Het Agentic AI Governance-gat is nu een complianceprobleem

Organisaties geven AI-agenten de mogelijkheid om te handelen op gevoelige data veel sneller dan dat ze de controles bouwen om die toegang te beheren. Een rapport van een arbeidsrechtkantoor, een universiteitsstudie, een effectenregelgever, een leverancier van medische dossiers en een cloud threat team publiceerden allemaal binnen enkele dagen bevindingen die samen hetzelfde gat beschrijven. De technologie verschuift van adviseren naar doen, maar het bewijs dat iemand toezicht houdt op wat het doet, blijft achter.

Deze post brengt die lijnen samen voor de mensen die hierop aangesproken zullen worden: de CISO en de Chief Compliance Officer. Het argument is eenvoudig. Een AI-agent die een patiëntendossier kan lezen, een bestand kan wijzigen of een cloudmodel kan aanroepen, is een identiteit met privileges. Het beheer ervan lijkt sterk op het beheren van andere bevoorrechte identiteiten binnen een zero trust-model, met een beleid dat beperkt wat het kan bereiken en een registratie van wat het daadwerkelijk heeft gedaan. De rest van dit artikel bespreekt wat het nieuwste bewijs zegt, waar de risico’s liggen en hoe een verdedigbare positie eruitziet.

Belangrijkste inzichten

1. Inzet gaat sneller dan governance.

Gartner-cijfers, gedeeld door een advocatenkantoor, laten zien dat de inzet van agenten naar verwachting sterk zal stijgen, terwijl weinig organisaties geloven dat hun governance op orde is.

2. Agenten brengen AI van advies naar actie.

Zodra een assistent kan handelen, verschuift de controlevraag van outputkwaliteit naar toegang en verantwoordelijkheid.

3. Openheid is beperkt.

Een MIT-studie ontdekte dat de meeste AI-bedrijven weinig zeggen over de risico’s die ze creëren, waardoor zakelijke afnemers zelf zorgvuldigheid moeten betrachten.

4. Toezichthouders testen nu AI-claims.

De handhavingsdirecteur van de SEC heeft aangegeven dat overdreven AI-capaciteitsclaims onder de loep worden genomen, dus claims moeten onderbouwd worden met bewijs.

5. Least privilege is het praktische antwoord.

Google’s eigen advies over gestolen AI-credentials is om elke permissie te weigeren die niet expliciet vereist is.

Wat het nieuwste bewijs zegt over het gat

Begin met de cijfers die het probleem omlijnen. Het rapport van Littler Mendelson over agentic AI op de werkvloer stelt dat de technologie “werkplek-AI verschuift van aanbeveling naar actie.” Volgens Gartner’s 2026 CIO and Technology Executive Survey wordt verwacht dat de inzet van AI-agenten stijgt van 17 procent in 2026 naar meer dan 60 procent binnen twee jaar, en dat minstens 15 procent van de dagelijkse werkbeslissingen autonoom zal worden genomen door agentic AI.

Uit hetzelfde materiaal blijkt dat 74 procent van de organisaties binnen twee jaar matig AI-gebruik verwacht, terwijl slechts 13 procent denkt de juiste governance te hebben. Ook wordt voorspeld dat meer dan 40 procent van de agentic AI-projecten tegen eind 2027 wordt stopgezet, met kosten, onduidelijke bedrijfswaarde en onvoldoende risicobeheersing als redenen. Dit zijn secundaire cijfers, Gartner-statistieken gedeeld door een advocatenkantoor, dus beschouw ze als richtinggevend. Ze komen echter overeen met wat een securityteam in de praktijk ziet: veel enthousiasme en weinig overzicht van wat agenten kunnen bereiken.

Het gat verdient een precieze beschrijving. Het is niet zo dat organisaties geen AI-beleid hebben. Veel organisaties hebben deze geschreven, en goede data governance-praktijken vragen daar al om. Het verschil is dat een beleidsverklaring en een afgedwongen controle twee verschillende dingen zijn, en een auditor of toezichthouder vraagt naar het tweede. Littler biedt werkgevers een raamwerk genaamd Decide, Design, Defend, wat een praktische samenvatting is van de benodigde discipline. Bepaal wat de agent mag doen. Ontwerp de controles die dat afdwingen. Verdedig de beslissing met bewijs als iemand deze ter discussie stelt.

