De Agentic AI Security Paradox: Waarom het inzetten van AI ter verdediging van uw organisatie uw grootste kwetsbaarheid kan zijn

Dit is de valkuil waar bijna niemand over praat.

Securityteams hebben AI-agenten nodig om zich te verdedigen tegen AI-gestuurde aanvallen. Maar het inzetten van die agenten creëert precies de datarisico’s die ze proberen te voorkomen.

Dat is geen hypothetisch scenario. Het is een bevinding. Ivanti’s 2026 State of Cybersecurity Report: Bridging the Divide, gebaseerd op inzichten van meer dan 1.200 cybersecurityprofessionals wereldwijd, laat zien dat 87% van de securityteams het integreren van agentic AI als prioriteit ziet. Zevenenzeventig procent voelt zich comfortabel bij het laten handelen van autonome systemen zonder menselijke controle. De behoefte aan AI-gestuurde verdediging is enorm.

Maar hetzelfde rapport onthult ook de keerzijde. Organisaties missen de processen en vaardigheden om AI veilig operationeel te maken. De haast om AI in te zetten voor verdediging — gedreven door toenemende dreigingen, alertmoeheid, personeelstekorten en gefragmenteerde tooling — gaat sneller dan de governance die nodig is om te voorkomen dat AI het probleem wordt dat het juist moest oplossen.

Ivanti’s CSO Daniel Spicer noemt dit het “Cybersecurity Readiness Deficit” — een hardnekkig, jaarlijks groeiend gat tussen de dreigingen waarmee organisaties worden geconfronteerd en hun vermogen zich daartegen te verdedigen. De belofte van AI zou dat gat moeten dichten. Zonder governance wordt het juist groter.

5 Belangrijkste Inzichten

1. 87% van de securityteams geeft prioriteit aan agentic AI — maar kan het niet veilig operationeel maken. Ivanti’s 2026 State of Cybersecurity Report, gebaseerd op onderzoek onder meer dan 1.200 cybersecurityprofessionals wereldwijd, toont aan dat 87% van de securityteams het integreren van agentic AI als prioriteit ziet. Toch onthult hetzelfde rapport een cruciale kloof: de meeste organisaties missen de processen en vaardigheden om AI-agenten veilig te implementeren. De gretigheid overtreft de paraatheid met ruime marge.
2. Security AI-agenten hebben toegang nodig tot de gevaarlijkste data binnen uw organisatie. Om effectief te zijn, hebben security AI-agenten toegang nodig tot securitylogs, resultaten van kwetsbaarheidsscans, Threat Intelligence, identity & access data, netwerktopologie en incident response-gegevens. Dit is exact de informatie die aanvallers zouden gebruiken om uw volledige beveiligingsstatus in kaart te brengen. Een AI-agent zonder governance toegang geven tot deze data is als een onbekende de blauwdruk van uw kluis overhandigen.
3. Het Cybersecurity Readiness Deficit wordt groter, niet kleiner. Ivanti identificeert een “Cybersecurity Readiness Deficit” — een hardnekkig, jaarlijks groeiend gat tussen de dreigingen waarmee organisaties worden geconfronteerd en hun vermogen zich daartegen te verdedigen. Zevenenzeventig procent van de organisaties is al doelwit geweest van deepfake-aanvallen, maar slechts 27% acht zichzelf zeer goed voorbereid. Het verschil tussen risicobewustzijn en daadwerkelijke paraatheid bedraagt 21 punten.
4. IT- en securityteams werken elkaar tegen. Bijna de helft (48%) van de securityprofessionals zegt dat IT-teams niet urgent reageren op cybersecurityzorgen, terwijl 40% vindt dat IT onvoldoende inzicht heeft in het risicotolerantieniveau van hun organisatie. Deze kloof is extra schadelijk wanneer AI-agenten cross-functionele governance vereisen die afhankelijk is van samenwerking tussen IT en security.
5. Burn-out is een systemische kwetsbaarheid — niet alleen een individueel probleem. Drieënveertig procent van de securityprofessionals ervaart hoge stress en 79% zegt dat dit hun fysieke en mentale gezondheid schaadt. Gebrek aan gekwalificeerd personeel is de grootste belemmering voor uitmuntende cyberbeveiliging. Dit is het team dat AI-agenten veilig moet beheren — terwijl ze nu al op hun tandvlees lopen.

