Skills Map van AI Engineering van Andrew Ng: Wat Enterprise-teams Moeten Standaardiseren

De map van Andrew Ng is een vaardighedenframework, geen productarchitectuur. Dit artikel stelt een specifiekere enterprise-vraag: welke mechanismen moeten engineers begrijpen en beheren, en welke herhaalbare runtime-, access-, governance-, hergebruik- en evidence-primitieven kan een platform standaardiseren zonder die beoordeling te vervangen?

De vier hoofdvaardigheden van Andrew Ng zijn bedrieglijk eenvoudig:

1. Het bouwen en deployen van AI-applicaties
2. Software engineering fundamentals
3. Het gebruiken van coding agents
4. Vormgeven aan de build

Het nuttige signaal is wat de lijst weigert samen te voegen. AI engineering wordt niet gereduceerd tot prompting; coding agents wissen software-fundamentals niet uit; deployment is onderdeel van het ambacht; en product judgment staat naast de implementatie. De map behandelt AI engineering daarom als een combinatie van systeemwerk, software engineering, agent-assisted development en beoordeling.

1. Een skills map is geen product-checklist

De verkeerde manier om Ng's map te gebruiken, is door vier vakjes te tekenen en te beweren dat een platform elk vakje "oplost". Vaardigheden zijn menselijke capaciteiten. Product judgment, architectuurbeoordeling, debugging-vaardigheden, evaluatie-ontwerp en klantbegrip verdwijnen niet omdat een bedrijf infrastructuur koopt.

De nuttigere enterprise-vertaling is deze: standaardiseer de herhaalbare mechanismen, zodat engineers meer van hun schaarse beoordelingsvermogen kunnen besteden aan de onderdelen die echt om beoordeling vragen.

2. Het bouwen en deployen van AI-applicaties: hier is de platform-map het sterkst

Ng's vervolgartikel van 21 augustus verdeelt het bouwen en deployen van AI-applicaties in zes capaciteiten: LLM foundations, grounding van modellen met data, het bouwen van agentic systems, evaluation-driven development, werken in productie en machine-learning foundations. Het belangrijke punt is dat dit engineeringvaardigheden zijn, geen leverancierscategorieën. Een platform kan delen van het werk operationaliseren; het kan het inzicht in waarom een specifieke architectuur, model, evaluator of failure policy geschikt is, niet vervangen.

LLM foundations → AI Gateway kan toegang standaardiseren, niet inzicht

Engineers moeten nog steeds modelgedrag begrijpen: context windows, caching, knowledge cutoffs, sampling, reasoning effort, tool calling, latency, kosten en provider-specifiek gedrag. TrueFoundry AI Gateway kan standaardiseren hoe gerouteerd modelverkeer wordt benaderd en beheerd—geünificeerde API's, routing en fallbacks, RBAC, rate limits, budgetten, guardrails en OpenTelemetry-compatibele observability—maar het neemt de noodzaak om die model-tradeoffs te begrijpen niet weg.

Grounding van modellen met data → beheerde toegang, geen "RAG in a box"

Ng behandelt grounding als een menu van architectuuropties in plaats van een synoniem voor vector search: engineers kunnen kiezen voor prompt-context, retrieval, tool calls, vector-indexen, knowledge graphs, semantic layers over gestructureerde data, of combinaties daarvan. Er is geen universele "grounding → MCP Gateway"-mapping. Wanneer een applicatie retrieval of datatoegang via MCP-tools beschikbaar stelt, kan MCP Gateway dat toegangspad beheren via discovery, authenticatie, autorisaties op tool-niveau, downstream credentials, guardrails, goedkeuringen, observability en audit. Als grounding rechtstreeks in de applicatie plaatsvindt of via een vector store, knowledge graph of semantic layer die geen gebruikmaakt van MCP, blijft dat pad buiten MCP Gateway.

