GenAI Engineer — High-Code to Production

Enexis; Netherlands; Hybrid; EUR 90,000 - 130,000; Full time

Job summary

Enexis zoekt een AI Engineer (High-Code) die generatieve AI van sandbox naar productie brengt. Je werkt aan de architectuur en platformcomponenten voor ons GenAI-ecosysteem en levert impact op netbeheeroperaties.

Je bouwt end-to-end oplossingen zoals RAG-systemen en AI-services in Python, met focus op governance, logging en observability voor LLM-workloads. Hybride werken en een stimulerend innovatieklimaat zijn onderdeel van de rol.

Qualifications

• Ervaring met generatieve AI en operationele AI-systemen.
• Ontwerpen van architectuur, standaarden en herbruikbare patronen voor GenAI.
• Programmeren in Python voor productieklare AI-services.
• Logging, monitoring en observability voor LLM-workloads.

Responsibilities

• Definiëren van architectuur, standaarden en herbruikbare patronen voor LLM-, RAG- en evaluatie-oplossingen.
• Bouwen en productierijp maken van high-code AI-oplossingen, services en API’s in Python.
• Ontwikkelen van RAG-modules met chunking, embeddings, re-ranking en hybride zoekstrategieën.
• Opzetten en verbeteren van evaluatie-frameworks, logging-standaarden en observability voor LLM-workloads.
• Inrichten en professionaliseren van LLMOps, inclusief versiebeheer, deployment, monitoring van tokengebruik en latency en het signaleren van model drift.
• Begeleiden van de overgang van proof of concept naar betrouwbare productieoplossing en coachen van collega’s binnen het GenAI-team.
• Adviseren over AI-usecases en bijdragen aan de AI-roadmap en AI-governance.

Skills

LLMs

RAG systemen

Python

LLMOps

Terraform

Azure OpenAI

Azure AI Search

High-code AI

Tools

Terraform

LLMOps tooling

Azure OpenAI Service

Azure AI Search

Job description

Enexis zoekt een AI Engineer (High-Code) die generatieve AI van sandbox naar productie brengt. Je werkt aan de architectuur en platformcomponenten voor ons GenAI-ecosysteem en levert impact op netbeheeroperaties.

Je bouwt end-to-end oplossingen zoals RAG-systemen en AI-services in Python, met focus op governance, logging en observability voor LLM-workloads. Hybride werken en een stimulerend innovatieklimaat zijn onderdeel van de rol.