Waarom een agent een bevoorrechte identiteit is

Het helpt om de nieuwigheid los te laten en een agent in gewone beveiligingstermen te beschrijven. Een agent beschikt over credentials. Het maakt verbinding met systemen. Het leest, schrijft en verzendt. Het handelt op instructies die het mogelijk ontvangt van niet-vertrouwde inhoud. Al deze eigenschappen horen bij een bevoorrechte identiteit, en elke controle die securityteams al toepassen op dergelijke identiteiten is hier van toepassing. De agent heeft een gedefinieerde scope nodig, authenticatie die niet gedeeld wordt, autorisatiebeslissingen bij elk verzoek en een log die de actie vastlegt in een audit log die je op verzoek kunt overleggen.

Het verschil zit in snelheid en schaal. Een mens met te veel toegang kan langzaam schade aanrichten. Een agent met te veel toegang kan dat in seconden en over duizenden records doen, zonder dat iemand het merkt. Daarom is de vraag niet of het model accuraat is, maar wat de agent mag aanraken en of je kunt reconstrueren wat het heeft gedaan. Het antwoord moet er zijn vóór een incident, want achteraf is het bewijs er wel of niet.

Daaronder ligt ook een zichtbaarheidsprobleem. Teams kunnen geen agenten beheren waarvan ze niet weten dat ze bestaan. De eerste operationele stap, en de basis van elk AI data governance-programma, is een inventarisatie van welke agenten er zijn, welke data ze kunnen bereiken, wie de eigenaar is en welke connectors ze gebruiken. Zonder die lijst is elke controle verderop een gok.

Een gezondheidszorg-voorbeeld toont de ambiguïteit

Een recent voorbeeld uit de zorg maakt het abstracte punt concreet. Athenahealth introduceerde een verbinding genaamd athenaPatient MCP, volgens HealthcareInfoSecurity, waarmee patiënten Anthropic’s Claude kunnen machtigen om laboratoriumuitslagen, medicatie, diagnoses, allergieën, vaccinaties, procedures en zorgplannen uit hun dossiers op te halen. Het is aanvankelijk beschikbaar voor Amerikaanse Claude Pro- en Max-abonnees, die inloggen met hun athenahealth-patiëntenportaal-credentials. Athenahealth zegt dat patiënten de toegang op elk moment kunnen intrekken en dat gedeelde informatie alleen wordt bewaard zolang de sessie duurt.

De juridische vraag is het interessante deel. Athenahealth’s standpunt is, in hun woorden: “Dit betekent dat HIPAA niet van toepassing is in dit gebruiksscenario.” Advocaat Jordan Cohen van Akerman LLP wordt geciteerd met de opmerking dat HIPAA meestal vervalt zodra dossiers bij de patiënt terechtkomen. Rachel Rose wijst op Texas House Bill 300 en de bredere definitie van covered entity, en adviseert om psychotherapienotities en 42 CFR Part 2-dossiers buiten deze systemen te houden. Met andere woorden, experts zijn het oneens over de vraag of HIPAA-bescherming de data blijft volgen zodra een patiënt een assistent machtigt om deze op te halen.

Het artikel verwijst naar een Pew-enquête uit augustus 2026 waaruit blijkt dat 34 procent van de Amerikaanse volwassenen AI-chatbots gebruikte voor gezondheidsdoeleinden, wat betekent dat het scenario niet hypothetisch is. Voor een organisatie die beschermde gezondheidsinformatie verwerkt, is de les niet of deze specifieke connector goed of slecht is. De les is dat zodra gevoelige dossiers via een protocolverbinding naar een AI-assistent stromen, het antwoord op wie verantwoordelijk is, welke regels gelden en welk bewijs er bestaat onduidelijk kan worden. Compliance-teams moeten die ambiguïteit schriftelijk oplossen voordat de data wordt verplaatst, en ze moeten risicovolle categorieën helemaal buiten de stroom houden totdat dat is gebeurd. De HIPAA minimum necessary rule is een bruikbaar referentiepunt voor hoeveel data een verbinding zou moeten bevatten.