Het bouwen van agentic systems → architectuur eerst; TrueForge sluit aan bij de harness/runtime-tak

Ng's uitbreiding van 21 augustus behandelt agentic systems als een architectuurspectrum in plaats van een enkele frameworkkeuze. Aan het ene uiteinde kan een applicatie een redelijk expliciete workflow van model-calls uitvoeren. Aan het meer open uiteinde laat een agent harness het model herhaaldelijk zijn volgende stap kiezen, terwijl de omringende runtime tools, context, uitvoering, veiligheidsgrenzen en voortzetting beheert. Daartussenin bevinden zich hybride systemen die een expliciete workflowstructuur combineren met agentic nodes.

Dat betekent dat de onderliggende vaardigheid architectuurbeoordeling is: beslissen wat deterministisch moet zijn, wat aan een model moet worden gedelegeerd, wat parallel mag draaien, welke tools het systeem mag aanroepen, hoe geheugen en context voor lange sessies moeten werken, wanneer meerdere agents helpen, en welke fallbacks, guardrails en governance vereist zijn.

TrueForge sluit sterk aan bij de harness/runtime-tak van die ontwerpruimte. De documentatie definieert een open-source agent harness dat de model/tool-loop uitvoert, verbinding maakt met MCP-servers, context voor lange taken beheert, geïsoleerde sandbox-uitvoering als een tool behandelt, pauzeert voor menselijke goedkeuring, subagents ondersteunt en sessies behoudt bij opnieuw verbinden en herstarten.

De mapping wordt concreet in de AgentSpec. Een herbruikbare agent-definitie kan het model en de parameters, instructies, MCP-servers en tool-filters, het goedkeuringsbeleid, Skills, sandbox-gedrag, contextbeheer, het responsformaat en de iteratielimiet specificeren. Dat zijn runtime-keuzes die een engineer nodig kan hebben bij het implementeren van een agent-harness-architectuur.

Evaluation-driven development → gestructureerde evidence, geen ingebouwde evaluator

Ng behandelt gedisciplineerde evaluatie en foutenanalyse als een kernvaardigheid van AI-engineering. De implicatie voor het platform is niet "koop een evaluator." Het is dat evaluaties betrouwbare evidence nodig hebben over wat er daadwerkelijk is gebeurd: bewaarde prompts en responsen, model/tool-keuzes, tussenstappen, fouten, latency, kosten en de omringende taakcontext.

TrueForge maakt zijn runtime-structuur expliciet via een Agent → Session → Turn → Event → Delta-model. De documentatie maakt een precies onderscheid tussen deze objecten:

Het Event-model is technisch nuttig omdat de documentatie ook een event ID, een thread_id die de root agent onderscheidt van subagent-threads, en sequentie-informatie specificeert die wordt gebruikt bij het hervatten na een verbreking. Dat levert gestructureerde evidence van de uitvoering op in plaats van één enkel ondoorzichtig eindantwoord.

Voor verkeer dat via TrueFoundry Gateways wordt gerouteerd, voegen traces en metrics op de model- en MCP-grenzen nog een evidence-laag toe. Maar de grens blijft belangrijk: events en traces bepalen niet of een antwoord correct was, een tool-actie passend was of een zakelijk resultaat succesvol was. De applicatie heeft nog steeds taakspecifieke datasets, deterministische bepalingen, LLM-judges waar gepast, menselijke beoordeling of andere evaluatielogica nodig.

Werken in productie → gedeelde controls rond de runtime

Ng's productie-tak omvat observability, failures, beveiliging, regressietesten en tradeoffs tussen kosten en latency. Hier is de TrueFoundry-mapping het sterkst wanneer deze wordt geformuleerd als gedeelde operationele controls, en niet als vervanging voor production engineering.

AI Gateway documenteert geünificeerde modeltoegang, gedetailleerde access control, rate limiting, load balancing voor virtuele modellen met retries/fallbacks, budgetbeperking, guardrails en OpenTelemetry-compatibele metrics/logging voor het modelverkeer dat erdoorheen wordt gerouteerd. MCP Gateway voegt gecentraliseerde zichtbaarheid en beleid toe rond MCP-toolverkeer, inclusief pre/post-tool guardrails, goedkeuringsworkflows en audit-records. Agent Registry biedt een catalogus plus gecentraliseerde metrics en traces voor geregistreerde agents, inclusief remote agents.

