AI Agent Security domineert nu seed-investeringen in cyberbeveiliging—daarom zou dat je zorgen moeten baren

Venture capital heeft zojuist bevestigd wat securityleiders intern al bijna een jaar bepleiten: agentic AI is nu het grootste nieuwe aanvalsoppervlak dat ondernemingen moeten verdedigen, en de markt waardeert het daar ook naar. Volgens het “Q2 2026 Insights”-rapport van DataTribe was AI- en agentbeveiliging het grootste afzonderlijke segment van seed-investeringen in cybersecurity het afgelopen kwartaal, goed voor ongeveer een kwart van alle deals. Bijna elke dollar in die categorie ging specifiek naar het beveiligen van agentic AI-systemen, niet naar de bredere softwarestack waarop deze agents draaien.

Dat investeringspatroon is geen gok op hype. Het is een directe reactie op een specifiek, meetbaar gat: autonome AI-agents die hun eigen sub-agents opzetten en live inloggegevens doorgeven zonder identiteitsverificatie, zonder afbakening en zonder audittrail. Onderzoekers van DataTribe ontdekten dat ongeveer een kwart van de ingezette AI-agents precies dit kan doen. Een agent die is gebouwd om een document samen te vatten of een ticket te beoordelen, kan zonder menselijke tussenkomst een tweede agent aanmaken en deze werkende inloggegevens geven—gegevens die nooit zijn uitgegeven, afgebakend of gelogd voor dat doel.

Het rapport kwantificeert ook welke controle daadwerkelijk het verschil maakt. Door agent-privileges te beperken tot het minimum dat nodig is (“least-privilege access”), daalde het aantal beveiligingsincidenten van meer dan tweederde van de inzetten tot onder de 20%—de grootste risicoreductie van alle gemeten controles door DataTribe. Dat is geen marginale verbetering; het is het verschil tussen agentic AI als beheersbaar risico en een open deur.

Dit gebeurt niet in isolatie. Het rapport van DataTribe verwijst ook naar gegevens van CrowdStrike, waaruit blijkt dat de snelste breakout-tijd in 2026—het gat tussen initiële compromittering en laterale beweging—27 seconden bedraagt, en naar het 2025 Data Breach Investigations Report van Verizon, dat laat zien dat misbruik van edge- en VPN-apparaten zeven keer zo vaak voorkomt. Gecombineerd beschrijven deze cijfers een omgeving waarin aanvallers sneller dan ooit bewegen, via meer toegangspunten dan ooit, precies op het moment dat ondernemingen nieuwe, onvoldoende gereguleerde identiteiten—AI-agents en hun sub-agents—de sleutels tot gevoelige content geven. Voor elke organisatie die een AI-governanceprogramma bouwt op Kiteworks secure data exchange, of onderzoekt hoe dit gat te dichten, is dit rapport verplichte kost.

Belangrijkste inzichten

1. Investeerders richten zich op een echt, gekwantificeerd probleem. AI- en agentbeveiliging was goed voor ongeveer 25% van de seed-investeringen in cybersecurity in Q2 2026, het grootste segment, omdat het onderliggende risico nu meetbaar is in plaats van theoretisch.
2. Sub-agents zijn het blinde vlek. Ongeveer een kwart van de ingezette AI-agents kan sub-agents aanmaken en deze live inloggegevens geven zonder identiteitsverificatie, afbakening of audittrail, waardoor identiteiten ontstaan die geen enkel securityteam heeft uitgegeven of bewaakt.
3. Least-privilege access is de meest effectieve controlemaatregel. Door agent-privileges af te bakenen, daalde het incidentpercentage van meer dan tweederde tot onder de 20%—de grootste risicoreductie van alle gemeten controles in het rapport.
4. Aanvallers zijn sneller dan de meeste detectiestacks. CrowdStrike-data in het rapport toont aan dat de snelste breakout-tijd in 2026 27 seconden bedraagt vanaf de eerste compromittering tot laterale beweging.
5. Oude kwetsbaarheden versterken de nieuwe. Volgens de DBIR-data van Verizon uit 2025 is het misbruik van edge- en VPN-apparaten zeven keer zo vaak voorgekomen, waardoor het aantal toegangspunten voor aanvallers om ongereguleerde agentidentiteiten te bereiken, toeneemt.