Openheid is beperkt, dus zorgvuldigheid ligt bij jou

Als leveranciers hun risico’s duidelijk zouden openbaren, zou zorgvuldigheid voor bedrijven eenvoudiger zijn. Een MIT-rapport met data uit begin 2026 suggereert dat ze dat niet doen. Het bleek dat 62 procent van de top 1.000 AI-bedrijven en 32 procent van de top 100 geen potentiële risico’s besprak. Bedrijven die wel openheid geven, noemen slechts vijf categorieën: discriminatie, wapens en cyberaanvallen, fraude en oplichting, verlies van privacy en devaluatie van menselijke creativiteit.

Financiële en verzekeringsbedrijven erkennen gemiddeld 2,9 AI-risico‘s, tegenover 7,1 voor organisaties in de informatiesector. Weinig bedrijven behandelen de risico’s van multi-agent-systemen, ondanks snelle adoptie in het bedrijfsleven. Peter Slattery van MIT FutureTech, mede-auteur, zei: “Op dit moment is er heel weinig transparantie over.” Het artikel merkt op dat de meeste data van vóór het Hugging Face-incident van juni zijn, dus het beeld kan inmiddels veranderd zijn.

Het praktische gevolg is dat een koper niet kan vertrouwen op de publieke risicoverklaringen van een modelleverancier om aan zijn eigen toezichthouders te voldoen. De organisatie moet zelf vastleggen hoe het risico is beoordeeld, wat er is besloten en welke controles zijn toegepast. Dat bewijs is wat een leveranciersclaim omzet in jouw bewijs. Het hoort in je risicobeheer toeleveringsketen-dossier, naast de inventaris van agenten en connectors.

Toezichthouders beginnen claims te testen

Het openheidsprobleem werkt twee kanten op. Op 30 oktober 2026 vertelde SEC Enforcement Director David Woodcock aan Reuters en Law360 dat het agentschap bedrijfs-AI-onthullingen monitort, volgens een post van de Debevoise Data Blog. Hij zei dat handhaving zich zal richten op beursgenoteerde bedrijven waarvan de verklaringen “mogelijk hun AI-capaciteiten overdrijven” en wees op het niet openbaren van AI-gebruik of risico’s in een kernonderdeel van het bedrijf. Hij verwees naar eerdere zaken tegen private bedrijven met overdreven AI- en robotica-capaciteiten en verwacht vergelijkbare onderzoeken bij beursgenoteerde bedrijven.

De auteurs van Debevoise adviseren om investeerdersmateriaal te herzien op wat zij AI-hushing noemen, AI- en agentic-capaciteiten precies te definiëren, prestatieclaims te onderbouwen met bewijs en risicoanalyses te gebruiken om onthullingen te informeren. De rode draad met het governance-gat is bewijs. Een bedrijf dat zegt dat zijn agenten onder controle opereren, moet het beleid, de handhaving en de logs kunnen tonen. Een bedrijf dat zegt dat zijn AI-capaciteiten geavanceerd zijn, heeft bewijs nodig dat die claim ondersteunt. In beide gevallen wordt een niet-onderbouwde verklaring een risico.

Dit sluit aan bij een les uit handhaving op andere gebieden van cyberbeveiliging, waar de blootstelling vaak voortkomt uit het verschil tussen wat werd voorgesteld en wat er daadwerkelijk was. Diezelfde logica geldt nu voor AI-verklaringen.

Gestolen AI-credentials tonen de kosten van brede toegang

De laatste lijn is de meest directe illustratie van wat te ruime permissies kosten. Google Threat Intelligence Group en Mandiant analyseerden een patroon genaamd LLMjacking, waarbij aanvallers gestolen API-sleutels of blootgestelde model-endpoints gebruiken om cloud-AI-kosten op te drijven, aldus BleepingComputer. Sommige slachtoffers verloren meer dan $100.000 op één dag, en de totale kosten liepen bij sommigen op tot $1.000.000. Aanvallers verkopen toegang via diensten die het rapport LLM-mixers noemt, en één daarvan, Jet Night, verkoopt onbeperkte toegang voor $60 per maand.

