Senior AI Engineer

Waar je echt aan werkt

De problemen zijn concreet:

• Entity resolution en context verzamelen. We onderhouden een enorme graaf van bedrijven en mensen. Jij bouwt de crawlers, scrapers en extractiepipelines die rommelige, elkaar tegensprekende data uit de echte wereld omzetten in gestructureerde context die je kunt vertrouwen.
• Timing. Bedrijven veranderen de hele tijd. Jij bouwt snelle, meetbare systemen die verschuivingen in de markt opmerken, een nieuwe directeur, een nieuw product, en die ruis omzetten in commerciële beslissingen waar je iets aan hebt.
• AI-agents in productie. Onze agents draaien niet in een demo. Hun beslissingen hebben echte gevolgen: replies, meetings, bounces, omzet. Jij bouwt de evaluatie, de tooling en de feedbackloops waarmee we snappen waar ze het goed doen en waar ze de mist in gaan.
• AI binnen echte grenzen. Het beste model is niet vanzelf het juiste model. Jij vergelijkt modellen, zet experimenten op en weegt kwaliteit, snelheid, betrouwbaarheid en kosten tegen elkaar af. En je ziet het wanneer een AI-model gewoon niet het juiste gereedschap is.

Zo werken we

• Problemen, geen tickets. Je neemt een ruw idee mee naar productie en blijft verantwoordelijk voor wat er daarna gebeurt. Een probleem trekt zich niets aan van de grenzen tussen lagen, en wij ook niet.
• De stack. PHP (Laravel), TypeScript, Rust en PostgreSQL. Je hoeft nergens al expert in te zijn, maar je moet in een onbekende codebase kunnen duiken en het probleem oplossen.
• Snel itereren. We prototypen veel, testen op echte data, zetten live, meten en gaan door. Je werk komt snel in aanraking met de werkelijkheid.
• Veel vrijheid. Je werkt direct naast de CTO, die zelf dagelijks in de codebase zit. Reken op korte lijnen, snelle beslissingen en vage vraagstukken waarbij uitzoeken wat het echte probleem is, onderdeel van het werk is.

Dit past goed bij je als

• Je in de eerste plaats een uitstekende software-engineer bent, met stevige ervaring in het bouwen en onderhouden van LLM-systemen in productie.
• Je weet hoe je AI-systemen beoordeelt met echte data, benchmarks en experimenten.
• Je genoeg van machine learning en statistiek snapt om modelkwaliteit, nauwkeurigheid, snelheid, betrouwbaarheid en kosten in samenhang te bekijken.
• Je je net zo makkelijk beweegt in backend-systemen en data-infrastructuur als in AI.
• Je snel schakelt, verantwoordelijkheid pakt en liever iets live zet en meet dan drie weken over de perfecte architectuur discussieert.

Dit is waarschijnlijk niets voor je als

• Je alleen aan modelonderzoek wilt werken, alleen Python wilt schrijven of alleen AI-demo’s wilt bouwen.
• Je backend, data of infrastructuur het probleem van iemand anders vindt.
• Je uitgewerkte tickets nodig hebt om te kunnen beginnen, of liever binnen één smal specialisme blijft.
• Je liever niet verantwoordelijk bent voor een systeem als het eenmaal live staat.