Waarom investeerders groots inzetten op AI-agentbeveiliging

Seed-investeringen zijn een leidende indicator. Oprichters en hun investeerders staan het dichtst bij de problemen waar ondernemingen binnenkort mee te maken krijgen, en op dit moment komen ze samen op één visie: agentic AI heeft een identiteits- en toegangsprobleem gecreëerd dat bestaande securitytools niet aankunnen. Een kwart van alle seed-investeringen in cybersecurity in één kwartaal naar één categorie is een aanzienlijke kapitaalconcentratie en geeft aan waar het slimme geld verwacht dat de komende jaren het meeste aan beveiliging wordt uitgegeven.

Dit is niet de eerste financieringsgolf voor AI-beveiliging, maar wel een volwassenere. Eerdere rondes financierden AI-gedreven detectie en AI-ondersteunde SOC-tools—AI inzetten om infrastructuur te verdedigen. Deze ronde financiert iets specifiekers: het beveiligen van de AI-agents zelf, en de niet-menselijke identiteiten die ze creëren, als volwaardige assets die eigen governance vereisen. Dat onderscheid is belangrijk voor hoe ondernemingen over hun eigen AI data governance-programma’s moeten nadenken. Als venture capital agentidentiteit als een afzonderlijke risicocategorie ziet die speciale tooling vereist, moeten interne security- en compliance-teams dat ook doen, in plaats van het onder een algemene “AI-risico” post te schuiven.

De praktische implicatie voor CISO’s en complianceleiders is dat agentic AI-beveiliging niet langer een opkomende zorg is om van een afstand te monitoren. De markt behandelt het als een actieve, goed gedefinieerde risicocategorie met een eigen economie, eigen leveranciers en—volgens DataTribe—eigen meetbare controles. Wachten tot agentic AI-governancetools volwassen zijn voordat je actie onderneemt, betekent in de tussentijd incidentrisico accepteren, terwijl het rapport juist laat zien hoeveel dat risico nu al beperkt kan worden.

Het sub-agentprobleem: inloggegevens zonder verificatie

De meest opvallende bevinding in het rapport van DataTribe is niet dat AI-agents in het algemeen risico’s vormen—dat is al langer bekend—maar het specifieke mechanisme waarmee ongeveer een kwart van de ingezette agents risico introduceert: ongecontroleerde creatie van sub-agents in combinatie met het overdragen van inloggegevens.

Hier volgt een representatief, hypothetisch voorbeeld van hoe dit er in de praktijk uitziet. Een onderneming zet een AI-agent in om een specifieke taak uit te voeren—een contract samenvatten, een supportwachtrij beoordelen, een spreadsheet afstemmen. Die agent besluit tijdens de uitvoering van de taak dat er hulp nodig is en start een tweede, meer afgebakende agent om een subtaak uit te voeren. Om die sub-agent zijn werk te laten doen, geeft de hoofdagent werkende inloggegevens door: een API-sleutel, een sessietoken, een afgebakende of niet-afgebakende set permissies tot onderliggende systemen en content. Geen mens keurt deze overdracht goed. Geen identiteitsprovider verifieert wie of wat de sub-agent is. Geen auditlog legt vast dat de overdracht überhaupt heeft plaatsgevonden.

Het resultaat is een niet-menselijke identiteit die een uur geleden nog niet bestond, nooit via standaard IAM-processen is uitgegeven en nu live toegang heeft tot gevoelige content—onzichtbaar voor het securityteam totdat er iets misgaat. Dit is de praktische, operationele vorm van “shadow AI”: niet medewerkers die stiekem ongeautoriseerde chatbots gebruiken, maar geautoriseerde agents die stiekem ongeautoriseerde sub-agents creëren met echte toegang.