Waar Security AI-agenten Echt Toegang Toe Nodig Hebben — en Waarom Dat U Zou Moeten Ongerust Maken

Denk na over wat een security AI-agent nodig heeft om zijn werk te doen. Geen productiviteitschatbot die notulen samenvat. Geen marketingtool die e-mails opstelt. Een securityagent — gebouwd voor threat detection, incident response of vulnerability management.

Hij heeft toegang nodig tot uw securitylogs en SIEM-data: firewall logs, inbraakdetectiemeldingen, authenticatielogs, endpoint-telemetrie. Als deze gegevens uitlekken, leren aanvallers wat u wel en niet kunt detecteren. Hij heeft kwetsbaarheidsscans nodig: ongepatchte systemen, verkeerde configuraties, uitbuitbare zwaktes. Als deze uitlekken, is dat een compleet stappenplan voor aanvallers. Hij heeft Threat Intelligence nodig: indicatoren van compromittering, tactieken en technieken, incident response playbooks. Als deze uitlekken, weten aanvallers uw verdedigingscapaciteiten en blinde vlekken. Hij heeft identity & access data nodig: gebruikersaccounts, bevoorrechte inloggegevens, toegangsprofielen, authenticatiemethoden. Als deze uitlekken, krijgen aanvallers routes voor diefstal van inloggegevens en privilege-escalatie aangereikt. En hij heeft netwerktopologie nodig: netwerkdiagrammen, kritieke systemen, datastromen, segmentatiegrenzen. Als deze uitlekken, hebben tegenstanders een volledig aanvalsoppervlak in kaart.

Dit is de paradox in het hart van Ivanti’s bevindingen. Zevenentachtig procent van de securityteams wil AI-agenten toegang geven tot deze data — de meest gevoelige informatie in de organisatie — om threat detection en response te verbeteren. Maar de meesten missen de governance om dat te doen zonder precies het soort blootstelling te creëren dat ze proberen te voorkomen.

Als een security AI-agent wordt gecompromitteerd of verkeerd geconfigureerd, lekt hij niet alleen klantgegevens of financiële data. Hij legt uw volledige beveiligingsstatus bloot. Een aanvaller die een securityagent overneemt, krijgt de sleutels tot het koninkrijk: wat u kunt detecteren, wat niet, waar uw systemen kwetsbaar zijn en hoe u reageert op incidenten. Ze kunnen leren van uw eerdere datalekken om hun toekomstige aanvallen te verbeteren.

Dubbele AI-agent Uitdaging: Zakelijk Risico Ontmoet Securityrisico

Het rapport van Ivanti verschijnt op een moment dat organisaties al worstelen met het beheren van AI-agenten aan de zakelijke kant. Microsoft’s Cyber Pulse-rapport bevestigt dat meer dan 80% van de Fortune 500-bedrijven actieve AI-agenten inzet, en waarschuwt dat deze agenten “sneller opschalen dan sommige bedrijven kunnen bijhouden.” Proofpoint’s 2025 Data Security Landscape-rapport beschrijft een “agentic workspace” die de meeste organisaties onvoldoende kunnen overzien en beheersen. En Proofpoint ontdekte dat 32% van de organisaties ongecontroleerde data-toegang door AI-agenten als een kritiek risico ziet.

En nu komt er een tweede front bij. Organisaties zetten tegelijkertijd AI-agenten in voor security operations — threat detection, incident response, vulnerability management — met een totaal andere set data-toegangsvereisten en een heel ander risicoprofiel.

Zakelijke AI-agenten hebben toegang tot klantgegevens, financiële data, intellectueel eigendom en contracten. Het risico is data-exfiltratie naar publieke AI-modellen, shadow AI en prompt injection. Security AI-agenten hebben toegang tot logs, Threat Intelligence, kwetsbaarheden, identiteiten en netwerkarchitectuur. Het risico is blootstelling van uw volledige beveiligingsstatus, aanvalsoppervlak in kaart brengen voor tegenstanders en uitlekken van inloggegevens.

Het probleem stapelt zich op: de meeste organisaties zetten AI-agenten in op beide domeinen zonder uniforme governance voor beide. De zakelijke kant heeft zijn governance-lacunes. De securitykant heeft zijn eigen. En de twee spreken elkaar zelden — een dynamiek die Ivanti’s eigen data bevestigt, met 48% van de securityprofessionals die zegt dat IT niet urgent reageert op cybersecurityzorgen en 40% die vindt dat IT onvoldoende inzicht heeft in de risicotolerantie van de organisatie.

