en kwaliteit.
• Bijdragen aan goede praktijken rond AI-engineering, evaluatie en veilige ingebruikname van AI-oplossingen.
• Documenteren van implementaties, beperkingen en operationele aandachtspunten.
• Kennis delen met teams rond het verantwoord en effectief inzetten van AI-functionaliteit.

Gedragsmatig

• Resultaatgericht en pragmatisch: in staat om AI-oplossingen om te zetten naar bruikbare en betrouwbare productiefunctionaliteit.
• Sterk analytisch en systematisch denkvermogen, met oog voor trade-offs, risico’s en haalbaarheid.
• Ownership nemen over technische realisaties binnen toegewezen use cases of componenten.
• Bewustzijn van kwesties op het gebied van naleving, ethiek en governance van AI-systemen, met name gezien de specifieke risico’s van LLM’s (hallucinaties, vooringenomenheid, datalekken).
• Communicatief sterk: kan technische keuzes helder toelichten aan technische en niet-technische stakeholders.
• Samenwerkingsgericht en vlot inzetbaar in multidisciplinaire context.
• Proactief in het voorstellen van verbeteringen op vlak van kwaliteit, betrouwbaarheid en herbruikbaarheid.
• Leergierig en in staat om nieuwe AI-technieken snel te vertalen naar concrete toepassing.

Talenkennis

• Frans- of Nederlandstalig
• 2de landstaal begrijpen

Werkregime

Hybride, met name wekelijks 2 dagen op kantoor en 3 dagen telewerken