Volgens LinkedIn is AI-engineer een van de snelst groeiende functies op de Nederlandse arbeidsmarkt. Dat lees je overal.

Wat je nergens leest: wat dat werk eigenlijk inhoudt, of je ervoor moet studeren, en of het over drie jaar nog bestaat.

Laten we dat eens uit elkaar trekken.

Wat een AI Engineer echt doet

Niet: modellen trainen. Dat is het beeld dat mensen hebben en het klopt voor een klein deel van de functies.

Wel: bestaande modellen aan bestaande systemen knopen. Een taalmodel koppelen aan de klantendatabase, zorgen dat het de juiste gegevens ziet, dat het antwoord klopt, dat het snel genoeg is en dat het niet omvalt als er duizend mensen tegelijk iets vragen.

Dat is voor negentig procent gewoon software-engineering. Met een specialisme erbovenop.

Waarom dat onderscheid uitmaakt

Als je denkt dat je een doctoraat wiskunde nodig hebt, haak je af voordat je begint. Dat is zonde, want de meeste vacatures vragen dat helemaal niet.

Wat ze wel vragen: kun je programmeren, snap je hoe systemen samenwerken, en kun je beoordelen of een uitkomst deugt. Die laatste is de moeilijkste en de minst genoemde.

Wat je verdient

Grofweg tussen de 55.000 en 130.000 euro per jaar, afhankelijk van ervaring, specialisatie en sector. In consultancy en enterprise-omgevingen liggen de uitschieters daarboven.

Machine learning engineers zitten meestal in de band van 55.000 tot 95.000, met senioren die boven de ton uitkomen. Bij grote techbedrijven en scale-ups komen daar vaak aandelenregelingen bij.

Kijk je naar concrete vacatures, dan zie je bij universiteiten en publieke instellingen bedragen rond de 3.500 tot 5.500 euro per maand, en bij commerciële partijen fors meer.

Dat gat tussen publiek en privaat is groot. Als geld je belangrijkste drijfveer is, weet je waar je moet kijken.

Welke specialisaties het hardst groeien

Drie richtingen springen eruit, en ze hebben gemeen dat ze over de praktijk gaan en niet over onderzoek.

MLOps — zorgen dat modellen betrouwbaar in productie draaien en blijven draaien.

LLM-integratie — taalmodellen inbouwen in bestaande software en processen.

AI-security — beveiligen van AI-systemen en verdedigen tegen aanvallen die AI gebruiken.

Die derde wordt onderschat. Nu Microsoft en anderen agentische verdedigingssystemen uitrollen, groeit de vraag naar mensen die snappen waar zulke systemen kunnen falen harder dan het aanbod.

Is instappen nu nog verstandig?

Eerlijke antwoord: ja, met een kanttekening.

De vraag overstijgt het aanbod in vrijwel elke sector, en Nederland heeft een hoge digitaliseringsgraad waardoor bedrijven hier hard concurreren om dezelfde mensen. Dat drijft salarissen op.

De kanttekening: de functie zoals hij nu bestaat gaat veranderen. Veel van het werk dat een AI Engineer vandaag doet — koppelingen bouwen, prompts optimaliseren, output valideren — wordt over een paar jaar deels door gereedschap overgenomen.

Dat betekent niet dat de functie verdwijnt. Het betekent dat je moet blijven bewegen, en dat geldt in dit vak sterker dan in de meeste andere.

Hoe je erin komt zonder opleiding

Dit is waar ik iets over kan zeggen, want ik heb geen technische opleiding en bouw wel mijn eigen systemen.

Wat werkt: iets echt maken. Niet een cursus afronden maar een probleem oplossen dat je zelf hebt, van begin tot eind, inclusief het deel waar het misgaat en je drie avonden zoekt naar wat er niet klopt.

Wat niet werkt: certificaten stapelen. Ik heb nog nooit iemand ingehuurd op basis van een certificaat en ik ken weinig mensen die dat wel doen.

Laat zien wat je hebt gebouwd, leg uit waarom je bepaalde keuzes maakte, en wees eerlijk over wat er misging. Dat gesprek win je van iemand met een mooier cv die niets kan aanwijzen.

De valkuil bij zelfstudie

Met AI leer je sneller en begrijp je minder. Dat klinkt tegenstrijdig en het is precies wat er gebeurt.

Ik heb dat zelf gemerkt toen ik met een AI-editor begon te bouwen. Alles ging vlot tot er iets kapotging waar het model ook niet uitkwam, en toen stond ik met lege handen bij precies het moment waarop het ertoe deed.

Vraag dus om uitleg voordat je om code vraagt. Dat is trager en het is het enige wat blijft hangen.

Wat werkgevers echt vragen

De vacatureteksten vertellen een ander verhaal dan de opleidingsaanbieders.

De meest gevraagde vaardigheden bij deze functie zijn PyTorch, natuurlijke taalverwerking en deep learning. Dat is techniek, geen prompt-vaardigheid, en dat verklaart waarom de cursussen die je op sociale media voorbij ziet komen zelden leiden tot dit soort banen.

Wat verder opvalt: compliance-vaardigheden zijn sterk in opkomst. Kennis van normen en toezicht wordt in vacatures steeds vaker gevraagd naast de technische kant.

Dat is logisch nu de Europese regelgeving concreet wordt. Een organisatie die AI inzet in werving of kredietbeoordeling heeft niet alleen iemand nodig die het bouwt, maar ook iemand die kan uitleggen waarom het mag.

Daar zit een nis die veel minder concurrentie kent dan de puur technische rollen.

Waar ik zou beginnen

Bij iets kleins dat af komt. Een script dat een taak automatiseert die je nu handmatig doet, een koppeling tussen twee systemen die je gebruikt, een simpel intern hulpje.

Af is belangrijker dan indrukwekkend. Tien half afgemaakte projecten leveren niets op, één werkend systeem waar je alles van weet wel.

Dat is de les die ik het duurst heb geleerd. Wat is het kleinste ding dat jij deze maand af zou kunnen krijgen?