Data science is niet “dood”, maar wel sterk veranderd. Waar vroeger de focus lag op het zelf bouwen en trainen van modellen, draait het werk nu meer om het bouwen van systemen rondom bestaande AI‑modellen (zoals LLM’s).

De kern blijft vergelijkbaar:

• Vroeger: model → data → trainen → evalueren → itereren
• Nu: model → context → tools → evalueren → itereren

Het verschil zit vooral in hoe je systemen verbetert (niet meer via trainen, maar via prompts, context, tools en evaluatie).

De tekst benadrukt dat:

• Goede AI-oplossingen veel engineering vereisen (niet “even een LLM toevoegen”).
• Betrouwbaarheid, monitoring en evaluatie cruciaal zijn.
• Agent-based systemen (AI die acties kan uitvoeren) complexer zijn dan ze lijken.
• Observability (inzicht in wat het systeem doet) essentieel is om kwaliteit te waarborgen.

Conclusie:
Data science leeft nog steeds, maar verschuift richting systeemontwerp, software-engineering en het bouwen van AI‑agents. Vaardigheden evolueren, maar de rol blijft belangrijk.

Lees het volledige artikel van Simon hier. (in het engels)