Traditionele access controls zijn gebaseerd op de aanname dat identiteiten bewust, door een mens, via een gedefinieerde workflow worden uitgegeven. Het aanmaken van sub-agents doorbreekt die aanname volledig. De identiteit die governance vereist, wordt dynamisch gecreëerd, op machinesnelheid, vaak meerdere lagen diep genest, en erft alle toegang die de hoofdagent op dat moment had—wat vaak breder is dan de sub-agent daadwerkelijk nodig heeft voor zijn taak.

Least-privilege access vermindert incidenten met tweederde

Als de sub-agentbevinding het meest alarmerende datapunt van het rapport is, dan is het least-privilege inzicht het meest toepasbare. DataTribe ontdekte dat het beperken van agent-privileges tot least-privilege access het aantal beveiligingsincidenten terugbracht van meer dan tweederde van de inzetten tot onder de 20%—de grootste risicoreductie van alle gemeten controles.

Dat is opvallend, omdat least-privilege access geen nieuw concept is. Het is een van de oudste principes in securityarchitectuur, hier toegepast op een echt nieuw soort identiteit. De bevinding bevestigt wat praktijkmensen al lang vermoedden maar zelden op deze schaal gekwantificeerd zagen: de belangrijkste controle voor agentic AI-risico is niet betere detectie of snellere respons, maar het beperken van wat een agent—en elke sub-agent die hij creëert—überhaupt mag aanraken.

Least-privilege toepassen op agentidentiteiten vereist in de praktijk de mogelijkheid om RBAC en ABAC af te dwingen op het moment dat een agent daadwerkelijk content opvraagt, niet alleen aan de rand van een systeem. Perimetercontroles helpen niet als de agent al binnen is en het risico ligt bij wat hij doet—en wat hij delegeert—zodra hij binnen is. Governance moet naar het request-niveau: elke keer dat een agent of sub-agent een specifiek bestand, record of dataset opvraagt, moet dat verzoek worden geëvalueerd tegen het gedefinieerde beleid, correct worden afgebakend en gelogd.

Dit is precies het grensvlak waarop de Secure MCP Server van Kiteworks en Kiteworks Compliant AI governance bieden: toegangsbeslissingen per verzoek, zowel voor mensen als agents die met gevoelige content werken, onder één Kiteworks Control Plane in plaats van een lappendeken van losse permissies. Governance is hier niet iets dat achteraf aan agents wordt toegevoegd die eerder ongereguleerd waren—het is hetzelfde contenttoegangsbeleid dat Kiteworks toepast op menselijke gebruikers, consequent uitgebreid naar agent- en sub-agentverzoeken.

27 seconden: zo snel gaan breakouts nu

Het rapport van DataTribe plaatst de bevindingen rond agentidentiteit in een breder snelheidsprobleem. CrowdStrike-data in het rapport tonen aan dat de snelste breakout-tijd in 2026—het interval tussen initiële compromittering en laterale beweging—27 seconden bedraagt. Dat getal zou de manier waarop securityteams naar responstijd als controle kijken volledig moeten veranderen.

27 seconden is niet genoeg tijd voor een menselijke analist om een alert te beoordelen, te bevestigen dat het geen false positive is en containment te starten. Het is amper genoeg tijd voor geautomatiseerde responstools om te handelen, als die tooling überhaupt het juiste signaal ziet. Wanneer de breakout-snelheid zo ver wordt teruggebracht, betekent dit in de praktijk dat preventie en toegangsafbakening het werk doen dat voorheen door detectie en respons werd gedaan. Als een overbevoorrechte agentidentiteit wordt gecompromitteerd, betekent een breakout-venster van 27 seconden dat de schade al is bepaald op het moment dat toegang wordt verleend—niet op het moment dat iemand merkt dat er iets mis is.

