AI Engineer -RAG Platform

• We zijn op zoek naar 1 FTE;
• We sluiten de vacature vóór de aangegeven deadline als we voldoende professionals hebben ontvangen;
• Geef duidelijk aan in het motivatieveld of je geplande vakantie of speciaal verlof hebt tijdens de duur van deze opdracht;
• Geef in het CV aan of een interne referentie kan worden opgevraagd. Als je momenteel bij Rabobank werkt of recentelijk hebt gewerkt, ontvangen we graag de naam en functie van de betreffende teamleider;
• Taal: Engels is verplicht;

Job description
Wil je een van de meest strategische AI-platforms van Rabobank verbeteren door middel van datagedreven experimenten en meetbare modelverbeteringen?

Jij & jouw rol
Als AI Engineer - RAG Platform ben je verantwoordelijk voor het continu verbeteren van de kwaliteit, nauwkeurigheid en effectiviteit van Rabobank's interne Retrieval-Augmented Generation (RAG) platform.
Je werkt op het snijvlak van Information Retrieval, Data Science en Software Engineering. In plaats van AI-applicaties of platforminfrastructuur te bouwen, is je primaire verantwoordelijkheid het verbeteren van de prestaties van het RAG-systeem zelf.
Het RAG-platform bedient duizenden gebruikers binnen Rabobank en fungeert als basis voor meerdere AI-gedreven producten. Je focus ligt op het begrijpen waar en waarom het systeem ondermaats presteert, het ontwerpen van experimenten om verbeteringen te valideren en het vertalen van inzichten naar meetbare productieresultaten.
Je draagt bij aan de gehele verbeteringscyclus, van foutanalyse en hypothesegeneratie tot evaluatie, implementatie en monitoring. Je maakt gebruik van gebruikersfeedback, retrieval metrics, evaluatiedatasets en productietelemetrie om de antwoordkwaliteit en het gebruikersvertrouwen continu te verhogen.
Deze rol is ontworpen voor een zeer analytische en hands-on specialist die zijn expertise in retrieval-systemen, evaluatiemethodologieën en toegepaste AI wil verdiepen, in plaats van door te groeien naar people management of generieke productontwikkeling.
Je werkt nauw samen met Software Engineers, Platform Engineers, Data Scientists en Product Managers, en fungeert als de drijvende kracht achter de continue verbetering van de RAG-capaciteiten van Rabobank.

Voorbeelden van je werkzaamheden
Wat voor uitdagingen kunnen op je sprintbord terechtkomen?

• Onderzoeken waarom bepaalde gebruikersvragen antwoorden van lagere kwaliteit opleveren en de onderliggende retrieval- of grounding-problemen identificeren;
• Ons geautomatiseerde evaluatieframework verbeteren om de kwaliteit van retrieval, antwoorden en gebruikerstevredenheid te meten;
• Grootschalige experimenten uitvoeren om de impact van verschillende chunking-, embedding- en retrievalstrategieën te bepalen;
• Gebruikersinteracties en systeemprestatiegegevens in Databricks analyseren om verbetermogelijkheden te ontdekken;
• Feedbackloops bouwen die continu zwakke reacties identificeren en inzichten terugkoppelen naar het ontwikkelproces;
• Kwaliteitsstatistieken definiëren en monitoren die ervoor zorgen dat elke release resulteert in meetbare modelverbeteringen.

Feiten & cijfers
Wat geeft deze rol zijn bereik en relevantie?

• 36 uur per week;
• Een strategisch AI-platform dat binnen heel Rabobank wordt gebruikt;
• Werken aan een productie-AI-systeem waar kwaliteitsverbeteringen direct duizenden gebruikers beïnvloeden;
• Onderdeel van een multidisciplinair team dat engineering, product en AI-expertise combineert;

Belangrijkste verantwoordelijkheden
1. Continue RAG-modelverbetering stimuleren
Verbeter de retrievalprestaties, antwoordkwaliteit en algehele gebruikerservaring door middel van experimenten, analyse en optimalisatie.

2. Evaluatie- en meetmogelijkheden bouwen
Ontwikkel geautomatiseerde frameworks die de RAG-kwaliteit meten, regressies identificeren en bruikbare inzichten bieden voor toekomstige verbeteringen.

3. Inzichten omzetten in productieresultaten
Vertaal data-analyse en experimentatieresultaten naar schaalbare, onderhoudbare engineeringoplossingen die meetbare bedrijfswaarde leveren.

• Masterdiploma of gelijkwaardig academisch niveau in Data Science, Kunstmatige Intelligentie, Computer Science, Wiskunde, Statistiek of een gerelateerd veld;
• Minstens 3 jaar relevante ervaring in machine learning, toegepaste AI of data science;
• Aantoonbare ervaring met het verbeteren van productieklare RAG-systemen of geavanceerde op retrieval gebaseerde AI-oplossingen;
• Ervaring met het ontwerpen van evaluatiemethodologieën en kwaliteitsmetrieken;
• Sterk trackrecord in het omzetten van analyses naar geautomatiseerde productieoplossingen;
• Ervaring met het werken met grote datasets en complexe gedistribueerde omgevingen;
• Vermogen om bevindingen en aanbevelingen te communiceren aan zowel technische als niet-technische belanghebbenden;
• Vaardigheid in het Engels, zowel schriftelijk als mondeling.
• Retrieval-Augmented Generation (RAG);
• Large Language Models (LLMs);
• Python;
• Databricks;
• Evaluatieframeworks voor GenAI-systemen;
• Embedding-modellen;
• Prompt-optimalisatie;
• Datapijplijnen en workflowautomatisering;
• CI/CD-praktijken;
• Azure.

Wensen

• Ervaring met het fine-tunen van taalmodellen;
• Ervaring met ranking- en retrievalsystemen;
• Ervaring met AI-observeerbaarheid en monitoring;
• Ervaring met het werken met grootschalige productie-AI-platforms;
• Kennis van het creëren van synthetische evaluatiedatasets en benchmarks.

Competenties

• Je geniet van het oplossen van moeilijke problemen en wordt gedreven door meetbare resultaten.
• Je bent even comfortabel in het bespreken van statistische significantie, retrieval metrics en systeemarchitectuur.
• Je neemt eigenaarschap over resultaten in plaats van activiteiten.
• Je bent van nature nieuwsgierig, analytisch en gepassioneerd over het verbeteren van complexe systemen.

Het RAG-platform is geen onderzoeksproject. Het is een productieproduct dat continu moet verbeteren. Je sluit je aan bij een team van ervaren ingenieurs die kritieke AI-capaciteiten binnen Rabobank bouwen en beheren. Succes in deze rol komt voort uit het combineren van wetenschappelijke nauwkeurigheid met engineering excellentie. We waarderen mensen die aannames uitdagen, ideeën valideren door middel van data en continu de kwaliteitslat hoger leggen.

Optie tot verlenging: Nee

Hybride: Alle afdelingen werken hybride, volgens het Rabobank @anywhere beleid.

Overig algemeen: Een pre-employment screening is onderdeel van de procedure. Je kunt pas starten na een succesvolle afronding. Deze opdracht is ingeschaald in schaal 9 van de CAO van Rabobank.