AI-agenten zijn de grootste dreiging voor gegevensbeveiliging die u niet beheerst

Iets is het afgelopen jaar stilletjes veranderd in de beveiliging van ondernemingen, en de meeste organisaties hebben het gemist.

AI agents — autonome systemen die zelfstandig redeneren, handelen en interacteren met bedrijfsresources — zijn van pilotprojecten overgegaan naar productieprocessen. Ze passen cloudresource-allocaties aan, voeren meerstaps bedrijfsprocessen uit, doen databasequeries en communiceren met externe API’s. Ze doen dit met aanzienlijke zelfstandigheid, op machinesnelheid en vaak zonder continue menselijke controle.

En dit is het punt waar elke CISO zich zorgen over moet maken: de beveiligingsinfrastructuur die deze agents aanstuurt, heeft hun inzet niet bijgehouden. Niet eens in de buurt.

Het Cyber Pulse-rapport van Microsoft bevestigt dat meer dan 80% van de Fortune 500-bedrijven nu actieve AI agents inzetten, waarvan veel zijn gebouwd met low-code en no-code tools die agentcreatie in handen van zakelijke gebruikers leggen, niet alleen ontwikkelaars. Hetzelfde rapport geeft een duidelijke waarschuwing: deze agents “schalen sneller dan sommige bedrijven ze kunnen zien.” Die zichtbaarheidsgap is geen klein ongemak. Microsoft noemt het een bedrijfsrisico dat dringend bestuur en beveiliging vereist.

De vraag is niet langer of uw organisatie AI agents gaat gebruiken. Het is of u ze zult besturen voordat ze een datalek veroorzaken dat u niet kunt beheersen.

5 Belangrijkste Inzichten

1. AI Agents Schalen Sneller Dan Security Teams Ze Kunnen Zien. Meer dan 80% van de Fortune 500-bedrijven zet nu actieve AI agents in die zijn gebouwd met low-code en no-code tools. Het Cyber Pulse-rapport van Microsoft waarschuwt dat deze agents “sneller schalen dan sommige bedrijven ze kunnen zien”, wat een zichtbaarheidsgap creëert die het rapport expliciet als bedrijfsrisico benoemt. Wanneer autonome systemen zelfstandig kunnen redeneren, handelen en toegang hebben tot bedrijfsresources, is het ontbreken van governance geen lacune — het is een open deur.
2. Eén Op De Drie Organisaties Ziet Onbeheerde Data-toegang Door AI Agents Als Kritieke Bedreiging. Volgens het Proofpoint 2025 Data Security Landscape-rapport identificeert 32% van de organisaties onbeheerde data-toegang door AI agents als een kritieke bedreiging. Deze agents functioneren vaak als zeer bevoorrechte “superusers” en hebben toegang tot gevoelige data in cloud- en hybride omgevingen met veel minder toezicht dan een menselijke medewerker ooit zou krijgen.
3. AI Agents Kunnen Worden Gewapend Door Verborgen Instructies — Zonder Gebruikersinteractie. Trend Micro toonde aan dat multimodale AI agents gemanipuleerd kunnen worden via verborgen instructies in afbeeldingen of documenten, waardoor gevoelige data kan worden geëxfiltreerd zonder dat de gebruiker hoeft te klikken. Onderzoekers op arXiv bouwden een end-to-end aanval waarbij verborgen instructies op een malafide blogpagina een RAG-gebaseerde agent aanzetten om geheimen uit zijn kennisbank op te halen en deze naar een server van de aanvaller te sturen.
4. 44% Van De Organisaties Heeft Onvoldoende Toezicht Op Gebruik Van Generatieve AI. Proofpoint ontdekte dat 44% van de organisaties toegeeft onvoldoende toezicht te hebben op het gebruik van generatieve AI, inclusief tools en agents. De Cloud Security Alliance meldt een scherp bewustzijnsgat: 52% van de C-suite geeft aan bekend te zijn met AI-technologieën, tegenover slechts 11% van de medewerkers — juist de mensen die deze tools dagelijks gebruiken.
5. Het Governance-gat Is Een Financiële Tijdbom. Een gemiddeld datalek kost nu $4,88 miljoen (IBM Cost of a Data Breach Report, 2024). Boetes onder de EU AI-wet kunnen oplopen tot €35 miljoen of 7% van de wereldwijde jaaromzet. GDPR-boetes bedragen €20 miljoen of 4% van de omzet. Met AI-privacy-incidenten die met 56,4% per jaar stijgen (Stanford 2025 AI Index Report), lopen organisaties zonder aantoonbare AI-governance steeds meer financieel en juridisch risico.

