Waarom data-ingenieurs AI-ingenieurs worden

Alejandro Aboy, Senior Data and AI Engineer bij Workpath, beargumenteert overtuigend dat beide rollen samensmelten: zo'n 80-90% van zijn werk raakt AI, maar hij kan het niet meer scheiden van data-architectuur. Zijn hiërarchie is concreet: data-modellering is goed voor 80% van de impact, RAG is in wezen de ETL van AI, en het schrijven van nauwkeurige kolom-beschrijvingen fungeert tegelijk als context-engineering voor LLM-systemen. Zijn advies om MCP-integraties te bouwen voor veelgebruikte tools en AI-output te behandelen als code die je bekritiseert in plaats van blind accepteert, sluit direct aan bij hoe teams met Claude Code en dbt in de praktijk werken. Het enige dat AI nog mist, aldus Aboy, is instinct - weten wanneer je níét moet handelen - en dat blijft het echte voordeel van ervaren data-ingenieurs in productie-omgevingen.