Toezichthouders beboeten het datatraject, niet het model
Toezichthouders wachten niet op een afgeronde theorie over AI voordat ze boetes opleggen voor de manier waarop bedrijven omgaan met data. De Italiaanse gegevensbeschermingsautoriteit, de Garante, legde Meta Platforms Ireland op 14 november 2026 een boete op van 805 miljoen euro vanwege een Facebook-functie voor Android die foto’s en video’s uit de galerij van gebruikers suggereerde. De Garante stelde vast dat de app toegang kreeg tot die foto’s, video’s en metadata zonder specifieke toestemming, en gaf duidelijk aan dat de procedure niet ging over het gebruik van de inhoud voor AI-training.
Dat detail is de les voor iedereen die verantwoordelijk is voor compliance. Een boete van 805 miljoen euro had niets te maken met een model. Het ging om wie welke data heeft benaderd, op welke grondslag, en of de betrokken persoon daadwerkelijk akkoord was gegaan. Een dag eerder hadden meldingen van Uber over datalekken de blootstelling van rijbewijsgegevens van chauffeurs herleid tot gestolen inloggegevens bij een AI-leverancier. Twee verschillende gebeurtenissen, één rode draad. Toezichthouders en het publiek volgen het datapad.
Voor een CISO of Chief Compliance Officer is de praktische vraag niet wat een toezichthouder van je model vindt. Het gaat erom of je bewijs kunt leveren van elke toegang tot gereguleerde data, inclusief toegang door AI-tools, AI-agenten en de leveranciers daarachter. Deze post bespreekt wat de Garante heeft besloten, wat de uitspraak openlaat, en wat een bewijspakket moet bevatten.
Belangrijkste inzichten
- Handhaving volgt de data, niet het model. De Italiaanse Garante legde Meta een boete op van 805 miljoen euro vanwege toegang tot de galerij zonder specifieke toestemming, en merkte op dat de procedure niet ging over AI-training.
- Toestemming is een bewijsprobleem. De Garante stelde vast dat één app-brede toestemming diverse functies met verschillende doelen dekte en werd voorafgegaan door een algemene melding.
- Argumenten over leidende toezichthouder helpen niet altijd. De Garante verwierp Meta’s one-stop-shop-argument omdat de toegepaste ePrivacy-regels niet in dat mechanisme voorzien.
- Leveranciersketens blijven binnen je auditbereik. Uber’s meldingen over datalekken herleidden een blootstelling van chauffeursdata tot gecompromitteerde inloggegevens bij een AI-infrastructuurleverancier.
- Auditgereedheid loopt achter op het regelboek. Grant Thornton ontdekte dat 78 procent van de ondervraagde leiders niet het volste vertrouwen heeft dat ze binnen 90 dagen een onafhankelijke AI-governance-audit kunnen doorstaan.
Wat de Garante heeft besloten
De aankondiging van de Garante, gedateerd 14 november 2026, legde Meta Platforms Ireland Limited een boete op van 805 miljoen euro vanwege een galerijsuggestiefunctie in de Facebook-app voor Android. De functie was sinds 2023 beschikbaar en stelde foto’s en video’s uit de galerij van een telefoon voor als ideeën voor berichten. Volgens The Hacker News komt de boete overeen met ongeveer 0,47 procent van de wereldwijde omzet van de groep en betreft het circa 20 miljoen Android-gebruikers in Italië.
De bevindingen zijn specifiek. De app vroeg om galerijtoegang via één enkele toestemming die de hele app en diverse functies met verschillende doelen dekte. Een algemene melding over het inschakelen van andere functies kwam eerst en maakte niet duidelijk dat gebruikers ook toestemming gaven voor galerijsuggesties. De functie stond standaard aan. De Garante voegde toe dat een volledig verleende toestemming van dit type een app in staat stelt het volledige fotoarchief continu te lezen, en dat noch de gebruiker noch de autoriteit kan verifiëren welke informatie wordt gebruikt.
De juridische grondslag is net zo belangrijk als de feiten. De Garante paste artikel 122 van de Italiaanse privacywet toe, die de EU ePrivacy-richtlijn implementeert, niet de GDPR. Een smartphone wordt beschouwd als onderdeel van de privésfeer van een persoon, dus elke toegang tot wat de telefoon opslaat vereist vrije en geïnformeerde toestemming, ongeacht of de data wordt verzonden of er schade ontstaat.