De Agentic Workspace Is Er — en De Meeste Organisaties Hebben Geen Zicht Op Wat Erbinnen Gebeurt

Het Proofpoint 2025 Data Security Landscape-rapport introduceerde een term die het huidige moment perfect samenvat: de “agentic workspace”. Dit beschrijft een werkomgeving waarin AI-gedreven productiviteitstools en autonome agents gevoelige data verwerken naast mensen. De conclusie van het rapport is duidelijk — veel organisaties “ontberen het zicht en de controles om deze opkomende agentic workspace te besturen.”

De cijfers achter die conclusie vertellen een verontrustend verhaal. Bijna de helft van de respondenten noemt dataspreiding over cloud- en hybride omgevingen als topzorg. Twee op de vijf organisaties noemen dataverlies via publieke of bedrijfs-generatieve AI-tools als primaire zorg. Meer dan een derde maakt zich zorgen over het gebruik van gevoelige data in AI-modeltraining. En 32% van de organisaties ziet onbeheerde data-toegang door AI agents — vaak opererend als zeer bevoorrechte “superusers” — als een kritieke bedreiging.

Wat dit extra gevaarlijk maakt, is de kloof tussen perceptie en realiteit. De Cloud Security Alliance vond dat 52% van de C-suite aangeeft bekend te zijn met AI-technologieën, maar slechts 11% van het personeel zegt hetzelfde. Dat is een governance-kloof. De mensen die beslissingen nemen over AI-beleid overschatten vaak de gereedheid van hun organisatie, terwijl de mensen die AI-tools daadwerkelijk gebruiken onvoldoende kennis hebben om ze veilig te gebruiken.

Ondertussen geeft 44% van de organisaties toe dat ze onvoldoende toezicht hebben op het gebruik van generatieve AI. Dat geldt zowel voor de tools die medewerkers dagelijks gebruiken als voor de agents die steeds vaker in bedrijfsprocessen worden geïntegreerd.

Hoe AI Agents Worden Gewapend: Prompt Injection en Data-exfiltratie

Als de zichtbaarheidsgap het enige probleem was, zou het beheersbaar zijn. Maar AI agents creëren niet alleen passieve blootstelling. Ze kunnen actief worden bewapend — en het onderzoek dat dit aantoont is zowel recent als verontrustend.

Trend Micro’s onderzoek naar kwetsbaarheden van AI agents liet zien dat multimodale agents gemanipuleerd kunnen worden via verborgen instructies in afbeeldingen of documenten. De aanval vereist geen enkele gebruikersinteractie. Een document of afbeelding met verborgen prompts kan een agent aanzetten tot het exfiltreren van gevoelige data — waaronder persoonsgegevens zoals namen, burgerservicenummers en contactgegevens, financiële informatie, beschermde gezondheidsinformatie, bedrijfsgeheimen, authenticatiegegevens en vertrouwelijke geüploade documenten — zonder dat de gebruiker het ooit merkt.

Het aanvalsoppervlak strekt zich uit tot het web. Trend Micro toonde aan dat web-parsing agents verborgen kwaadaardige prompts op websites kunnen lezen, die de agent instrueren om in het geheugen opgeslagen data — zoals API-sleutels of contactgegevens — naar bestemmingen onder controle van de aanvaller te sturen. Als uitgaand verkeer is toegestaan, wordt de agent een onbewuste datapijplijn naar de aanvaller.