Alertmoeheid, Personeelstekorten en de Druk om te Automatiseren

Het rapport van Ivanti legt precies uit waarom securityteams zo snel richting agentic AI bewegen — en waarom die snelheid op zich al risico creëert.

Alertmoeheid verlamt security operations. Teams worden overspoeld door de hoeveelheid alerts die ze moeten beoordelen, onderzoeken en opvolgen. Tweeënnegentig procent van de respondenten zegt dat automatisering de gemiddelde reactietijd van hun team verkort. AI-agenten die alerts kunnen beoordelen, Threat Intelligence kunnen koppelen en prioriteiten kunnen stellen zijn geen luxe — ze zijn een reddingslijn. Maar als je verdrinkt, kijk je niet altijd naar het veiligheidskeurmerk van het touw dat je wordt toegeworpen.

Personeelstekorten maken het erger. Gebrek aan gekwalificeerd personeel is volgens Ivanti’s enquête de grootste belemmering voor uitmuntende cyberbeveiliging. Drieënveertig procent van de securityprofessionals ervaart hoge stress en 79% zegt dat dit hun fysieke en mentale gezondheid schaadt. Als je te weinig mensen hebt, en het bestaande team opbrandt, is de verleiding groot om werk zonder goede governance aan AI-agenten over te dragen. Het personeelstekort creëert niet alleen een capaciteitsprobleem — het creëert een governanceprobleem, want de mensen die normaal zorgen voor veilige AI-inzet zijn dezelfde mensen die nu al overbelast zijn.

Gefragmenteerde tooling vergroot de uitdaging. Security AI-agenten moeten data uit diverse tools halen — SIEM, EDR, kwetsbaarheidsscanners, Threat Intelligence Platforms — elk met eigen toegangscontroles en auditmogelijkheden. Ivanti’s rapport noemt deze fragmentatie een barrière voor effectieve AI-gedreven automatisering. En gefragmenteerde tools betekenen gefragmenteerde governance: elke tool heeft zijn eigen beleidsengine, eigen logformaat, eigen toegangsmodel. Als een AI-agent over al deze tools heen werkt, vermenigvuldigen de governance-lacunes zich.

Het resultaat is een patroon dat Ivanti’s data pijnlijk duidelijk maakt: securityteams zetten AI-agenten snel in, onder druk, zonder de processen om dat veilig te doen. De adoptie loopt ver voor op de paraatheid — net als aan de zakelijke kant.

Aanvallen op AI-agenten Zijn Al Bewezen

Als de governancekloof alleen een compliancekwestie zou zijn, was het al ernstig genoeg. Maar de dreiging is actief en bewezen.

Trend Micro’s onderzoek naar kwetsbaarheden van AI-agenten toonde aan dat multimodale AI-agenten gemanipuleerd kunnen worden via verborgen instructies in afbeeldingen of documenten, waardoor gevoelige data wordt geëxfiltreerd zonder enige gebruikersinteractie. De risicocategorieën omvatten persoonlijke data, financiële informatie, beschermde gezondheidsinformatie, bedrijfsgeheimen, authenticatiegegevens en vertrouwelijke geüploade documenten (Trend Micro executive brief).

Onderzoekers op arXiv bouwden een complete end-to-end exploit tegen een RAG-gebaseerde AI-agent. Een kwaadaardige webpagina met verborgen instructies liet de agent geheimen uit zijn interne kennisbank ophalen en versturen naar een server onder controle van de aanvaller — via de eigen legitieme websearch-tool van de agent als exfiltratiekanaal. Hun conclusie: huidige LLM-agenten met toolgebruik en RAG vertonen een “fundamentele kwetsbaarheid” voor indirecte prompt injection, en ingebouwde modelsafety-features zijn onvoldoende zonder extra verdedigingslagen.

Pas deze aanvalsvectoren nu toe op een security AI-agent. Een agent met toegang tot uw kwetsbaarheidsscans, gemanipuleerd via prompt injection, kan uw volledige lijst ongepatchte systemen naar een aanvaller sturen. Een agent met toegang tot uw incident response playbooks, gecompromitteerd via een kwaadaardige plugin, kan exact onthullen hoe u reageert op datalekken — en aanvallers een stappenplan geven om uw verdediging te omzeilen. Een agent met toegang tot identity data kan bevoorrechte inloggegevens en escalatiepaden blootleggen.

