Waarom de Shadow AI Identity Gap het echte bedrijfsrisico is in 2026

Bijna de helft van alle enterprise AI-activiteiten vindt nu plaats via identiteiten die uw beveiligingsteam niet kan zien, niet kan auditen en waarvoor geen bewijs kan worden geleverd wanneer een toezichthouder daarom vraagt. Dat is de centrale bevinding van Akamai’s nieuwe State of the Internet-rapport over risico’s van enterprise AI-gebruik, en het zou moeten leiden tot een heroverweging van hoe elke CISO en compliance officer AI-governance benadert richting 2026.

De afgelopen twee jaar hebben de meeste enterprise AI-beveiligingsprogramma’s zich georganiseerd rond één vraag: wie mag welke AI-tool gebruiken? Die vraag leidde tot allowlists, single sign-on vereisten en app-goedkeuringsworkflows. Het rapport van Akamai, gebaseerd op telemetrie van het LayerX-platform (overgenomen door Akamai), stelt dat deze vraag inmiddels achterhaald is. Het bepalende enterprise AI-risico in 2026 is niet wie toegang heeft tot AI, maar wie gevoelige bedrijfsdata deelt met AI en via welke identiteit die data het bedrijf verlaat.

Dat onderscheid is belangrijk omdat AI data niet verplaatst op de manier waarop traditionele tools voor preventie van gegevensverlies zijn ontworpen. E-mail, bestandsoverdracht en uploadkanalen zijn goed gedefinieerd en te inspecteren. AI-interacties zijn dat niet. Gevoelige informatie wordt gefragmenteerd over prompts, conversatiecontext, geplakte code, schermafbeeldingen en gegenereerde antwoorden—elk afzonderlijk onopvallend, maar samen een serieus risico. Kiteworks secure data exchange bestaat juist omdat governance de data moet volgen, niet de applicatie waardoor deze passeert. De data van Akamai biedt CISO’s en complianceleiders het duidelijkste bewijs tot nu toe waarom deze verschuiving noodzakelijk is.

Belangrijkste inzichten

1. De risicovraag is veranderd.

Het rapport van Akamai stelt dat het primaire enterprise AI-risico niet langer is welke medewerkers toegang hebben tot AI-tools, maar welke medewerkers gevoelige data delen met AI en via welke identiteit. Dit verschuift het probleem van toegangscontrole naar gegevensbeheer.

2. Bijna de helft van de enterprise AI-activiteiten is identiteits-onbeheerd.

Uit LayerX-data van Akamai blijkt dat 47,11% van de enterprise AI-conversaties plaatsvindt via persoonlijke accounts in plaats van bedrijfsbeheerde identiteiten. Dat betekent dat bijna de helft van alle AI-activiteiten buiten standaard identiteitsgovernance valt.

3. Een zakelijke identiteit garandeert geen zakelijke controle.

Zelfs wanneer een medewerker inlogt met een zakelijk e-mailadres, draait 14,4% van die conversaties op persoonlijke freemium-abonnementen. Data kan dus alsnog in de publieke trainingspipeline van een leverancier terechtkomen, ook al lijkt het om geautoriseerd gebruik te gaan.

4. Een kleine groep power users veroorzaakt het grootste risico.

Gebruik en conversatiediepte zijn sterk geconcentreerd: de top 5% van gebruikers genereert minstens 144 conversaties en de top 5% van conversaties bestaat uit minstens 18 prompts. Het risico is dus geconcentreerd en niet gelijkmatig verdeeld.

5. AI-agents vormen een nieuwe enterprise-identiteitsklasse die menselijke verantwoordelijkheid vereist.

Het rapport van Akamai roept CISO’s op om agents, hun toegang en gedrag te inventariseren zoals zij dat ook doen voor menselijke identiteiten. Kiteworks positioneert zijn Control Plane om beveiligings- en compliance-teams die governance- en bewijslagen te bieden voor zowel menselijke als agent data-toegang.

De toegangs­vraag is achterhaald voor enterprise AI-risico

Het rapport van Akamai begint met een kader dat bijna letterlijk het citeren waard is: AI-adoptie in 2026 is een structurele noodzaak, geen experiment. Die ene zin verklaart waarom zoveel AI-governanceprogramma’s uit 2024 en 2025 nu al achterlopen. Die programma’s behandelden AI zoals securityteams elke nieuwe SaaS-categorie behandelen: de tool identificeren, goedkeuren of blokkeren, en dan verdergaan. AI gedraagt zich echter niet als een statische applicatie. Het consumeert, genereert, slaat op en handelt continu op basis van enterprise data, waardoor het moment van “toegang” een securityteam vrijwel niets zegt over wat er daarna met gevoelige informatie gebeurt.