Google noemt een dreigingscluster en een kwetsbaarheid in LiteLLM, en het advies is duidelijk. Organisaties wordt aanbevolen: “Weiger alle permissies die niet expliciet vereist zijn, inclusief toegang tot Cloud LLM-diensten.” De schade in deze gevallen is factureringsfraude in plaats van diefstal van inhoud, dus het speelt zich af op het niveau van identiteit en credentials. Het is nog steeds een duidelijke illustratie van het principe. Credentials die AI-diensten kunnen bereiken zijn waardevol, en hoe beperkter ze zijn, hoe minder een aanvaller kan bereiken.

Voor agenten die gevoelige inhoud aanraken geldt hetzelfde advies, maar dan met grotere inzet. Beperk elke agent tot de minimale data en acties die nodig zijn, zoals aanbevolen in zero trust data protection-strategieën, authenticeer als eigen identiteit en registreer elk verzoek.

Bestaande raamwerken dekken AI nu al

Een veelgemaakte fout is wachten op AI-specifieke wetgeving voordat men actie onderneemt. In de praktijk dekken diverse raamwerken die organisaties nu al volgen, de toegang tot AI. Privacyregels in de zorg bepalen hoe beschermde informatie wordt gebruikt en gedeeld. Financiële toezichthouders behandelen AI inmiddels als onderdeel van cyberbeheer, en NYDFS Part 500 is één plek waar die verwachting wordt uitgewerkt. Privacyregimes zoals GDPR vragen nu al wie persoonsgegevens verwerkt en op welke grondslag, en een agent die persoonsgegevens verwerkt krijgt dezelfde vragen als elke andere verwerker.

Het punt is niet dat elk raamwerk agenten bij naam noemt. De meeste doen dat niet. Het punt is dat de onderliggende verplichtingen technologieneutraal zijn. De plicht om toegang te beperken tot wat nodig is, toegang te loggen en te kunnen uitleggen wie wat heeft gezien, geldt of de actor nu een persoon, script of agent is. Teams die hun agenten-inventaris koppelen aan de verplichtingen die ze al hebben, zullen merken dat het meeste werk bekend is. Het nieuwe element is de hoeveelheid en snelheid, waardoor geautomatiseerde handhaving en geautomatiseerd bewijs belangrijker worden dan toen een mens het werk deed.

Het is ook nuttig om twee vragen te onderscheiden die vaak door elkaar lopen. De eerste is of een agent een actie mag uitvoeren, wat een beleids- en toegangs-vraag is. De tweede is of de organisatie achteraf kan bewijzen wat er is gebeurd, wat een bewijs-vraag is. Governanceprogramma’s die alleen de eerste beantwoorden, laten zichzelf kwetsbaar als iemand de tweede stelt, en de interesse van de SEC in het onderbouwen van AI-claims suggereert dat die tweede vraag uit steeds meer hoeken zal komen.

Wat een CISO en CCO nu moeten doen

De volgende stappen zijn geordend op hoe snel ze de blootstelling verkleinen, en geen ervan vereist wachten op nieuwe regelgeving.

Begin met een inventarisatie. Maak een lijst van elke AI-agent, assistent en connector die in gebruik is, inclusief die door een business unit zijn geïntroduceerd zonder security review. Noteer voor elk de eigenaar, de data die het kan bereiken, de credentials die het gebruikt en de goedkeuringsdatum. Dit is de basis voor alles wat volgt.

Definieer vervolgens wat elke agent mag doen en handhaaf dit op het moment van toegang. Een geschreven beleid is een begin. Een afgedwongen beleid, geëvalueerd bij elk verzoek op basis van wie of wat vraagt, welke data betrokken is en welke actie wordt uitgevoerd, is de controle. Pas het least privilege-principe toe en verwijder alles wat niet expliciet vereist is.

Bepaal daarna waar gereguleerde data wel en niet naartoe mag. Los de HIPAA-achtige ambiguïteiten schriftelijk op voor jouw situatie. Waar experts het oneens zijn over of bescherming de data volgt, houd de hoogste risicocategorieën erbuiten totdat juridisch advies het standpunt heeft bepaald.