Het bevel is concreet. Binnen 60 dagen moet Meta toestemming vragen via een aparte, specifieke aanvraag die het doel van de functie, de galerijtoegang en hoe deze uit te schakelen uitlegt, en de functie moet standaard uitstaan, ook voor gebruikers die de toestemming al hebben gegeven. Meta moet binnen 30 dagen aan de Garante rapporteren wat het heeft ondernomen en binnen 90 dagen over de genomen maatregelen. Als Meta de termijn van 60 dagen mist, mag de functie voor niemand worden geactiveerd zonder geldige toestemming.
Meta is van plan in beroep te gaan en noemt de boete buitenproportioneel. Ook stelt het bedrijf dat de functie alleen werkt nadat gebruikers toestemming geven op hun apparaat en dat gebruikers deze toestemming kunnen wijzigen in de instellingen. De uitspraak is een administratief bevel en het beroep is nog niet afgerond, dus beschouw de boete als een signaal over de handhavingsrichting en niet als vaststaande wet.
De AI-vraag die de uitspraak openlaat
De Garante gaf aan dat de procedure niet ging over het gebruik van galerij-inhoud voor het trainen van AI-modellen, wat Meta ontkent. Ook stelde de Garante het recht voorbehouden om een nieuwere Facebook-functie, gelanceerd in 2026, waarbij galerij-inhoud in de cloud wordt verwerkt, apart te beoordelen. De AI-vraag is dus niet gesloten, maar uitgesteld.
Toch zal de structuur van de overtreding herkenbaar zijn voor iedereen die AI-assistenten inzet binnen een organisatie. Denk aan een interne assistent die één brede connector-toestemming krijgt tot een gedeelde bestandsopslag. De toestemming werd ooit goedgekeurd door een beheerder, onder een algemene omschrijving zoals “productiviteitsfuncties inschakelen”. Later schakelt een team een samenvattingsfunctie en een agent voor klantantwoorden in. Geen van beide functies werd beschreven toen de toestemming werd verleend, en het bewijs van wie waarmee akkoord ging is een ticket van achttien maanden geleden. Dat is het patroon dat de Garante bestrafte, vertaald naar de zakelijke omgeving.
Het punt is niet dat zakelijke AI-inzet illegaal is. Het gaat erom dat de compliancevraag bij AI-functies zelden begint bij het model. Het begint bij de vraag of toegang tot data is verleend voor een specifiek doel, door iemand die daartoe bevoegd is, en of het bewijs dat aantoont. Teams die AI als modelprobleem zien, bouwen testprogramma’s. Teams die het als data access-probleem zien, bouwen bewijs. Toezichthouders, zoals deze week bleek, vragen om het bewijs.
Toestemming is een bewijsprobleem
Toestemming moet volgens de logica van de Garante specifiek zijn. Een algemene melding en een gebundelde toestemming voldeden in dit geval niet aan die norm, en de Garante hoefde geen schade aan te tonen. Alleen toegang, zonder geldige toestemming, was de overtreding.
Voor een compliance-team verschuift dat de definitie van ‘klaar’. Een toestemmingsscherm bij installatie is geen controle. Een controle is een bewijsstuk dat vragen van een onderzoeker kan beantwoorden. Welke prompt zag de gebruiker, en in welke versie? Wat stond er over het doel? Wat koos de gebruiker, en wanneer? Kan de keuze worden ingetrokken, en respecteert het systeem de intrekking voor reeds toegankelijke data? Als het enige antwoord een schermafbeelding van een ontwerpbestand is, ontbreekt het bewijs.
Dezelfde discipline geldt voor medewerkers en klanten binnen een AI-workflow. Wanneer een medewerker een assistent koppelt aan een mailbox, of een klant een gegevensdeling goedkeurt met een agent die namens hem optreedt, moet het compliancebewijs het goedgekeurde bereik en het daadwerkelijk gebruikte bereik tonen. Het verschil daartussen is waar bevindingen ontstaan.
Dataminimalisatie is de stille metgezel van specifieke toestemming. Een tool toegang geven tot een volledig archief terwijl slechts één map nodig is, creëert dezelfde onbewezen situatie die de Garante beschreef, waarbij niemand kan zeggen welke informatie wordt gebruikt. Toegang beperken tot het strikt noodzakelijke, een principe centraal in dataminimalisatie en privacy by design, verkleint zowel de blootstelling als de bewijslast.
