Bij Enexis maak je als Senior Generative AI Engineer (High-Code) strategische impact op de manier waarop wij onze netbeheeroperaties digitaliseren. Je haalt Generative AI uit de sandbox en brengt het veilig, schaalbaar en betrouwbaar in productie. Je draagt bij aan de architectuur en standaarden voor LLM-, RAG- en evaluatie-oplossingen, bouwt herbruikbare platformcomponenten en stuurt de professionalisering van ons AI-landschap aan. Daarmee draag je direct bij aan een toekomstbestendig, slim energienet. Wil jij een leidende rol spelen in de inzet van GenAI binnen een cruciale maatschappelijke organisatie? Dan zoeken wij jou.
Je werkt binnen Smart IT & AI Solutions, in het AI & Automation-domein. Met behulp van GenAI en data-oplossingen ontwikkelen en implementeren we praktijkgerichte AI-casussen die de efficiëntie van onze processen en werkzaamheden vergroten. Je schakelt in een multidisciplinaire omgeving met business- en IT-teams om AI-oplossingen veilig, schaalbaar en toekomstvast in te richten.
Je levert een belangrijke bijdrage aan onze visie op het GenAI-ecosysteem. Je werkt nauw samen met Product Owner, Solution Architect, Platform Engineers en Security en helpt de AI-roadmap te bepalen en te prioriteren op waarde, risico en haalbaarheid.
Als Senior Generative AI Engineer (High-Code) ben je zowel technisch inhoudelijk expert als thought leader. Je definieert architectuur en standaarden, begeleidt de productisering van PoC’s en coacht collega’s in het team.
Dit zijn jouw verantwoordelijkheden:
-
Ontwerpen en bouwen van end-to-end AI-oplossingen in Python, met focus op geavanceerde RAG-systemen (chunking-strategieën, hybride search: vector + keyword, re-ranking) en robuuste embedding-strategieën.
-
Je pakt een voortrekkersrol in het GenAI-team en fungeert als architect/bouwer — geen “prompt-schrijver”, maar een engineer die echte productiesystemen oplevert.
-
Ontwikkelen van herbruikbare platformcomponenten (bijv. generieke RAG-modules, evaluatie-frameworks, security- en logging-standaarden) met moderne tooling zoals LangChain, LlamaIndex en/of Semantic Kernel; bouwen van multi-agent workflows die verder gaan dan een simpele chatbot.
-
LLMOps & productie: opzetten van CI/CD-pipelines voor LLM-werkloads en implementeren van monitoring en observability (o.a. token usage, latency, model drift), inclusief hardening en operational readiness.
-
Reviewen van designs en code, coachen van teamleden en het organiseren van kennissessies.
-
Je fungeert als sparringpartner voor Product Owner, Business Analist en management bij het selecteren en vormgeven van AI-usecases.