Eén gevoelig klantrecord kan via een prompt gaan, worden geparafraseerd in een antwoord, geplakt worden in een tweede tool voor opmaak, en als schermafbeelding in een presentatie belanden—geen van deze stappen activeert een conventionele DLP-regel, omdat geen enkele stap op zichzelf lijkt op een data-exfiltratie. Het rapport van Akamai stelt duidelijk dat het grootste AI-beveiligingsrisico niet langer “medewerkers die toegang hebben tot AI” is, maar “medewerkers die gevoelige bedrijfsdata delen met AI”. Voor een compliance officer heeft deze herdefiniëring directe gevolgen. Toezichthouders auditen geen applicatietoegangslijsten, maar dataverwerking. Programma’s die zijn opgebouwd rond AI data governance in plaats van app-toegang zijn degenen die het antwoord kunnen geven op de vraag die een toezichthouder daadwerkelijk zal stellen.

Inzichten uit Akamai’s LayerX-data over enterprise AI-gedrag

Het rapport van Akamai baseert zijn statistieken op LayerX, het browserbeveiligingsbedrijf dat het heeft overgenomen. Deze editie (gepubliceerd augustus 2026) is volledig gebaseerd op gedrags­telemetrie—hoe medewerkers AI-tools daadwerkelijk gebruiken, niet op onderzoeksresultaten over beoogd gebruik.

Het gebruikspatroon is het waard om eerst te bekijken, vóór de identiteitscijfers. Ongeveer 18,24% van de medewerkers gebruikt AI wekelijks, 30,47% maandelijks en 47,67% kwalificeert zich als kwartaal- of minder frequente gebruikers. Dat betekent dat bijna de helft van iedereen die enterprise AI gebruikt, dit slechts incidenteel doet. De gemiddelde enterprise-gebruiker neemt deel aan 36 AI-conversaties, maar de onderste helft van de gebruikers genereert er 12 of minder, terwijl de top 5% er minstens 144 genereert. De conversatiediepte volgt hetzelfde patroon: de gemiddelde conversatie bevat 5,09 prompts, de mediaan is slechts 2, maar de top 5% van de conversaties bestaat uit 18 prompts of meer—bewijs van langdurige, iteratieve sessies in plaats van eenmalige zoekopdrachten.

App-sprawl versterkt het concentratieprobleem. De vier populairste AI-applicaties in een typische organisatie worden elk door meer dan 20% van het personeel gebruikt, maar het gebruik daalt onder de 5% bij ongeveer de tiende meest gebruikte applicatie en nadert nul bij de dertigste. Die lange staart van niche-, regionale en persoonlijke voorkeur shadow AI-tools, inclusief consumentenplatforms zoals DeepSeek (waarvan Akamai opmerkt dat 99,83% via persoonlijke accounts draait, ondanks actieve overheidscontrole op waar die data belandt), is het terrein waar governanceprogramma’s het minste zicht hebben en de meeste blootstelling per gebruiker.

Bijna de helft van de enterprise AI-activiteiten verloopt via onbeheerde identiteiten

De statistiek die dit rapport onderbouwt is eenvoudig: ongeveer 47,11% van de enterprise AI-conversaties vindt plaats via persoonlijke identiteiten in plaats van bedrijfsbeheerde accounts, tegenover 52,89% via zakelijke accounts. Bijna de helft van alles wat medewerkers met AI doen binnen de organisatie gebeurt dus via een identiteit die de organisatie niet kan intrekken bij vertrek en waarvoor geen audittrail kan worden geleverd.

Dit is niet gelijk verdeeld over platforms. ChatGPT draait 61,36% via persoonlijke accounts, Copilot 63,92% persoonlijk en Claude 61,09% persoonlijk, terwijl speciaal voor enterprises ontwikkelde oplossingen het patroon volledig omkeren: Gemini Enterprise draait 98,15% zakelijk en Copilot voor Microsoft 365 draait 90,55% zakelijk. De kloof is geen vast onderdeel van AI-adoptie, maar een governance-fout die specifiek is voor algemene consumententools die onbeheerd binnen de organisatie opereren.