Test daarna of je agent-activiteiten kunt reconstrueren. Kies één agent en vraag om een volledig overzicht van wat het afgelopen maand heeft benaderd, met welke credential en onder welk beleid. Als het samenstellen hiervan dagen en meerdere systemen kost, is dat het belangrijkste gat.

Controleer tenslotte je externe verklaringen. Vergelijk wat je aan investeerders, klanten en toezichthouders hebt verteld over je AI-capaciteiten en -controles met het bewijs dat die ondersteunt. Los eventuele verschillen op voordat iemand anders ze ontdekt.

Een laatste gewoonte is het waard om vanaf het begin in het programma op te nemen. Herzie de inventarisatie op een vast schema, bijvoorbeeld elk kwartaal of na een significante wijziging in het gebruik van agenten, en leg de review vast. Het gebruik van agenten verandert snel, met nieuwe connectors en nieuwe zakelijke toepassingen tussen audits door. Een gedateerde review laat zien dat governance een levend proces is en geeft de CISO en Chief Compliance Officer een gedeeld bewijsstuk om aan de raad van bestuur te tonen wanneer gevraagd wordt hoe de organisatie AI-risico’s beheert.

Een eenvoudige manier om agent governance te testen

Een nuttige oefening voor een security- of compliance-team is om één agent, assistent of connector te kiezen die nu in gebruik is en vijf eenvoudige vragen te beantwoorden. Wie heeft het goedgekeurd? Welke data kan het bereiken? Onder wiens identiteit handelt het? Wat heeft het de afgelopen maand gedaan? En wie bel je als het iets verkeerd doet? Dat zijn de vragen die een toezichthouder, auditor of incident-responder zal stellen, en ze zijn niet afhankelijk van welk model achter de agent zit.

De meeste organisaties merken dat de eerste twee antwoorden makkelijk komen en de laatste drie niet. Goedkeuring en scope zijn meestal bij de start vastgelegd. Identiteit, activiteitenregistraties en eigenaarschap vervagen naarmate een pilot uitgroeit tot een afhankelijkheid. Het Gartner-materiaal dat Littler aanhaalt, verwacht dat agenten minstens 15 procent van de dagelijkse beslissingen autonoom nemen, wat betekent dat het gat tussen wat is goedgekeurd en wat daadwerkelijk gebeurt groter wordt, tenzij iemand de vraag blijft stellen. Zie de oefening als een terugkerende check, niet als een eenmalige audit, en bewaar de antwoorden in een vorm die je aan een reviewer kunt overhandigen.

Hoe Kiteworks ondersteunt bij gecontroleerde AI-toegang

Het deel van dit probleem waarbij AI gevoelige inhoud bereikt, zoals bestanden, e-mail en dossiers, is waar governance vaak spaak loopt, omdat toegang wordt verleend via een verbinding buiten de normale controles om. De Kiteworks Secure MCP Server beoordeelt elk agent-verzoek op rolgebaseerde en op attributen gebaseerde toegangscontrole en registreert agent-activiteiten in een uniforme audit log. Compliant AI past governance toe op het data layer, controleert geauthenticeerde identiteit, beleid en encryptie voordat inhoud wordt vrijgegeven, en werkt met MCP-compatibele AI-modellen. Dat geeft een compliance-team één plek om te achterhalen wat een agent heeft aangeraakt.

Het ondersteunt het hierboven beschreven werk, maar vervangt het niet. Een platform kan beleid afdwingen en bewijs leveren, maar de agent-inventaris, de risicobeslissingen en de verklaringen aan toezichthouders blijven de verantwoordelijkheid van je organisatie, en beoordelaars bepalen of een controle aan een vereiste voldoet.

Wil je meer weten over het beheren van AI-toegang tot gevoelige inhoud met auditklaar bewijs, plan dan 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 is geen “–dangerously-skip-permissions” voor je data
• Blog Post
  Toezichthouders zijn klaar met vragen of je een AI-beleid hebt. Ze willen bewijs dat het werkt.