De leveranciersketen blijft binnen je auditbereik
Het Uber-incident toont de andere helft van het datapad. TechCrunch meldde dat Uber op 9 oktober door een leverancier werd geïnformeerd dat hackers interne inloggegevens hadden gestolen en daarmee toegang kregen tot Uber-data. TechCrunch identificeerde de leverancier als Fireworks AI, een bedrijf dat ontwikkelaars toegang geeft tot open AI-modellen. Een woordvoerder van Uber schreef de meldingen toe aan een beveiligingsincident bij een derde partij, Fireworks.ai, die toegang had tot bepaalde Uber-data.
De meldingen geven de schaal tot nu toe weer. Volgens meldingen die TechCrunch heeft ingezien, werden rijbewijsgegevens gestolen van 2.567 mensen in Massachusetts, 3.430 in South Carolina en 1.873 in Rhode Island, met een nog onbekend aantal in Illinois en ook meldingen aan chauffeurs in Californië. Uber heeft niet aangegeven hoeveel mensen in totaal zijn getroffen. Reuters voegde toe dat de melding uit Californië, gedateerd 10 november, de leverancier niet noemde of de betrokken data specificeerde, en dat Uber aangaf tot nu toe geen misbruik van de data te hebben vastgesteld. Fireworks meldde afzonderlijk dat het ongeautoriseerde toegang tot enkele van zijn systemen had vastgesteld, wat klantdata trof.
Twee details verdienen aandacht. De blootstelling vond plaats buiten Uber’s eigen systemen, in een account bij een leverancier die een kopie van Uber’s data beheerde. En het bewijs dat toezichthouders ontvingen was een staat melding van een datalek, wat betekent dat het bewijs van wat de leverancier beheerde en waarom achteraf moest worden gereconstrueerd. Amerikaanse staatswetten voor gegevensprivacy en meldingsplichten bij datalekken leggen vaak verplichtingen bij de organisatie die eigenaar is van de data, en een contract met een leverancier verplaatst die verantwoordelijkheid niet automatisch.
Het 2026 State of AI Governance-rapport van Schellman laat zien hoe weinig aandacht deze schakel krijgt. In hun enquête onder 525 Amerikaanse professionals gaf slechts 36 procent aan dat hun bestuur of leidinggevenden formeel derde partij- of leveranciersrisico bij AI hadden besproken, en slechts 69 procent was ervan overtuigd AI in externe tools te kunnen beheersen. Schellman noemt derde partij AI het grootste blinde vlek in zakelijke AI-governance, en het bedrijf verkoopt AI-assessments en certificering, dus de nadruk is deels eigenbelang. De enquête is niet gewogen en alleen VS-gebaseerd. De richting is echter moeilijk te weerleggen, want de Uber-meldingen beschrijven precies dat gat.
Behandel elke leverancier die gereguleerde data ontvangt als onderdeel van je eigen auditbereik. Begin met een register van welke datacategorieën elke leverancier beheert, onder welke inloggegevens, met welke rotatie- en intrekkingsregels. Deze discipline vormt de kern van risicobeheer door derden en risicobeheer toeleveringsketen, en AI-leveranciers, die vaak datasets, facturatiegegevens en prompts beheren, horen als eerste op de lijst.
Auditgereedheid loopt achter op het regelboek
Als handhaving de data volgt, is gereedheid het vermogen om het datapad op verzoek te tonen. Twee onderzoeken suggereren dat de meeste organisaties daar nog niet zijn, zelfs als ze zich voorbereid voelen.
Grant Thornton’s 2026 AI Impact Survey vroeg 950 senior bedrijfsleiders in februari en maart 2026 of ze binnen 90 dagen een onafhankelijke AI-governance-audit zouden kunnen doorstaan. Achtenzeventig procent heeft daar niet het volste vertrouwen in, en 22 procent is zeer zeker van wel. Het bedrijf merkt op dat de resultaten percepties weerspiegelen en dat het gebruik van het woord audit conceptueel is. Grant Thornton verkoopt AI-adviesdiensten en stelt dat geïntegreerde AI samenhangt met betere uitkomsten, wat hun eigen interpretatie is.
