ML Engineer of AI Engineer: welke rol bouwt wat in 2026?

Samenvatting

ML Engineer, AI Engineer en LLM Engineer bouwen in 2026 verschillende producten, ondanks vrijwel identieke vacaturetitels.

ML Engineer, AI Engineer en LLM Engineer: wat ze bouwen

Vacatures voor AI Engineer, Applied AI Engineer en LLM Engineer noemen vaak dezelfde basis: Python, een API-sleutel voor een taalmodel, retrieval en production reliability. Toch verschilt het werk per werkgever sterk. De ene vacature vraagt ervaring met LangChain, de andere met fine-tuning via LoRA of met evaluatiecode.

Een ML Engineer bouwt en traint modellen op basis van data. De rol omvat data verzamelen en opschonen, algoritmen kiezen, trainen, valideren met metrics zoals RMSE of een confusion matrix, deployen en opnieuw trainen zodra nieuwe data binnenkomt. Veelgenoemde hulpmiddelen zijn Python, PyTorch, TensorFlow, scikit-learn en feature stores zoals Amazon SageMaker of Databricks.

Een AI Engineer begint meestal met een bestaand groot model dat via een API beschikbaar is. Die koppelt het model aan een product, bijvoorbeeld een supporttool, interne zoekfunctie of agent voor meerstapstaken. Een LLM Engineer vormt daarvan een smallere variant, gericht op taalmodellen. Daar komt fine-tuning bij: de gewichten van een vooraf getraind model aanpassen voor een specifieke toepassing.

Waarom ML Engineer, AI Engineer en LLM Engineer belangrijk zijn

De functietitel vertelt niet betrouwbaar wat je dagelijks bouwt. Het verschil zit in eigenaarschap: de ML Engineer beheert een model en de productiewerking ervan, de AI Engineer verbindt een bestaand model met een product en de LLM Engineer werkt dieper aan taalmodellen en fine-tuning.

Dat onderscheid helpt ook bij het lezen van vacatureteksten. Een rol met API-koppelingen en evaluatiecode vraagt een ander profiel dan een functie met LoRA of PyTorch-training. De genoemde tools geven vaak meer informatie dan het label bovenaan de vacature.

Concrete takeaway voor ML Engineer, AI Engineer en LLM Engineer

Lees eerst welke output je moet bouwen, beheren en blijven draaien. Zoek daarna pas naar de titel. Controleer vooral of de vacature modeltraining, productintegratie, retrieval, evaluatie of fine-tuning met LoRA noemt.