Dit is geen speculatie. De aanvalsvectoren zijn bewezen. De data waartoe security AI-agenten toegang nodig hebben, is precies de data waar aanvallers het meest op uit zijn. Het enige ontbrekende ingrediënt is governance — en Ivanti’s rapport laat zien dat de meeste organisaties die niet hebben.

77% Al Getroffen door Deepfakes. Slechts 27% Voorbereid. Voeg Nu AI-agenten Toe aan de Mix.

Ivanti’s rapport brengt nog een andere dimensie aan het licht die direct samenhangt met het governanceprobleem rond AI-agenten. Zevenenzeventig procent van de organisaties is al doelwit geweest van deepfake-aanvallen, waarbij meer dan de helft te maken kreeg met complexe, gepersonaliseerde phishing via deepfake-technologie. Achtenveertig procent noemt synthetische digitale content een hoog of kritiek risico — maar slechts 27% is zeer goed voorbereid. Dat is een kloof van 21 punten tussen bewustzijn en paraatheid.

Slechts 30% van de securityprofessionals heeft er vertrouwen in dat hun CEO een deepfake betrouwbaar kan herkennen. En in deze omgeving zetten organisaties autonome AI-agenten in met brede toegang tot gevoelige systemen.

De samenkomst is wat telt. AI-gestuurde aanvallen worden steeds complexer. Securityteams zetten AI-agenten in om terug te vechten. Die agenten hebben toegang nodig tot de meest gevoelige securitydata in de organisatie. En de governance om dat allemaal veilig te houden bestaat bij de meeste organisaties nog niet.

Wat Governance van Security AI-agenten Echt Vereist

Microsoft’s Cyber Pulse-rapport omschrijft de juiste aanpak als Zero Trust voor agenten — dezelfde principes toepassen als bij menselijke gebruikers: least-privilege access, expliciete verificatie van “wie of wat” toegang vraagt, en een aanname van compromittering als ontwerpprincipe. Voor security AI-agenten betekent dit iets specifieks en niet-onderhandelbaars.

Security AI-agenten moeten dreigingsdata benaderen via een beheerde gateway, niet via directe databaseverbindingen. Een threat detection-agent heeft geen toegang nodig tot kwetsbaarheidsscans. Een alert-triage-agent hoeft niet bij netwerktopologie. Elke agent mag alleen toegang krijgen tot de specifieke data die nodig is voor zijn functie — niet meer. Elke aanvraag moet geauthenticeerd en geautoriseerd worden voor toegang, en elke interactie moet worden gelogd in een onveranderbare audittrail die exact kan reconstrueren welke data wanneer is geraadpleegd en wat de agent ermee deed.

Sandboxed uitvoering is essentieel. AI-agenten moeten werken in geïsoleerde omgevingen die laterale beweging voorkomen als ze worden gecompromitteerd. DLP-controles moeten voorkomen dat securitydata — logs, kwetsbaarheidsscans, Threat Intelligence — naar externe AI-diensten stroomt. Anomaliedetectie moet ongebruikelijke toegangsprofielen signaleren, zoals een agent die plotseling bulkdownloads van kwetsbaarheidsdata aanvraagt die hij normaal niet gebruikt.

En cruciaal: organisaties hebben uniforme governance nodig over zowel zakelijke als security AI. Gescheiden governance-frameworks voor productiviteitsagenten en securityagenten creëren dezelfde fragmentatie die Ivanti als barrière voor effectieve security-automatisering benoemt. Eén platform, één beleidsengine, één audittrail — over elke AI-agent in de organisatie, ongeacht de functie.

Het Kiteworks Private Data Network biedt deze governance-laag. De AI Data Gateway creëert een zero-trust brug tussen AI-systemen — inclusief security AI-agenten — en enterprisedata, zodat gevoelige informatie nooit de beschermde omgeving verlaat. De Secure MCP Server sandboxed de uitvoering van AI-agenten met OAuth 2.0-authenticatie, anomaliedetectie en handhaving van bestaande governance-frameworks. En de uniforme multichannel governance dekt bestandsoverdracht, beheerde bestandsoverdracht, e-mail, webformulieren, API’s en AI-interacties onder één beleidsengine met één onveranderbare audittrail.

Voor security AI-agenten betekent dit concreet: een threat detection-agent krijgt beheerde toegang tot alertdata zonder bij kwetsbaarheidsscans of netwerktopologie te kunnen. Een incident response-agent krijgt toegang tot de data die hij voor zijn specifieke functie nodig heeft, gelogd en auditeerbaar. En als een agent wordt gecompromitteerd, kan de organisatie exact reconstrueren welke data is blootgesteld — met forensisch bewijs dat toezichthouders en auditors tevredenstelt.

