Embedded engineers: waarom je AI oplossingen deze personen nodig heeft

Embedded engineering is opeens overal. Vacatures stegen met meer dan 800% in 2025, OpenAI schaalt hun embedded engineering team op, Anthropic is van plan het hunne te vervijfvoudigen, en a16z noemde het de populairste baan in tech.

Wij moesten glimlachen toen we dat lazen, want zo werken wij al vanaf het begin.

Wat er veranderd is

Tien jaar lang verkocht de tech-industrie software als toegang. Koop een licentie, log in, zoek het uit. SaaS werkte uitstekend, totdat AI in beeld kwam.

AI is geen tool waar je op inlogt, het is een capability die je in je bedrijfsvoering integreert. En bedrijfsvoering kan rommelig zijn: elk bedrijf heeft andere data, andere workflows, andere legacy-systemen die niemand helemaal begrijpt.

Die kloof tussen wat AI kan en wat het daadwerkelijk doet binnen een echt bedrijf? Dat is waar embedded engineers zich bevinden.

Waarom 2026 het kantelpunt is

Er komen op dit moment drie dingen samen.

De slinger tussen bouwen en kopen zwaait terug. Bedrijven realiseren zich dat generieke SaaS AI je niet onderscheidt; het automatiseert voor iedereen hetzelfde. Custom software, gebouwd rondom jouw specifieke processen, jouw data, jouw uitzonderingen, dát is waar concurrentievoordeel écht zit.

AI agents bewegen van demo's naar productie, en productie is een heel ander verhaal. Je hebt engineers nodig die zowel de technologie als de business context begrijpen. Niet het een of het ander, maar allebei in dezelfde persoon.

Tot slot verzetten bedrijven zich tegen de kostenexplosie van SaaS: abonnementen stapelen zich op en vendor lock-in wordt steeds dieper. Ondertussen zijn de tools om custom oplossingen te bouwen nog nooit zo goed of goedkoop geweest. De businesscase voor maatwerksoftware verschuift in hoog tempo.

Wat we geleerd hebben door zo te werken

Bij Stackhavn werken onze engineers niet vanuit een backlog die iemand anders heeft geschreven. Ze zitten bij jouw team, zodat ze jouw domein kunnen leren kennen. Ze bouwen software die past bij jouw werkelijkheid, niet bij een demo-omgeving.

Dit is hoe dat er in de praktijk uitziet.

De eerste week is vooral luisteren. We brengen de werkelijke workflow in kaart, niet de gedocumenteerde versie, maar de echte. Die met workarounds, stamkennis, en dat ene Excel-bestand waar niemand over wil praten. Dit is waar de meeste AI-projecten de mist in gaan: ze automatiseren het proces op papier, niet het proces dat daadwerkelijk bestaat.

Daarna bouwen we samen, zo snel mogelijk en met constante iteratie. Werkende prototypes in dagen in plaats van maanden. Maar hier zit het cruciale punt: we bouwen custom software voor jouw bedrijf, geen configuraties van andermans platform.

Na de bouwfase onderhouden we het systeem door middel van testen, iteratie, edge cases, en de onvermijdelijke "maar wat als dit gebeurt"-momenten die pas naar boven komen als echte gebruikers op een echt systeem werken. Dat is geen fout in het ontwikkelproces. Dat ís het proces.

Ongeschreven kennis

Eén ding dat we op de harde manier hebben geleerd: bedrijven denken dat hun processen gedocumenteerd zijn. Maar standaard werkprocedures zijn bedrijfsfictie. Ze beschrijven hoe werk zou moeten gebeuren, geschreven door iemand die dat werk drie jaar geleden voor het laatst deed. AI-systemen hebben gedragsgetrouwheid nodig: hoe het werk écht gedaan wordt.

Embedded engineers ontdekken dit door ingebed te zijn. Je kunt het niet boven tafel krijgen in een discovery workshop. Je krijgt het boven tafel door naast de persoon te zitten die het werk doet en te kijken waar ze daadwerkelijk klikken, overslaan en omheen werken.

Die proceskennis is goud waard, en het komt alleen aan het licht wanneer engineers embedded zijn binnen je bedrijf.

Custom software is het product

Hier wijkt ons model af van de meeste AI-agencies. Wij bouwen en integreren producten in plaats van proof of concepts.

Het verschil doet ertoe, want een proof of concept laat zien dat iets mogelijk is. Een product werkt om drie uur 's nachts op zondag zonder dat er een engineer meekijkt. Het gaat netjes om met fouten, het schaalt, en het heeft een visie op de gebruikerservaring.

In 2026 heeft geen enkel bedrijf nog een demo nodig. Ze hebben custom AI-software nodig die hun bedrijfsvoering beter laat draaien dan voorheen. Software die weerspiegelt hoe ze daadwerkelijk werken, niet hoe een SaaS-leverancier dacht dat ze misschien zouden werken.

Dat vereist engineers die kunnen denken als productbouwers én kunnen opereren als ingebed teamlid. Die combinatie is wat embedded engineering laat werken.

Niet voor iedereen

Laten we eerlijk zijn. Je hebt geen embedded engineer nodig om een chatbot in te pluggen. Als iets uit de doos werkt, gebruik dan iets uit de doos.

Maar als je in een gereguleerde sector zit, een complexe operationele omgeving, of een branche waar AI met echte consequenties moet omgaan, dan is dit model een gamechanger. Denk aan vastgoed, gezondheidszorg, juridisch, logistiek, onderwijs of maakindustrie. Waar de data rommelig is, de belangen hoog, en een generieke oplossing een risico.

Dit zijn de sectoren waar wij ons op richten, en precies daar levert embedded engineering de meeste waarde.

Het grotere plaatje

De opkomst van embedded engineering is geen wervingstrend, maar een signaal. De industrie wordt wakker en beseft iets dat altijd al waar was: het moeilijkste van AI is niet het model, maar de laatste kilometer.

AI laten werken in een gecontroleerde omgeving is engineering. AI laten werken binnen een echt bedrijf, met echte mensen, echte data en echte druk? Dat is vakmanschap. En het vereist mensen die net zo op hun plek zijn in een overleg bij de klant als in een codebase.

Wij doen dit vanaf het begin. Fijn om te zien dat de rest van de industrie bijtrekt.