Dat zet het probleem van sub-agentinloggegevens in een scherper perspectief. In een omgeving waar een breakout in minder dan 30 seconden plaatsvindt, is een niet-afgebakende, niet-geverifieerde sub-agentinloggegeven in feite een vooraf klaargezette route voor laterale beweging die alleen nog een trigger nodig heeft. Het audittrail-gat versterkt dit: als een gecompromitteerde agentidentiteit nooit is gelogd toen deze werd aangemaakt, weet het securityteam misschien pas van het bestaan nadat de schade door een snelle breakout al is aangericht.

Edge- en VPN-exploitatie zeven keer zo vaak: de oude risico’s zijn niet verdwenen

Het zou een vergissing zijn om het rapport van DataTribe te lezen als bewijs dat agentic AI traditionele aanvalsvectoren heeft vervangen. Het rapport verwijst ook naar DBIR-data van Verizon uit 2025, waaruit blijkt dat misbruik van edge- en VPN-apparaten zeven keer zo vaak voorkomt—een herinnering dat de toegangspunten waar aanvallers al jaren op vertrouwen nog steeds volop in gebruik zijn, en dat het probleem zelfs verergert.

De combinatie is het zorgwekkende deel, niet de trends afzonderlijk. Randapparaten en VPN-concentrators zijn vaak het eerste toegangspunt dat een aanvaller in een netwerk krijgt; agentidentiteiten met brede, niet-afgebakende, niet-gelogde toegang zijn steeds vaker wat die aanvaller aantreft zodra hij binnen is. Een toename van zeven keer in edge- en VPN-exploitatie betekent dat meer aanvallers voorbij de perimeter komen. Een kwart van de ingezette agents die ongereguleerde sub-agentinloggegevens aanmaken, betekent dat meer van wat die aanvallers aantreffen, zodra ze voorbij de perimeter zijn, onbeveiligd is. Gecombineerd met een breakout-tijd van 27 seconden ontstaat een situatie waarin oude kwetsbaarheden aanvallers sneller binnenlaten, en nieuwe hen ongezien door het netwerk laten bewegen.

Organisaties die zwaar hebben geïnvesteerd in zero trust architecture op netwerkniveau, maar diezelfde “never trust, always verify”-discipline niet hebben toegepast op agent- en sub-agentidentiteiten, zijn in feite maar half klaar. Zero trust-principes zijn bedoeld voor elke identiteit die toegang tot een bron aanvraagt, menselijk of niet. Agentic AI krijgt geen uitzondering op dat principe alleen omdat het sneller beweegt dan de governanceprocessen die eromheen zijn gebouwd.

Hoe Kiteworks agent-to-content-toegang reguleert

De bevindingen in het rapport van DataTribe sluiten nauw aan bij precies het niet-menselijke identiteitsrisico dat Kiteworks secure data exchange wil aanpakken: agents en sub-agents die gevoelige content openen, verplaatsen en bewerken zonder verificatie, afbakening of een duurzaam log van wat er is gebeurd.

Kiteworks’ Secure MCP Server en Kiteworks Compliant AI passen per-verzoek RBAC- en ABAC-beleid toe op het moment dat een agent—of een sub-agent die hij aanmaakt—daadwerkelijk content opvraagt, in plaats van te vertrouwen op perimetercontroles of statische, eenmalige provisioning. Elk verzoek wordt geëvalueerd tegen het gedefinieerde beleid voordat toegang wordt verleend, waarmee direct het afbakeningsprobleem wordt aangepakt dat DataTribe als de meest effectieve controle aanwijst. Elk verzoek wordt ook vastgelegd in een uniforme audittrail, zodat security- en compliance-teams één overzichtelijk log hebben van welke identiteit—mens of agent—welke content heeft aangeraakt, wanneer, en met welke autorisatie, in plaats van een gefragmenteerde verzameling logs over verschillende systemen.