Onderzoekers die publiceren op arXiv gingen nog verder. Zij bouwden een complete end-to-end aanval op een retrieval-augmented generation (RAG) gebaseerde AI agent die tools gebruikte om een interne kennisbank met gevoelige projectgeheimen te bevragen en externe webinhoud op te halen. Een malafide blogpagina bevatte verborgen wit-op-wit instructies die voor menselijke gebruikers onzichtbaar waren. Toen de agent werd gevraagd de pagina samen te vatten, nam hij deze instructies op en voerde ze uit — hij haalde het geheim uit zijn kennisbank, plaatste het in een URL-parameter en stuurde het via dezelfde webzoektool naar een server van de aanvaller, bedoeld voor legitiem gebruik.

De conclusie van het artikel verdient aandacht van elke securityleider: huidige LLM agents met toolgebruik en RAG vertonen een “fundamentele kwetsbaarheid” voor indirecte prompt injection-aanvallen, en ingebouwde modelsafety is onvoldoende zonder extra verdedigingslagen.

Dit is geen theorie. Dit zijn aangetoonde exploits op precies het type agentarchitectuur dat bedrijven vandaag inzetten.

Drie Kwetsbaarheden Die Leiden Tot Een Crisis

Het risicolandschap van AI agents is te begrijpen aan de hand van drie samenkomende kwetsbaarheden die samen ongekende bedrijfsrisico’s creëren.

De eerste kwetsbaarheid is buitensporige data-toegang — de enorme hoeveelheid data die agents kunnen bereiken. AI agents hebben brede data-toegang nodig om effectief te functioneren. Maar die toegang creëert een enorm blootstellingsoppervlak. Organisaties hebben gemiddeld 15.000 verouderde maar nog actieve accounts met meer dan 31.000 verouderde rechten (Varonis 2025 State of Data Security Report), en elke AI agent die wordt ingezet, voegt een niet-menselijke identiteit toe aan dit toch al uitgestrekte aanvalsoppervlak. Traditioneel identity & access management is gebouwd voor mensen, niet voor machines. Het mist vaak de granulariteit om least-privilege access af te dwingen voor autonome systemen die data kunnen opvragen, verwerken en verzenden op snelheden die geen enkele menselijke gebruiker kan evenaren.

De tweede kwetsbaarheid is ongecontroleerd datagebruik — het type data dat agents kunnen verwerken en waar die data uiteindelijk terechtkomt. Onderzoek toont aan dat de grootste groep bedrijven — 27% — toegeeft dat meer dan 30% van de informatie die naar AI-tools wordt gestuurd, privédata bevat, waaronder burgerservicenummers, medische dossiers, creditcardinformatie en beschermd intellectueel eigendom. Nog eens 17% heeft helemaal geen zicht op wat medewerkers delen. Zodra deze data in de trainingsset van een publiek model terechtkomt, kan het niet meer worden teruggehaald, verwijderd of beheerst. De besmetting is permanent.

De derde kwetsbaarheid is agentmanipulatie — het misbruiken van agents via prompt injection, kwaadaardige skills en supply chain-aanvallen. AI agents die interacteren met externe diensten, plugins en agentnetwerken zijn kwetsbaar voor dezelfde indirecte prompt injection-aanvallen die Trend Micro en de arXiv-onderzoekers hebben aangetoond. Een gecompromitteerde AI-skill kan zich binnen enkele uren verspreiden over agentnetwerken. Autonome agents kunnen worden gemanipuleerd om inloggegevens te exfiltreren, toegang te krijgen tot gevoelige bestanden en compliance-overtredingen te veroorzaken — allemaal op machinesnelheid, veel sneller dan een menselijke insider threat.