Die mogelijkheden kunnen dubbele operationele plumbing in verschillende teams verminderen. Ze definiëren niet de SLO's, het incidentenbeleid, de rollback-semantiek, de idempotentie-strategie, de vereisten voor dataretentie of de bedrijfsspecifieke afhandeling van storingen van de applicatie.

Machine-learning foundations → nog steeds foundations

Er is hier bewust geen productvervanging. Het begrijpen van bias/variantie, datakwaliteit, evaluatie, model-tradeoffs en de dynamiek van het leerproces blijft een menselijke vaardigheid. Infrastructuur kan de workflow ondersteunen, maar kan de mentale modellen die nodig zijn om over onzekere outputs te redeneren niet vervangen.

3. Software-engineering fundamentals zijn belangrijker wanneer agents meer code schrijven

Ng's vervolgartikel van 28 augustus maakt de relatie met coding agents expliciet: software-fundamentals blijven essentieel omdat engineers nog steeds tradeoffs moeten herkennen en bijsturen die de agent niet alleen uit de zakelijke context kan afleiden. Hij organiseert deze tak rond het bouwen van full-stack applicaties, het beheren van data, het ontwerpen van systeemarchitecturen, het veilig en betrouwbaar maken van systemen, en het schalen en werken in productie.

De TrueFoundry-mapping is hier bewust indirect. Een platform kan sommige implementatie-primitieven standaardiseren—authenticatie en autorisatie bij gedeelde grenzen, toegangscriteria voor modellen/tools, budget/rate-controls, sandbox-isolatie, de permanente runtime-status van agents en telemetrie—maar het kan de kennis van de engineer over datamodellen, consistentie, testen, failure domains, beveiligingsontwerp of systeemarchitectuur niet leveren.

Het principe is eenvoudig: coding agents kunnen de implementatie versnellen, maar de architectuur bepaalt nog steeds de vorm van de storing.

4. Het gebruiken van coding agents: beheer de omgeving eromheen

Ng maakt van het gebruiken van coding agents een afzonderlijke vaardigheid op het hoogste niveau. In de oorspronkelijke Skills Map gaat dit over de operationele vaardigheid van de ontwikkelaar zelf: het hebben van een nuttig mentaal model van hoe coding agents werken en falen, het beheren van hun context, het beslissen hoeveel autonomie ze krijgen, het aanleveren van verifiers of evals, weten wanneer in te grijpen en de workflow voortdurend bijwerken naarmate de tools veranderen.

Dat is niet iets wat TrueFoundry kan vervangen. De natuurlijke productmapping heeft enkel betrekking op onderdelen van de omgeving rond coding agents. Voor compatibele coding clients die MCP gebruiken, kan MCP Gateway de server-discovery, inkomende authenticatie, access control op tool-niveau, downstream credentials, guardrails, goedkeuringen en audit centraliseren. Dat kan het tool-oppervlak consequenter en beheersbaarder maken voor verschillende gebruikers en clients.

Skills Registry pakt een ander probleem aan: herbruikbare procedurele kennis. TrueFoundry documenteert Skills als geversioneerde artefacten die eenmalig gepubliceerd kunnen worden en hergebruikt kunnen worden over TrueFoundry Agents, Claude Code en Cursor, waarbij ze repository-RBAC, versiehistorie en auditlogs erven.

5. Vormgeven aan de build: de zwakste productmapping is de belangrijkste

De vierde tak is de minste geschikte plek voor productpromotie. Ng's benadering beweegt stroomopwaarts van de implementatie naar productgevoel, zakelijke context, klantdoelen, eigenaarschap, de selectie van waardevolle problemen en de beoordeling van wanneer een MVP geleverd moet worden versus wanneer risico of kwaliteit vraagt om een zorgvuldigere opbouw.