De Inzet Is Hoger dan een Datalek

De financiële blootstelling door falende AI-governance is al goed gedocumenteerd. Het gemiddelde datalek kost $4,88 miljoen; in de zorgsector zelfs $10,93 miljoen (IBM Cost of a Data Breach Report, 2024). Boetes onder de EU AI-wet lopen op tot €35 miljoen of 7% van de wereldwijde jaaromzet. GDPR-boetes bedragen €20 miljoen of 4% van de omzet.

Maar een gecompromitteerde security AI-agent veroorzaakt een schadecategorie die verder gaat dan de kosten van een datalek. Als aanvallers toegang krijgen tot uw kwetsbaarheidsscans, hoeven ze uw systemen niet meer te scannen op zwaktes — ze hebben de lijst al. Als ze uw incident response playbooks bemachtigen, kunnen ze aanvallen ontwerpen die uw verdediging omzeilen. Als ze uw netwerktopologie verkrijgen, kunnen ze laterale beweging plannen voordat ze überhaupt het netwerk binnendringen.

Dit is het verschil tussen een datalek en een complete strategische compromittering. En het is het risico dat 87% van de securityteams neemt wanneer ze AI-agenten inzetten zonder de governance om te bepalen waartoe die agenten toegang hebben.

Drie Prioriteiten voor Organisaties die Security AI-agenten Inzetten

Ten eerste, pas least-privilege access toe op security AI-agenten met dezelfde grondigheid als bij menselijke gebruikers — liever nog grondiger. Een alert-triage-agent mag alleen alertdata benaderen. Een vulnerability management-agent mag alleen kwetsbaarheidsdata benaderen. Geen van beide mag bij elkaars domein. Breng voor elke security AI-agent de datavereisten in kaart tot het minimale toegangsniveau dat nodig is voor zijn specifieke functie, en handhaaf die grenzen via een beheerde datagateway — niet door te vertrouwen op de ingebouwde veiligheidsfuncties van het model, waarvan meerdere onderzoekers hebben aangetoond dat ze onvoldoende zijn.

Ten tweede, verenig governance over zakelijke en security AI onder één platform. Ivanti’s rapport noemt gefragmenteerde tooling een barrière voor effectieve security-automatisering. Gefragmenteerde AI-governance is nog erger. Gescheiden beleidsregels, audittrails en toegangscontroles voor productiviteitsagenten en securityagenten creëren blinde vlekken op de overgangen — precies waar aanvallers op mikken. Eén beleidsengine, één audittrail en één zichtbaarheid over elke AI-agent in de organisatie is de enige architectuur die schaalt.

Ten derde, bouw incident response-capaciteiten voor AI-agentcompromittering voordat u ze nodig heeft. Als een security AI-agent wordt gecompromitteerd, kunt u dan reconstrueren tot welke data hij toegang had? Kunt u vaststellen of kwetsbaarheidsscans, Threat Intelligence of identity data is geëxfiltreerd? Kunt u aan toezichthouders aantonen dat de agent binnen de goedgekeurde grenzen opereerde tot het moment van compromittering? Onveranderbare auditlogs, SIEM-integratie en chronologische documentatie zijn niet optioneel — ze vormen de basis van AI-incident response.

Ivanti’s rapport schetst een moment van echte spanning in cybersecurity. Securityteams staan onder enorme druk — door toenemende dreigingen, personeelstekorten, burn-out en het groeiende readiness deficit. Agentic AI biedt een reëel perspectief. Maar alleen als de governance bestaat om te voorkomen dat het de grootste bedreiging van binnenuit wordt.

De 87% die agentic AI prioriteit geeft, heeft gelijk. De vraag is of ze het beveiligen voordat het hun data beveiligt — voor de verkeerde mensen.

Meer weten over hoe Kiteworks kan helpen? Plan vandaag nog een demo op maat.

Aanvullende Bronnen

• Blog Post Zero Trust Architectuur: Nooit Vertrouwen, Altijd Verifiëren
• Video Microsoft GCC High: Nadelen die defensie-aannemers richting slimmere voordelen sturen
• Blog Post Hoe u geclassificeerde data beveiligt zodra DSPM deze markeert
• Blog Post Vertrouwen opbouwen in Generatieve AI met een Zero Trust-aanpak
• Video De definitieve gids voor veilige opslag van gevoelige data voor IT-leiders