Deze drie kwetsbaarheden staan niet op zichzelf. Ze versterken elkaar. Een agent met buitensporige toegang die ongecontroleerde data verwerkt en kwetsbaar is voor manipulatie is niet alleen een risico — het is een datalek dat staat te gebeuren.

Shadow AI Maakt Alles Erger

Bovenop deze structurele kwetsbaarheden komt het shadow AI-probleem. Bijna de helft van de gebruikers van generatieve AI vertrouwt op persoonlijke, niet-goedgekeurde AI-applicaties die volledig buiten het zicht van de organisatie opereren. Medewerkers uploaden routinematig broncode, gereguleerde data en intellectueel eigendom naar deze tools voor samenvatting, debugging en contentgeneratie — vaak zonder te beseffen dat de data kan worden gebruikt om publieke modellen te trainen.

De schaal is verbluffend. De gemiddelde organisatie ervaart 223 AI-gerelateerde databeleidsovertredingen per maand, waarbij broncode goed is voor 42% van de incidenten en gereguleerde data voor 32% (Netskope Cloud and Threat Report 2026). AI-privacy-incidenten stegen met 56,4% op jaarbasis (Stanford 2025 AI Index Report). En 98% van de bedrijven heeft medewerkers die niet-goedgekeurde applicaties gebruiken, gemiddeld 1.200 niet-officiële apps per organisatie (Varonis 2025 State of Data Security Report).

Slechts 17% van de organisaties heeft technische controles die toegang tot publieke AI-tools blokkeren in combinatie met DLP-scanning. Nog eens 40% vertrouwt uitsluitend op training en audits. En 13% heeft helemaal geen beleid.

AI volledig blokkeren is niet de oplossing — en elke organisatie die het heeft geprobeerd, weet dat. Medewerkers vinden omwegen. Ze gebruiken persoonlijke accounts. Ze uploaden data naar gratis tools via hun telefoon. Het resultaat is niet minder AI-gebruik. Het is onzichtbaar AI-gebruik, wat veel gevaarlijker is.

Het Governance-gat Is Groter Dan Organisaties Toegeven

Ondanks deze toenemende risico’s zijn de meeste organisaties niet voorbereid. Slechts 12% heeft een toegewijde AI-governancestructuur, terwijl 55% helemaal geen framework heeft. Slechts 9% bereikt wat analisten beschouwen als een “klaar” niveau van AI-governance-maturiteit, ondanks dat 23% beweert “zeer goed voorbereid” te zijn — een overmoedkloof van 14 punten die op zichzelf al een risico vormt.

Ondertussen heeft 86% van de organisaties geen zicht op AI-datastromen, en noemt 45% druk om snel te implementeren als grootste obstakel voor governance. Onder technische leiders loopt dat cijfer op tot 56%. Het resultaat is een patroon dat zich in alle sectoren herhaalt: organisaties zetten AI agents in productie terwijl hun governance-, beveiligings- en compliance-infrastructuur nog is ontworpen voor een wereld waarin alleen mensen toegang hadden tot gevoelige data.

De regelgeving wacht niet tot organisaties bij zijn. Alleen al het afgelopen jaar zijn er 59 nieuwe privacyregels aangenomen. De EU AI-wet legt boetes op tot €35 miljoen of 7% van de wereldwijde jaaromzet voor ernstige overtredingen. GDPR-boetes kunnen oplopen tot €20 miljoen of 4% van de omzet. Sectorspecifieke vereisten onder HIPAA, SOX, GLBA en CMMC voegen extra compliance-verplichtingen toe die direct samenhangen met hoe AI agents gevoelige data benaderen, verwerken en verzenden.

Zero Trust Voor AI Agents: Het Passende Beveiligingsmodel

Het Cyber Pulse-rapport van Microsoft beschrijft de oplossing in termen die de meeste securityprofessionals al kennen: Zero Trust. Het rapport past dezelfde Zero Trust-principes toe op agents als op menselijke gebruikers — least-privilege access, expliciete verificatie van “wie of wat” toegang vraagt, en een aanname van compromittering als ontwerpprincipe.