Gereedheid verschilt ook per regelboek. In Schellman’s enquête, uitgevoerd van 13 april tot 11 mei 2026, had 89 procent van de respondenten specifieke acties ondernomen om zich voor te bereiden op Amerikaanse regelgeving, 29 procent op de EU AI-wet en 12 procent op vereisten in Azië-Pacific. Die cijfers beschrijven genomen acties, geen uitkomsten, en komen uit een uitsluitend Amerikaanse steekproef. Toch laten ze iets bruikbaars zien. Voorbereiding volgt de toezichthouder die een bedrijf verwacht te ontmoeten, en een beslissing zoals die uit Italië komt van een toezichthouder die veel op de VS gerichte programma’s niet in kaart hebben gebracht. Toezicht toont een vergelijkbaar patroon. Slechts 54 procent van de respondenten van Schellman rapporteert AI-governance regelmatig aan hun bestuur of een gelijkwaardig orgaan.
Het onderzoek van Kiteworks wijst dezelfde kant op. Kiteworks Data Security and Compliance Risk: 2026 Annual Survey Report stelde vast dat 63 procent van de 459 respondenten in de 12 maanden voorafgaand aan het onderzoek te maken had gehad met een compliancegevolg, gedefinieerd als een auditbevinding, een verplicht herstelplan, een escalatie naar het bestuur, een contractuele boete of een formeel onderzoek door een toezichthouder. Het onderzoek werd uitgevoerd in het tweede kwartaal van 2026, de bevindingen zijn zelf gerapporteerd en Kiteworks voerde het uit, dus zie het cijfer als één datapunt onder meerdere.
Geen van deze onderzoeken meet wat een toezichthouder zal vragen. Ze meten hoe voorbereid organisaties denken te zijn. Het gat tussen overtuiging en bewijs is waar een onderzoek begint.
Wat een bewijspakket moet aantonen
Toezichthouders reguleren data, geen modellen. Een pakket dat een vraag over AI-toegang tot gereguleerde data beantwoordt, doet hetzelfde werk als een pakket voor elke andere toegang, met de AI-specifieke velden toegevoegd.
Voor elke toegang tot gereguleerde data door een persoon, een AI-tool of een agent, moet het bewijs het volgende tonen.
- De identiteit die handelde, met een aanduiding of het een persoon of agent was, en namens wie een agent optrad.
- De data die is benaderd, met de classificatie en het systeem van herkomst.
- Het doel en de juridische of contractuele grondslag, inclusief de toestemming of autorisatie die gold en de versie daarvan.
- Het beleid dat het verzoek heeft beoordeeld, en het resultaat.
- Het tijdstip waarop de toegang begon en eindigde, en de methode waarmee toegang werd ingetrokken.
- Voor leveranciersstromen: de leverancier, de gebruikte inloggegevens en de meldingsverplichtingen die van toepassing zijn.
Let op wat er niet op de lijst staat. De architectuur van het model, de trainingsdata en benchmarkscores komen niet voor. Die zijn om andere redenen relevant, en een auditor kan ernaar vragen. De Italiaanse uitspraak en de Uber-meldingen draaien allebei om toegang en autorisatie.
Het produceren van dat pakket vereist één consistente audittrail. Een organisatie met één log voor e-mail, een andere voor bestandsoverdracht, een derde voor AI-tools en een vierde voor leveranciersverbindingen kan de vragen uiteindelijk en langzaam beantwoorden. Een organisatie met een geïntegreerde audit log die al deze kanalen dekt, kan ze snel beantwoorden en met vertrouwen dat er niets is gemist. Het Kiteworks Control Plane is daarop gebouwd. Het past één beleidsmodel toe op de mensen en agenten die gevoelige inhoud benaderen, en Kiteworks Compliant AI registreert elk AI-verzoek onder dat model. Die mogelijkheden vervangen geen juridische analyse of toestemmingsprogramma. Ze leveren de bewijslast waarop beide steunen.
Wat complianceleiders nu moeten doen
Dit gedeelte is algemene informatie, geen juridisch advies; de juiste stappen hangen af van je rechtsbevoegdheid en je juridisch adviseur. De volgorde hieronder is praktisch voor een compliance-team in het komende kwartaal.
- Breng elke AI-functie die gereguleerde data aanraakt in kaart naar een grondslag voor toegang. Maak een lijst van elke assistent, agent, connector en AI-leverancier, en leg vervolgens de toestemming, het contract of de juridische grondslag vast die de toegang dekt en wie die heeft verleend.
- Vervang brede toestemmingen door gespecificeerde toestemmingen. Waar één toestemming diverse functies met verschillende doelen dekt, splits deze op. Een beperkte scope verkleint zowel de blootstelling als het bewijs dat je moet leveren.
