AI-engineers aannemen zonder er drie maanden aan te verbranden

De meeste teams die AI-engineers willen aannemen verliezen de eerste maand aan een probleem dat ze niet wisten te hebben: de titel betekent vier verschillende banen, en ze interviewen alle vier tegelijk. Tegen de tijd dat ze het doorhebben, hebben ze goede mensen om de verkeerde redenen afgewezen en de verkeerde mensen om de juiste trefwoorden doorgelaten.

Dit is hoe je het goed aanpakt, van de mensen die AI-engineers vetten voor onze eigen producten voordat we ze bij iemand anders plaatsen.

Bepaal eerst welke AI-engineer je echt nodig hebt

"AI Engineer" bundelt profielen die in het dagelijks werk bijna niets delen:

• Modelbouwers: trainen en finetunen modellen, zitten in de wiskunde, geven om datapijplijnen en evaluatie.
• Infra- en ML-ops-specialisten: laten modellen betrouwbaar, goedkoop en op schaal draaien in productie.
• Productimplementeerders: bouwen features bovenop bestaande modellen (LLM-API's, vision, speech) en geven om het opleveren van een werkende gebruikerservaring.

De meeste bedrijven die vandaag aannemen denken een modelbouwer te willen en hebben eigenlijk een productimplementeerder nodig. Ze hebben niemand nodig die een model uitvindt; ze hebben iemand nodig die een uitstekend model in hun product knoopt zonder het te overengineeren. Dit benoemen voordat je de vacature schrijft, bespaart je de drie maanden die alle anderen verliezen.

Waar het talent echt zit

De markt is krap en geprijsd als zodanig. Mensen met echte AI-vaardigheden vragen een flinke loonpremie boven vergelijkbare engineers, en senior mensen in de VS en West-Europa worden navenant opgedreven. Die druk is zichtbaar in de gebruikelijke marktdata, waaronder de jaarlijkse Stack Overflow Developer Survey.

Daar volgen twee gevolgen uit. Ten eerste is vissen in de duurste vijvers niet de enige optie. Sterke AI-productengineers bestaan buiten de salarisband van de VS en West-Europa, onder meer in de Balkan, waar het talent jonger is en vloeiend Engels spreekt. Ten tweede is pure modelbouw-afkomst overgeprijsd ten opzichte van wat de meeste producten nodig hebben. Betaal voor het profiel dat je daadwerkelijk gebruikt.

Een vettingproces dat werkt

Je leert bijna niets van een cv vol frameworknamen. Je leert veel van een klein, gestructureerd proces:

1. Screeningsgesprek (30 min). Geen trivia. Vraag ze een echte AI-feature die ze hebben opgeleverd van begin tot eind uit te leggen, en waarom ze de afwegingen maakten die ze maakten. Vage antwoorden hier zijn het sterkste negatieve signaal dat je krijgt.
2. Praktische programmeeropdracht (60 tot 90 min). Een echt probleem dat op je product lijkt, geen leetcode-puzzel. Je test oordeelsvermogen onder de klok, geen gememoriseerde algoritmes.
3. Systeemontwerp op jouw echte probleem. Geef ze een echte beperking uit je roadmap en kijk hoe ze redeneren over data, latency, kosten en falen. Hier scheiden de productimplementeerders zich van mensen die er alleen over hebben gelezen.
4. Een korte thuisopdracht (4 tot 6 uur), gescoord tegen een rubric. Dezelfde rubric voor iedereen, geschreven voordat je het werk ziet. Dit maakt de beslissing verdedigbaar in plaats van een onderbuikgevoel.

De rode draad door alles heen: test op oordeelsvermogen en communicatie, niet op geheugen. Een AI-engineer die een afweging niet aan een niet-technische stakeholder kan uitleggen, kost je meer dan een die een tikje langzamer maar helder is.

De rode vlaggen die je serieus moet nemen

• Praat alleen over modellen, nooit over gebruikers of beperkingen.
• Kan niet zeggen waarom ze de ene aanpak boven de andere kozen, alleen dat het "best practice" is.
• Overengineert de thuisopdracht: bouwt een platform terwijl je om een feature vroeg.
• Wordt stil als het probleem dubbelzinnig is, in plaats van de verhelderende vraag te stellen.

Dat laatste telt het zwaarst. AI-werk is van nature dubbelzinnig. De engineers die het aannemen waard zijn, bewegen naar de dubbelzinnigheid toe en stellen de scherpe vraag. We graven ook dieper in waarom dat instinct van pure snelheid wint wanneer je het team dagelijks aanstuurt.

Bouw de pijplijn één keer, of leen er een

Dit goed uitvoeren vraagt een echte interviewpijplijn en mensen die senior genoeg zijn om de antwoorden te beoordelen. Neem je op volume aan, bouw hem dan. Het betaalt zich terug. Heb je een of twee sterke AI-engineers in je standups nodig binnen een paar weken, niet een paar maanden, dan is dat precies de reden om een vettingproces te lenen dat al bestaat.

Dat is wat ons AI-ontwikkelmodel is: AI-engineers in Prishtina die door een oprichter zijn beoordeeld, tegen de bovenstaande standaard, voordat ze ooit bij jou aankwamen. We plaatsen mensen die we al op onze eigen producten vertrouwen. Wil je de drie maanden overslaan, vertel ons dan wat je bouwt.