Geen enkele gateway, harness, registry of dashboard levert die beoordeling. Infrastructuur kan de feedback-loop verbeteren: gerouteerd gateway-verkeer kan gebruik, latency, fouten en uitgaven inzichtelijk maken; Agent Registry kan metrics en traces voor geregistreerde agents centraliseren; budget-controls kunnen experimenten begrenzen. Dat zijn inputs voor de beoordeling, geen vervangers voor het beslissen wat er gebouwd moet worden of welk resultaat van belang is.

Dit is de nuttige enterprise-interpretatie van de map: standaardiseer niet-gedifferentieerde mechanismen, zodat engineers meer tijd kunnen besteden aan architectuur, evaluatie, klantbegrip en productbeslissingen die niet gecentraliseerd kunnen worden.

6. De enterprise-versie van de skills map

Als Ng's map de moderne engineer beschrijft, moet een enterprise AI-platform een parallelle vraag beantwoorden: wat moet elke engineer standaard krijgen?

7. De grotere verschuiving: van individuele vaardigheid naar institutionele capaciteit

Het belangrijkste enterprise-gevolg van Ng's skills map is wellicht dat AI engineering te breed wordt om door individuele heldendaden te worden geoperationaliseerd.

Een uitstekende engineer begrijpt misschien modellen, RAG, agents, evals, gedistribueerde systemen, beveiliging, coding agents, product-tradeoffs en operations. Maar als elke engineer in elk project ook weer modeladapters, credential-afhandeling, MCP-discovery, tool-autorisatie, goedkeuringsstatus, kostentoewijzing en tracing moet bouwen, verspilt de organisatie die expertise aan niet-gedifferentieerde infrastructuur.

Een sterkere taakverdeling is:

• Engineers zijn eigenaar van de beoordeling: architectuur, evaluatie-ontwerp, model/tool-keuze, product-tradeoffs, foutenanalyse en wat er gebouwd moet worden.
• TrueForge levert de open agent harness/runtime: herbruikbare mechanismen voor het draaien van model/tool-loops met context, tools, sandboxing, goedkeuringen, status, subagents en events.
• TrueFoundry Gateways bieden gedeelde beleidsgrenzen: model- en MCP-toegang, routing, budgetten, guardrails, credentials, goedkeuringen, audit en telemetrie voor verkeer dat bewust via hen wordt gerouteerd.
• Systems of record blijven leidend: bedrijfsdata, rechten en neveneffecten blijven bij de systemen die er eigenaar van zijn.

Referenties

1. Andrew Ng / DeepLearning.AI — “The AI Engineering Skills Map” (14 aug. 2026). Primaire framework en methodologie.
2. Andrew Ng — Writing. Officiële index voor de vervolgartikelen “Building and Deploying AI Applications” van 21 aug. en “Software Engineering Fundamentals” van 28 aug.
3. Andrew Ng — “Building and Deploying AI Applications” (21 aug. 2026). Gedetailleerde uitbreiding van het eerste vaardigheidsdomein.
4. TrueForge — Introductie. Definitie van de harness en gedocumenteerde execution-loop capabilities.
5. TrueForge — Een Agent maken. AgentSpec-velden en runtime-opties.
6. TrueForge — SDK Concepts: Event. Agent/Session/Turn/Event/Delta-semantiek en event-metadata.
7. TrueFoundry — Introductie tot AI Gateway.
8. TrueFoundry — MCP Gateway Overzicht.
9. TrueFoundry — MCP Gateway Authenticatie en Beveiliging.
10. TrueFoundry — Skills Registry.
11. TrueFoundry — Agent Registry.

Redactionele verklaring: Andrew Ng en DeepLearning.AI zijn niet gelieerd aan dit artikel en ondersteunen TrueFoundry niet. Hun AI Engineering Skills Map wordt gebruikt als een extern kader; alle infrastructuur-mappings zijn redactionele analyses van TrueFoundry. Productfunctionaliteiten zijn opnieuw gecontroleerd aan de hand van openbare TrueFoundry- en TrueForge-documentatie die beschikbaar was op 31 augustus 2026.

‍

‍