Deze governance werkt via de Kiteworks Control Plane als één consistente laag voor zowel menselijke gebruikers als AI-agents, niet als losse beleidsregels die achteraf zijn toegevoegd. Die consistentie is belangrijk omdat het sub-agentprobleem dat DataTribe beschrijft in wezen een governance-continuïteitsprobleem is: de toegang van een agent moet correct worden afgebakend op het moment van aanmaak, en elke sub-agent die hij aanmaakt moet automatisch dezelfde discipline erven, in plaats van standaard brede toegang te krijgen omdat er nog geen beleid voor is.

Er is één belangrijke scopebeperking. De controles van Kiteworks zijn specifiek gericht op agentidentiteit en contenttoegangsgovernance—het risico van credentialoverdracht en afbakening dat in dit rapport wordt gekwantificeerd. Ze pakken niet de edge device- of VPN-exploitatie aan die het rapport aanhaalt uit de bevindingen van CrowdStrike en Verizon, die zich op de netwerkperimeter bevinden en niet op contentniveau. Om het volledige risicobeeld dat DataTribe schetst te sluiten, zijn beide nodig: perimetercontroles om aanvallers buiten te houden, en contentlaag-governance zoals Kiteworks secure content access om ervoor te zorgen dat als een aanvaller toch binnenkomt, er geen ongereguleerde agentidentiteiten klaarstaan.

Wat betekent dit voor jouw AI-governance stappenplan?

De Q2 2026-data van DataTribe bieden security- en complianceleiders iets zeldzaams: een gekwantificeerd signaal voor prioritering van waar het beperkte AI-governancebudget het eerst naartoe moet. Least-privilege scoping van agent- en sub-agentidentiteiten leverde de grootste gemeten incidentreductie op van alle controles in het rapport. Dat zou bovenaan de lijst moeten staan voor elke organisatie die AI-agents inzet of wil inzetten voor gevoelige content—nog vóór bredere “AI-beleid”-initiatieven die het specifieke mechanisme achter incidenten niet aanpakken.

In de praktijk betekent dat een paar dingen voor teams die hun stappenplan opstellen. Inventariseer eerst welke ingezette agents sub-agents kunnen aanmaken en behandel die mogelijkheid als een aparte risicocategorie die eigen controles vereist, in plaats van aan te nemen dat bestaande agentgovernance dit dekt. Vereis vervolgens dat elke sub-agentcreatie identiteitsverificatie en afgebakende credentialuitgifte triggert—dus geen geërfde, niet-afgebakende toegang van de hoofdagent—en dat het event wordt gelogd. Evalueer ten derde of je huidige data governance-raamwerk beleid afdwingt op het moment van contenttoegang specifiek voor agentidentiteiten, of alleen voor menselijke gebruikers, want volgens DataTribe’s bevindingen concentreert het incidentrisico zich precies in dat gat.

Laat ten slotte de bevindingen op netwerkniveau niet ondersneeuwen door de headlines over agentidentiteit. Een toename van zeven keer in edge- en VPN-exploitatie, gecombineerd met een breakout-tijd van 27 seconden, betekent dat perimeterversterking en contentlaag-governance samen moeten optrekken, op hetzelfde tijdspad, gefinancierd uit hetzelfde budget. Agentic AI-beveiliging uitsluitend als perimeterprobleem of als content-governanceprobleem behandelen, mist het gecombineerde risico dat DataTribe’s rapport daadwerkelijk beschrijft.

Wil je meer weten over het reguleren van AI-agent- en sub-agenttoegang tot gevoelige content met per-verzoek beleidsafdwinging en uniforme auditlogging? Plan vandaag nog een demo op maat.

Aanvullende bronnen

• Blog Post
  Zero‑Trust-strategieën voor betaalbare AI-privacybescherming
• Blog Post
  Hoe 77% van de organisaties faalt in AI-gegevensbeveiliging
• eBook
  AI Governance Gap: Waarom 91% van de kleine bedrijven Russisch roulette speelt met gegevensbeveiliging in 2025
• Blog Post
  Er bestaat geen “–dangerously-skip-permissions” voor jouw data
• Blog Post
  Toezichthouders zijn klaar met vragen of je een AI-beleid hebt. Ze willen bewijs dat het werkt.