Dit framework is intuïtief logisch. AI agents zijn identiteiten. Ze authenticeren, vragen toegang, ondernemen acties. Het feit dat ze niet menselijk zijn, maakt ze niet minder gevaarlijk — het maakt ze gevaarlijker, omdat ze opereren op snelheden en schaal die beveiligingscontroles voor mensen nooit aankonden.

Zero Trust toepassen op de agentic workspace betekent dat elke AI agent moet worden behandeld als een aparte identiteit die authenticatie en autorisatie vereist. Toegang moet worden beperkt tot de minimale rechten die nodig zijn voor elke specifieke taak. Elke datainteractie moet worden gelogd in een onveranderlijke audittrail. Anomaliedetectie moet op machinesnelheid werken om het tempo van agentoperaties bij te houden. En uitgaande datastromen moeten worden bestuurd om exfiltratie te voorkomen — of die nu wordt veroorzaakt door een gecompromitteerde agent, een gemanipuleerde prompt of een verkeerd geconfigureerde workflow.

Het onderzoek van Trend Micro ondersteunt deze aanpak en raadt robuuste toegangscontroles, geavanceerde contentfiltering en realtime monitoring aan om datalekken en ongeautoriseerde acties te beperken. De arXiv-onderzoekers weerspiegelen dezelfde conclusie: ingebouwde modelsafety is niet genoeg. Extra verdedigingslagen zijn vereist.

Hoe De Juiste Infrastructuur Eruit Ziet

Het beveiligen van de agentic workspace vereist infrastructuur die werkt op de datalaag, niet alleen de netwerkkant. Netwerkbeveiliging — verkeer inspecteren via proxies — kan detecteren dat een medewerker een AI-applicatie bezoekt. Maar het kan niet bepalen welke specifieke data een AI agent binnen bedrijfsrepositories benadert, geen granulaire beleidsregels afdwingen over datagebruik, of de inhoudsniveau audittrail bieden die toezichthouders steeds vaker eisen.

De infrastructuur die het AI-governance-gat moet dichten, heeft een aantal essentiële kenmerken. Het moet een veilige gateway bieden tussen AI-systemen en bedrijfsdata, waar zero-trustprincipes bij elke interactie worden afgedwongen. Het moet AI agent-executie sandboxen, zodat gecompromitteerde plugins of skills geen toegang krijgen tot resources buiten hun geautoriseerde scope. Het moet bestaande governanceframeworks — rolgebaseerde en op attributen gebaseerde toegangscontrole — uitbreiden naar alle AI-interacties, inclusief die van autonome agents. Het moet elke AI-data-interactie loggen in een onveranderlijke audittrail met gebruikersidentiteit, tijdstempel, geraadpleegde data en het gebruikte AI-systeem. En het moet op machinesnelheid anomalieën detecteren, zoals een agent die plotseling grote hoeveelheden data opvraagt die hij normaal niet benadert, of probeert data naar ongebruikelijke bestemmingen te verzenden.

Het Kiteworks Private Data Network is speciaal gebouwd voor deze uitdaging. De AI Data Gateway creëert een zero-trust brug tussen AI-systemen en bedrijfsdata, zodat data nooit de beschermde omgeving verlaat. De Secure MCP Server sandboxed AI agent-executie met OAuth 2.0-authenticatie, anomaliedetectie en handhaving van het governanceframework. En de geïntegreerde multi-channel governance dekt bestandsoverdracht, beheerde bestandsoverdracht, e-mail, webformulieren, API’s en AI-interacties onder één beleidsengine met één onveranderlijke audittrail.

Voor organisaties in gereguleerde sectoren is inzetflexibiliteit belangrijk. Kiteworks ondersteunt on-premises, private cloud, hybride en FedRAMP High-omgevingen — met vooraf in kaart gebrachte compliance-controls voor HIPAA, SOX, GDPR, CCPA, CMMC, NIST CSF, ISO 27001 en de EU AI-wet.