Het probleem schuilt ook in ogenschijnlijk conforme accounts. Van de AI-conversaties gestart met een zakelijk e-mailadres is 14,4% feitelijk gekoppeld aan persoonlijke freemium-abonnementen in plaats van enterprise-beheerde licenties. Ingevoerde data kan dus alsnog de publieke trainingspipeline van een leverancier voeden, ook al lijkt het op een domeingebaseerd toegangsrapport exact op geautoriseerd gebruik. Een CISO die AI-gebruikscijfers rapporteert op basis van alleen e-maildomeinen, overschat waarschijnlijk de daadwerkelijke governance-dekking. Dit is het gat dat Kiteworks Compliant AI wil dichten: de data zelf beheren op het moment dat deze een geautoriseerde omgeving zou verlaten, in plaats van achteraf te proberen elke persoonlijke account te detecteren.

AI power users concentreren het risico en het aanvalsvlak

Akamai besteedt speciale aandacht aan wat het AI power users noemt: een kleine groep die langere, meer contextuele sessies voert, meer gevoelige bedrijfsinformatie deelt en steeds vaker uitvoerend werk delegeert aan autonome agents. Die afhankelijkheid van AI-gegenereerde output is waar het power user-patroon samenkomt met de vibe hacking-casestudy in het rapport. In 2026 toonden LayerX-onderzoekers aan dat een populaire AI-coding assistant kon worden gemanipuleerd door subtiel het lokale markdown-instructiebestand van een project te bewerken—het soort gedragsprofiel-document dat wordt gebruikt om de contextuele grenzen van een model te bepalen—waardoor de assistant ongeautoriseerde acties uitvoerde of onveilige code genereerde, terwijl het leek alsof alles normaal verliep.

De aanbeveling van Akamai is direct: identificeer power users, meet hoe AI wordt gebruikt in plaats van alleen welke apps worden geopend, en monitor prompts, uploads en antwoorden die gevoelige informatie raken. Die aanpak werkt alleen als de organisatie de inhoud van interacties daadwerkelijk kan observeren, en niet alleen kan loggen welke applicatie is geopend.

CursorJacking en CometJacking tonen aanvallers die de agent aanvallen, niet de gebruiker

Akamai beschrijft twee incidenten die laten zien dat AI-tools zelf een aanvalsvlak zijn geworden. Bij CursorJacking haalt een kwaadaardige browserextensie, vermomd als gewone productiviteitstool, API-sleutels en sessietokens uit de lokale opslag van de Cursor AI-coding assistant en exfiltreert deze stilletjes, zodat een aanvaller de ontwikkelaar kan imiteren, gekoppelde diensten kan misbruiken en verbonden repositories kan compromitteren. Bij CometJacking, geanalyseerd op Perplexity’s Comet AI-browser, plaatst een aanvaller kwaadaardige instructies in een gewone webpagina; alleen al het bezoeken ervan via een link kan de AI-agent van de browser manipuleren via indirecte prompt-injectie, waardoor e-mails, inloggegevens en lokale bestanden worden blootgesteld zonder dat een download nodig is.

Beide incidenten maken misbruik van het vertrouwen dat een organisatie al aan een AI-tool heeft gegeven, en beide omzeilen controles die zijn ontworpen om menselijk gedrag te monitoren, omdat de actie wordt uitgevoerd door software die de mens één keer heeft geautoriseerd en daarna niet meer in de gaten houdt. Governance die alleen kijkt naar wat een mens aanklikt, zal beide missen.

De CISA Data Spill toont waarom goede bedoelingen geen controle zijn

Het meest leerzame incident in het rapport van Akamai is geen hack. Begin 2026 meldden meerdere nieuwsmedia dat een Amerikaanse overheidsfunctionaris per ongeluk interne, beperkte operationele data van de Cybersecurity and Infrastructure Security Agency had vrijgegeven via een publieke AI-tool. Akamai is duidelijk over wat dit betekent: geen externe inbreuk, geen cyberaanval, maar een optimalisatiefout van een goed getrainde gebruiker tijdens routine-analyse.

Dat perspectief zou elke securityleider moeten verontrusten wiens AI-governanceprogramma is gebouwd op het detecteren van kwaadwillende insiders, want dit incident betrof geen kwaadwillendheid of toegangsprobleem. Het was een fout in dataverwerking, en geen enkele allowlist of applicatiegoedkeuring zou dit hebben tegengehouden, omdat de tool zelf was toegestaan. Alleen controles die in real time inspecteren welke data door een geautoriseerde interactie stroomt, kunnen dit soort incidenten opvangen—het gat tussen toegangscontrole en een echte zero trust benadering van AI data governance.

