De opkomst van AI engineers

Een voorspelling is ons in het oog gesprongen, een die direct raakt aan hoe data- en BI-teams de komende jaren zullen worden ingericht.

Gartner verwacht dat er tegen 2027 drie keer zoveel openstaande functies voor AI-engineers zullen zijn als voor data scientists. Dit wordt gedreven door de opkomst van vooraf getrainde modellen en de noodzaak om AI te integreren in echte bedrijfsprocessen. 

Het wijst op een duidelijke verschuiving in waar het echte AI-werk plaatsvindt.

Waarom deze verschuiving plaatsvindt

Lange tijd lag de focus bij bedrijven op het aannemen van data scientists om maatwerkmodellen te bouwen. Dat was logisch toen organisaties afhankelijk waren van specifieke, zelf ontwikkelde ML-oplossingen voor afgebakende problemen. 

Vandaag zijn vooraf getrainde modellen krachtig genoeg, waardoor de grootste uitdaging niet langer het bouwen van modellen is, maar het betrouwbaar laten functioneren ervan binnen producten en workflows.

Precies dat is waar AI-engineers voor worden aangenomen. Hun werk bevindt zich op het snijvlak van data, software en operations. Zij zorgen ervoor dat modellen:

• Geïntegreerd worden in dagelijkse tools en applicaties
• Aangedreven worden door schone en goed gestructureerde data
• Gemonitord worden op nauwkeurigheid, kosten en veiligheid
• Zonder frictie opgeschaald kunnen worden over teams heen

Met andere woorden, de waarde verschuift van experimenteren naar uitvoeren.

Wat dit betekent voor Data- en BI-teams

Gartners bredere trendanalyse laat zien dat AI veel meer zal veranderen dan alleen modelontwikkeling. Natuurlijke taal wordt een gangbare manier om data te benaderen, AI automatiseert delen van data-integratie en cloudkosten zullen strakker beheerd moeten worden door AI-intensieve workloads.

Dit verandert de verwachtingen van Data- en BI-teams. Zij zullen moeten:

• AI-output valideren binnen analytics-workflows
• De kosten van AI-gedreven datapijplijnen beheren
• Toezicht houden op governance van trainingsdata en modelgebruik
• Productteams ondersteunen bij het inbedden van AI in user-facing tools

Deze verantwoordelijkheden vallen duidelijk binnen het domein van AI-engineering, en niet van klassieke BI-ontwikkeling.

Een groeiende talentuitdaging

Gartner waarschuwt ook dat tegen 2030 de helft van de ondernemingen te maken zal krijgen met structurele tekorten in kritieke functies, naarmate AI-adoptie versnelt. 

AI-engineering zal waarschijnlijk een van die knelpunten zijn. Organisaties die te lang wachten met het aanpassen van hun skillmix lopen het risico achter te blijven wanneer de vraag sneller groeit dan het aanbod.

Vooruitstrevende teams kunnen dit voorkomen door BI- en analytics-engineers bij te scholen, nauwe samenwerking met softwareteams te stimuleren en lichte governance in te richten rond AI-use cases.

Een kans voor BI-teams om hun invloed te vergroten

Deze verschuiving is geen verlies voor BI. Het is een groeikans. Naarmate AI steeds dieper wordt verankerd in besluitvorming, zullen de teams die data begrijpen en AI kunnen operationaliseren centraal staan in de digitale strategie.

De toekomst van BI is aan teams die AI kunnen opleveren, niet alleen analyseren. Nu investeren in AI-engineeringcapaciteiten zet organisaties een stap voor op de rest.