De Kosten Van Wachten Worden Gemeten In Datalekken, Boetes En Permanent Schade

Het financiële argument voor AI-databeheer is onmiskenbaar. Een gemiddeld datalek kost $4,88 miljoen. In de zorgsector loopt dat op tot $10,93 miljoen (IBM Cost of a Data Breach Report, 2024). Boetes onder de EU AI-wet voor ernstige overtredingen kunnen oplopen tot €35 miljoen of 7% van de wereldwijde jaaromzet. GDPR-boetes bedragen €20 miljoen of 4%. Verliezen door software supply chain-aanvallen worden geschat op $60 miljard voor de hele sector.

Maar de meest schadelijke kosten zijn misschien het moeilijkst te kwantificeren: intellectueel eigendom dat permanent wordt opgenomen in publieke AI-trainingssets. Zodra eigen data in een publiek model terechtkomt, kan het niet meer worden teruggehaald, verwijderd of beheerst. De competitieve schade is onomkeerbaar.

Organisaties die nu overstappen op datalaag-AI-governance beperken niet alleen risico’s. Ze krijgen een competitief voordeel — het vermogen om AI sneller en met meer vertrouwen te adopteren, met de gedocumenteerde compliance-bewijzen die toezichthouders, auditors en klanten steeds vaker eisen.

Drie Acties Die Elke Organisatie Nu Moet Nemen

Ten eerste, krijg zicht op wat er al gebeurt. U kunt niet besturen wat u niet ziet. Zet monitoring in die AI-data-interacties over alle kanalen vastlegt — niet alleen webverkeer, maar ook bestandsoverdracht, e-mail, API’s en agentworkflows. Identificeer waar gevoelige data naar AI-systemen stroomt en of die stromen geautoriseerd, gelogd en compliant zijn. Als 44% van de organisaties toegeeft onvoldoende toezicht te hebben, ga er dan van uit dat uw organisatie daar ook bij hoort totdat u het tegendeel kunt bewijzen.

Ten tweede, breid Zero Trust uit naar elke AI agent. Behandel elke AI agent als een niet-menselijke identiteit die dezelfde authenticatie, autorisatie en toegangscontrole vereist als een menselijke gebruiker — met de extra waarborgen die machinesnelheid vereist. Implementeer least-privilege access. Sandbox agent-executie. Monitor op afwijkend gedrag. Zorg dat geen enkele agent toegang heeft tot data buiten wat zijn specifieke taak vereist.

Ten derde, maak AI mogelijk met ingebouwde governance — blokkeer het niet. Organisaties die AI-gebruik volledig proberen te verbieden, verliezen die strijd. Medewerkers vinden omwegen, en shadow AI zal toenemen. De duurzame aanpak is infrastructuur die medewerkers productief AI-tools laat gebruiken, terwijl gevoelige data nooit de beschermde omgeving verlaat. Governance die automatisch plaatsvindt, op de achtergrond, zonder productiviteit te belemmeren, is het enige model dat schaalt.

De enterprise AI-revolutie komt niet — hij is er al. De vraag is of uw organisatie hem bestuurt — of wordt bestuurd door de gevolgen ervan.

Wilt u weten hoe Kiteworks kan helpen? Plan vandaag nog een demo op maat.

Aanvullende Bronnen

• Blog Post Zero Trust Architectuur: Never Trust, Always Verify
• Video Microsoft GCC High: Nadelen Die Defensie-aannemers Stimuleren Tot Slimmere Voordelen
• Blog Post Hoe U Geclassificeerde Data Beveiligt Zodra DSPM Het Signaleert
• Blog Post Vertrouwen Bouwen In Generatieve AI Met Een Zero Trust Aanpak
• Video De Definitieve Gids Voor Veilige Opslag Van Gevoelige Data Voor IT-Leiders