Browserextensies zijn bevoorrechte software waar niemand toezicht op houdt

Het gebruik van AI-browserextensies piekt bij middelgrote organisaties: 17,70% bij bedrijven met 1.000 tot 2.500 medewerkers, tegenover 9,53% bij grote ondernemingen. Het toestemmingsprofiel laat zien waar het echte risico zit: bijna 75% van de AI-extensies vraagt hoge of kritieke rechten, ze vragen bijna drie keer zo vaak toegang tot cookies als de gemiddelde extensie (18,19% versus 6,67%), en 41,91% vraagt scriptrechten. Daarbovenop bevat 16,31% bekende CVE’s, ongeveer anderhalf keer zoveel als browserextensies in het algemeen. CursorJacking is het reële gevolg. De aanbeveling van Akamai—extensies behandelen als bevoorrechte software met een continu bijgewerkte inventaris in plaats van eenmalige goedkeuring—vereist een governancecapaciteit die de meeste organisaties jaren vóór de komst van generatieve AI hebben opgebouwd.

AI-agents worden een nieuwe klasse van enterprise-identiteit

Het vijfde risico in Akamai’s top-vijf is AI-agents die buiten bestaande waarborgen opereren, en het is het risico dat het rapport als het minst opgelost beschouwt. Akamai is voorzichtig (en dat moeten wij hier ook zijn) om agents niet te beschrijven als zelfstandig opererend buiten de verantwoordelijkheid van mensen en organisaties die ze inzetten. Een agent werkt onder gedelegeerde bevoegdheid, met toegang die een mens of beleid heeft toegekend, en elke actie is in principe herleidbaar tot die toekenning. Het governanceprobleem is dat de meeste organisaties hun bestaande identiteits-, monitoring- en toegangscontroles voor menselijke gebruikers nog niet hebben uitgebreid naar de agents die nu naast hen opereren.

Die uitbreiding is wat een unified Control Plane biedt. Kiteworks Control Plane beheert hoe zowel menselijke gebruikers als AI-agents toegang krijgen tot, gebruikmaken van en gevoelige content uitwisselen onder één beleid- en auditlaag. Zo is een agent die een gereguleerd document ophaalt onderworpen aan hetzelfde ABAC-beleid en auditlogging als een mens die dezelfde taak uitvoert. Een Secure MCP Server-integratie die een agent verbindt met enterprise content zonder die verbinding via beheerde, gelogde toegang te laten lopen, introduceert hetzelfde identiteitsgat waar dit rapport voor waarschuwt—maar dan met een agent in plaats van een persoonlijke ChatGPT-account als onbeheerde identiteit.

Akamai’s vijf pijlers en waar Kiteworks het bewijs­gat sluit

Akamai sluit het rapport af met een vijfpijler-framework: focus op power users, elimineer shadow AI via identiteitsfederatie, bescherm data op het AI-interactieniveau met contextuele DLP in plaats van patroonherkenning, beveilig extensies als bevoorrechte software en bereid je voor op autonome agents door ze als aparte identiteitsklasse te beheren. Het is een solide checklist, geschreven vanuit het perspectief van security operations, gericht op zichtbaarheid en detectie. Dat is op zichzelf niet het perspectief dat een Chief Compliance Officer nodig heeft wanneer een toezichthouder een wettelijke deadline stelt. Weten dat een interactie heeft plaatsgevonden en risicovol was, is een detectieresultaat. Binnen de deadline van de toezichthouder een verdedigbaar bewijs leveren van welke data betrokken was en onder welk beleid, is een bewijsresultaat. Een programma dat volledig op detectie is gebouwd, heeft dus nog steeds een bewijslayer nodig.

Kiteworks Compliant AI past beleid toe op het moment dat gevoelige content naar of van een AI-interactie zou bewegen, zodat governance niet afhankelijk is van het eerst identificeren van elke applicatie die een medewerker of agent zou kunnen gebruiken. Het Kiteworks Control Plane breidt diezelfde beleid- en auditlaag uit over beveiligde e-mail, beveiligd delen van bestanden, beheerde bestandsoverdracht, beveiligde webformulieren en AI-interacties. Wanneer een auditor vraagt welke data een AI-interactie heeft geraakt, moet het antwoord komen uit een beheerde audit log, niet uit een reconstructie achteraf. Een CISO Dashboard dat deze activiteiten voor zowel menselijke als agent-toegang inzichtelijk maakt, zorgt ervoor dat de aanbevelingen van Akamai daadwerkelijk uitvoerbaar zijn.

Meer weten over het dichten van het shadow AI-identiteitsgat en het beheren van AI-agenttoegang tot gevoelige data onder één bewijs­klare Control Plane? Plan vandaag nog een gepersonaliseerde demo.

Aanvullende bronnen

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