1. Kernactiviteiten & Rollen (Realisatie)¶
Doel
Overzicht van de kernactiviteiten en rolverdelingen tijdens de Realisatiefase, van data-automatisering tot modelontwikkeling en testvalidatie.
1. Kernactiviteiten¶
Datastromen Automatiseren¶
Het opzetten van pipelines die data automatisch opschonen en aanleveren (geen handwerk meer).
- Data Pipelines: Geautomatiseerde ETL-processen (Extract, Transform, Load)
- Kwaliteitscontroles: Automatische validatie van inkomende data
- Versiebeheer: Tracking van data-wijzigingen en lineage
RAG & Fine-tunen¶
Het verbinden van de AI aan interne documenten en het Fine-tunen voor optimale prestaties.
- RAG: Verbinden van de AI aan interne documenten, FAQ's, procedures.
- Prompt Engineering: Optimaliseren van de Prompts.
- Model-Afstelling: Aanpassen van parameters voor specifieke gebruikscasus.
Specificatie-eerst Methode¶
We schrijven eerst de verwachte uitkomst (de test), dan pas de implementatie. Zo borgen we kwaliteit.
- Test-Driven Development voor AI: Definieer eerst wat het systeem moet doen.
- Acceptatiecriteria: Heldere, meetbare eisen per functionaliteit.
- Geautomatiseerde Tests: Continue validatie bij elke wijziging.
Variant: SaaS & Inkoop (Buy vs. Build)¶
Niet alle AI-oplossingen worden zelf gebouwd. Bij aanschaf van standaard AI-software (SaaS) verandert de focus van de Realisatie-fase:
- Van Bouwen naar Configureren: Focus op het instellen van de juiste systeem-prompts, RAG-kennisbronnen en veiligheidsfilters binnen de leveranciersomgeving.
- Validatie blijft Identiek: Ook een gekochte tool moet slagen voor de Validatiepilot (PoV) en de Golden Set test voordat deze live gaat. Vertrouw niet blind op de "demo" van de leverancier.
- Modelkaart wordt Configuratiekaart: Documenteer welke instellingen, plugins en data-connecties actief zijn.
- Vendor Lock-in Check: Controleer of data en logs exporteerbaar zijn voor compliance (EU AI Act).
Validatie op Drie Niveaus¶
Elke wijziging wordt getoetst op drie dimensies:
Syntactisch¶
- Vraag: Werkt de code? Geen crashes of errors?
- Check: Unit tests, integration tests
Technische Realisatie & Pijplijnen¶
- Data Pipelines: Inrichten van robuuste stromen voor training en inferentie.
- Automated Gates (Governance-as-Code): Integreer de Harde Grenzen en succes-metrics direct in de CI/CD-pipeline.
- Voorbeeld: De build faalt automatisch als de bias-score te hoog is of de accuraatheid onder de drempelwaarde zakt.
- Continuous Testing (CT): Geautomatiseerde evaluatie van model-outputs bij elke wijziging in de Prompts.
Gedrag¶
- Vraag: Doet het wat we verwachten?
- Check: Functionele tests, regressie tests
Doelgericht¶
- Vraag: Helpt het de gebruiker? Levert het waarde?
- Check: User acceptance testing, A/B testing
2. Team & Rollen¶
| Rol | Verantwoordelijkheid in Realisatie |
|---|---|
| Data Scientist | Responsible: Ontwikkeling van AI-modellen en RAG. |
| ML Engineer | Responsible: Bouwen van data pipelines en infrastructuur. |
| AI Product Manager | Accountable: Eigenaar van de product backlog en prioritering. |
| QA Engineer | Responsible: Uitvoeren van geautomatiseerde tests en validatie. |
| DevOps | Consulted: Adviseert over Ingebruikname en infrastructuur. |
5. Gerelateerde Modules¶
Sjablonen:
Verdieping:
Zie ook: Overzicht Fase 3 · Opleveringen
Volgende stap: Start de SDD-cyclus: schrijf de spec, leid de Golden Set af, bouw en valideer. → Gebruik de Technische Modelkaart als startpunt. → Zie ook: SDD Patroon | Validatierapport