Ohpen, een core-bankingplatform, zoekt iemand die de documentextractie voor hypotheekaanvragen overzet van vaste regels naar extractie met LLM's en met benchmarks aantoont dat het beter werkt.
Via de sollicitatiepagina van Ohpen (link op LinkedIn)
Ohpen levert cloud-native bankiersoftware. Binnen de Lending Suite zet de extractie-engine loonstroken, taxatierapporten en bankafschriften om in gestructureerde gegevens. Je tunet die engine, bouwt en implementeert LLM-extractie en onderhoudt een benchmarkloop die verbetering en achteruitgang laat zien. Je werkt in een klein squad met Product, Engineering, Lending Operations en klanten. Gevraagd zijn 1 tot 5 jaar technische ervaring en dagelijks werken met LLM's. Java, AWS en Nederlands zijn een pré.
Je vervangt regelgebaseerde documentextractie door LLM-extractie, met promptontwerp, modelkeuze, guardrails en evaluatiesets.
AI is het werk zelf.
Bouw vooraf een kleine evaluatieset met geanonimiseerde voorbeelddocumenten en vergelijk een paar prompts of modellen op extractienauwkeurigheid per veld. Zo'n reproduceerbare benchmark sluit precies aan op de werkwijze die Ohpen beschrijft.
Suggestie door AI Een idee voor een aanpak, geen eis van de opdrachtgever.
Deze opdracht gaat over bouwen onderzoeken verbeteren
Met een profiel op actiefai zie je in je portaal welke opdrachten bij jou passen, en reageer je op vragen van bedrijven die hier zelf iets uitzetten.
Deze pagina is met AI gemaakt op basis van de oorspronkelijke plaatsing bij LinkedIn. Kijk daar voor de precieze voorwaarden. Klopt er iets niet, of wil je dat deze opdracht hier niet staat? Laat het ons weten, dan halen we hem weg.