Rabobank zoekt specialist om AI-platform voor duizenden medewerkers betrouwbaarder te maken
Rabobank zoekt een AI-engineer voor de verdere ontwikkeling van een intern AI-platform dat volgens de bank al door duizenden medewerkers wordt gebruikt. Een op 23 oktober 2026 gepubliceerde opdracht laat zien waar de Utrechtse bank in investeert: betere zoekresultaten, controleerbare antwoorden en het meten van fouten binnen een productieomgeving.
De opdracht betreft een specialist in Retrieval Augmented Generation, kortweg RAG. Die techniek combineert taalmodellen met informatie uit bestaande gegevensbronnen, zodat een AI-toepassing antwoorden formuleert op basis van documenten die binnen de organisatie beschikbaar zijn.
Opvallend is dat het niet om een experiment gaat. Volgens de opdrachtomschrijving draait het platform al in productie en vormt het de technische basis voor meerdere AI-producten binnen Rabobank. De bank wil vooral verbeteren hoe het systeem relevante informatie terugvindt en hoe nauwkeurig de daarop gebaseerde antwoorden zijn.
Werk aan foutanalyse, niet aan nieuwe functies
Rabobank bevestigt in de opdrachtomschrijving dat het platform duizenden interne gebruikers bedient. Het exacte aantal, de namen van aangesloten applicaties en de hoeveelheid verwerkte documenten zijn niet openbaar gemaakt.
De gezochte specialist werkt 36 uur per week aan kwaliteitsverbetering: het onderzoeken van foutieve antwoorden, het ontwikkelen van nieuwe zoekstrategieën en het uitvoeren van gecontroleerde experimenten. Daarbij horen concrete technische methoden, zoals documenten anders opdelen zodat relevante passages beter terug te vinden zijn, en het vergelijken van verschillende manieren om teksten naar zoekbare vectoren om te zetten.
Als vereiste kennis noemt de bank onder meer Python, Databricks, Azure en evaluatiesoftware. De opdracht loopt volgens de gepubliceerde planning tot 31 augustus 2027, waarbij verschillende bemiddelingskanalen afwijkende startdatums vermelden. Een investeringsbedrag voor het platform is niet bekendgemaakt.
Kwaliteit van AI als doorlopend softwareproces
De opdracht vraagt niet iemand die nieuwe AI-functies bedenkt, maar iemand die aantoont waar bestaande antwoorden tekortschieten. Daarvoor moeten testgegevens, gebruikersfeedback en technische meetwaarden worden gecombineerd.
Het systeem moet bovendien automatisch kunnen signaleren wanneer een softwarewijziging de kwaliteit van antwoorden verslechtert. De opdracht vraagt expliciet ervaring met reproduceerbare experimenten en het statistisch beoordelen van resultaten. Daarmee behandelt Rabobank de betrouwbaarheid van AI als iets dat doorlopend gemeten wordt, zoals bij andere software.
Welke fouten op dit moment het vaakst voorkomen en welke verbeterdoelen zijn vastgesteld, heeft de bank niet bekendgemaakt.
Duiding: hier zit een markt voor Nederlandse softwarebedrijven
Een concrete kans voor Nederlandse softwareondernemers ligt in gereedschap om AI-toepassingen te testen en te bewaken. Deze opdracht laat zien dat een grote organisatie meer nodig heeft dan een werkend taalmodel: software die foutieve antwoorden opspoort, zoekresultaten vergelijkt en kwaliteitsmetingen automatiseert. Voor wie zelf een RAG-toepassing bouwt, is de opdracht ook een gratis checklist van wat er bij productiegebruik komt kijken, van documentsegmentatie tot regressiedetectie.
Het risico is dat organisaties AI breed uitrollen voordat de betrouwbaarheid meetbaar is. Onjuiste informatie wordt dan door veel medewerkers tegelijk gebruikt, en bij een bank raakt dat klantdossiers. Voor kleinere SaaS-bedrijven kunnen uitgebreide testprocedures bovendien kostbaar zijn. De opdracht toont waar Rabobank capaciteit voor zoekt, niet dat de verbeteringen al zijn gerealiseerd. Dit is redactionele duiding.
Meer informatie
Primaire bron: de gepubliceerde opdracht voor een AI-engineer op het RAG-platform
Aanvullende bron: dezelfde aanvraag via een ander bemiddelingskanaal