- Maak toestemming specifiek en versieerbaar. Bewaar de prompts, versiegeschiedenis, gebruikerskeuzes en intrekkingsrecords samen, zodat één zoekopdracht het volledige verhaal oplevert.
- Bouw het leveranciersregister. Leg voor elke leverancier die gereguleerde data beheert de datacategorieën, inloggegevens, rotatiepraktijk en meldingsvoorwaarden vast, en herzie het register telkens als een leverancier een incident meldt.
- Oefen het ophalen van bewijs. Kies een recent AI-toegangsgeval en meet hoe lang het duurt om de zes bovengenoemde items te verzamelen. Werk het reactieplan voor incidenten bij met wat je leert.
- Zet gereedheid op de agenda van het bestuur. Rapporteer gereedheid als het vermogen om bewijs te leveren, en volg het op dezelfde manier als andere nalevingsverplichtingen.
Begin met de oefening. Meningen over gereedheid zijn goedkoop, een getimede oefening niet.
Wil je meer weten over het bouwen van auditklaar bewijs voor AI-toegang tot gereguleerde data? Plan vandaag nog een demo op maat.
Veelgestelde vragen
Ja. De uitspraak van de Garante laat zien dat ongeautoriseerde toegang tot persoonsgegevens kan worden bestraft, zelfs als AI-training niet aan de orde is. De Garante gaf aan dat de procedure tegen Meta niet ging over het gebruik van galerij-inhoud voor AI-training, maar legde het bedrijf toch een boete op van 805 miljoen euro voor toegang zonder specifieke toestemming. Behandel elke AI-functie die persoonsgegevens aanraakt in eerste instantie als een data access-vraag en controleer je wet bescherming persoonsgegevens-controles daarvoor.
Je hebt een versieerbaar bewijs nodig van de afzonderlijke prompt, wat deze zei over doel en data access, wat de gebruiker koos en wanneer. De Garante verplichtte Meta om een aparte, specifieke aanvraag te presenteren die het doel van de functie, de galerijtoegang en hoe deze uit te schakelen uitlegt. Bewaar die records samen met intrekkingsgebeurtenissen zodat één zoekopdracht de volledige geschiedenis oplevert, en sla ze op in een audit log die je auditors kunnen raadplegen.
In de uitspraak van de Garante was dat niet het geval. De Garante stelde vast dat één toestemming voor de hele app en diverse functies met verschillende doelen, voorafgegaan door een algemene melding, geen specifieke toestemming opleverde onder artikel 122 van de Italiaanse privacywet. Regels verschillen per rechtsbevoegdheid, dus bevestig het standpunt met juridisch advies en splits brede toestemmingen per doel als veilige standaard. Een Data Protection Impact Assessment (DPIA) is een geschikte plek om die beslissing vast te leggen.
Houd een leveranciersregister bij waarin je per leverancier de datacategorieën die zij beheren, de gebruikte inloggegevens, de rotatie- en intrekkingspraktijk en de meldingsvoorwaarden vastlegt. De Uber-meldingen laten zien waarom. Gestolen inloggegevens bij een AI-leverancier leidden tot blootstelling van rijbewijsdata, en Schellman stelde vast dat slechts 36 procent van de onderzochte organisaties derde partij AI-risico op bestuurs- of directieniveau had besproken. Koppel het register aan je risicobeheer voor verkopers-proces en herzie het na elk incident met een leverancier.
Vertel het bestuur de waarheid in termen van bewijs, niet van vertrouwen. Grant Thornton stelde vast dat 78 procent van de ondervraagde leiders niet het volste vertrouwen heeft dat ze binnen 90 dagen een onafhankelijke AI-governance-audit kunnen doorstaan, dus het gat is gebruikelijk, en Schellman vond dat slechts 54 procent AI-governance regelmatig aan het bestuur rapporteert. Presenteer een plan met een eigenaar, de zes bewijsvelden en een datum voor een getimede bewijs-oefening, en koppel het aan je bestuur, risico en naleving-programma.
Aanvullende bronnen
- Blog Post Het touwtrekken om uw data: hoe de CLOUD- en SHIELD-wetten beveiliging en privacy tegenover elkaar zetten
- Blog Post Beveilig gevoelige data door DSPM te koppelen aan uw compliance-doelstellingen
- Brief Top 3 FERPA-overtredingen en hoe u ze voorkomt
- Blog Post Executive Order 14117: Bescherming van de gevoelige persoonsgegevens van Amerikanen
- Blog Post NIS2-naleving nodig? Begin met ISO 27001