De AI Governance Confidence Gap is een bewijsachterstand

Bijna elke organisatie beschikt tegenwoordig over een AI-governancebeleid, maar dat zegt een toezichthouder vrijwel niets over of een specifiek AI-systeem zich daadwerkelijk aan dat beleid heeft gehouden. Beleid is een intentieverklaring. Bewijs is een verslag van wat er daadwerkelijk is gebeurd. De meeste bedrijven zijn veel beter voorzien van het eerste dan van het tweede.

Het duidelijkste bewijs kwam in september 2026, toen EY zijn AI Risk and Governance Survey publiceerde onder 202 senior AI-beslissers bij Amerikaanse organisaties. EY’s rapport, “Realizing potential: confidence in AI,” toonde aan dat 98 procent een AI-governancebeleid heeft en dat 47 procent hun eigen governanceproces heeft omzeild voor een urgente inzet. Dezelfde leidinggevenden die het beleid opstelden, gaven toe dat ze het zelf hadden omzeild. Compliance Week benadrukte deze bevinding als centrale waarschuwing voor compliance-teams.

Voor een CISO of Chief Compliance Officer is het cijfer dat telt de afstand tussen deze twee percentages. Een beleid dat onder druk wordt omzeild, kan geen auditklaar bewijs opleveren, omdat het bewijs juist ontbreekt op het moment van de omzeiling. In dit artikel wordt uitgelegd wat de EY-data laat zien, waarom de kloof structureel is in plaats van cultureel, en hoe een operationele discipline op het data layer-niveau, zoals Kiteworks secure data exchange, governance verandert van een document in bewijs.

Belangrijkste inzichten

1. Beleid is bijna overal aanwezig, en dat is juist het risico.

Met 98 procent van de organisaties die een AI-governancebeleid hebben, maakt het bezitten ervan niet langer het verschil tussen voorbereide en kwetsbare bedrijven.

2. Omzeiling is de belangrijkste indicator van een bewijsprobleem.

Zevenenveertig procent heeft hun eigen governanceproces overgeslagen voor een urgente inzet, en elke overgeslagen stap betekent een ontbrekend bewijsstuk.

3. Autonome agenten vergroten de kloof het snelst.

Van de organisaties die agentic AI gebruiken, laat 85 procent systemen draaien die zonder realtime menselijke betrokkenheid handelen, terwijl 49 procent hun governancekader niet heeft aangepast voor agenten.

4. Je kunt geen bewijs leveren van wat je niet ziet.

Eenenveertig procent van de senior AI-beslissers zegt geen zicht te hebben op AI-gebruik, en 26 procent van de agentic AI-gebruikers kan ongeautoriseerde agenten niet detecteren.

5. Toezichthouders reguleren data, niet modellen.

Het verdedigbare antwoord aan een auditor is een manipulatiebestendig bewijs, gekoppeld aan een benoemde menselijke autorisator, van elke keer dat een AI-systeem gereguleerde data heeft aangeraakt.

EY Onderzocht de Personen met de Risico-exposure

Governance-enquêtes ondervragen vaak medewerkers die één of twee niveaus van de beslissingen verwijderd zijn. EY richtte zich op de senior AI-beslissers, de mensen die de inzet goedkeuren en er later op worden afgerekend. Die keuze maakt de belangrijkste cijfers moeilijker af te doen als een middenmanagementperceptie.

Het onderzoek liep van 28 mei tot 15 juni 2026 en richt zich uitsluitend op Amerikaanse organisaties. Met 202 respondenten noemt EY een foutmarge van plus of min 7 procentpunten, wat betekent dat individuele cijfers richtinggevend zijn. Het patroon in het hele rapport is wat telt, en dat patroon is consistent. Het vertrouwen in het papierwerk is hoog, het vertrouwen in de werking erachter is laag.

De reikwijdte is hier belangrijk en moet bepalen hoe je de data gebruikt. Een uitsluitend Amerikaanse steekproef zegt niets definitiefs over Europese of Golfregio-organisaties, en dit artikel behandelt het ook niet zo. In latere secties wordt getoond waar toezichthouders in andere rechtsbevoegdheden via hun eigen route tot dezelfde verwachting komen.

Beleid is Bijna Overal Aanwezig en Dat Is het Risico

Achtennegentig procent van de respondenten meldt een vorm van AI-governancebeleid, en 69 procent zegt dat dit beleid volledig is geharmoniseerd binnen de organisatie. Op het eerste gezicht lijkt dat een succesverhaal. Maar als compliance officer is het een waarschuwing, want hetzelfde rapport laat zien dat 69 procent zich ook zorgen maakt dat hun organisatie niet de interne expertise heeft om governancecontroles te blijven ontwikkelen.

Zet deze twee cijfers van 69 procent naast elkaar en er ontstaat een beeld. Het beleid bestaat, het is op papier geharmoniseerd, maar de verantwoordelijken twijfelen of hun teams het actueel kunnen houden. Dat beschrijft een document dat verder is dan de organisatie die het draagt.

De data over afgeronde controles onderstrepen dit punt. EY’s respondenten geven aan dat ze governance-teams hebben opgezet (75 procent), regelmatige reviewprocessen (73 procent), human-in-the-loop vereisten (72 procent), training (71 procent) en escalatieprocedures (68 procent). Leveranciersvereisten staan op 65 procent, data lineage op 64 procent, en formele raamwerken en AI-registers elk op 58 procent. Dit zijn allemaal inputfactoren. Geen ervan is een output die een toezichthouder kan inspecteren.

Een toezichthouder vraagt niet of je een trainingsprogramma hebt. De toezichthouder vraagt je te laten zien, voor een specifieke AI-interactie met specifieke gereguleerde data, wie het heeft goedgekeurd, welk beleid van toepassing was en wat het resultaat was. Een programma dat vooral uit input bestaat zonder bijbehorende bewijsstroom, beantwoordt geen van deze vragen. Dat is de valkuil van bijna universele beleidsdekking: het wekt een gevoel van paraatheid zonder bewijs te leveren.

De Omzeiling Is Eerst een Capaciteitsprobleem, Daarna een Cultuurprobleem

Als 47 procent van de organisaties toegeeft het governanceproces te hebben omzeild voor urgente inzet, is de instinctieve diagnose een gebrek aan discipline. Medewerkers nemen een kortere route, leiders kijken weg, en de oplossing lijkt meer training. Het onderliggende onderzoek wijst echter op iets nuttigers.

OneTrust’s 2026 AI-Ready Governance Report, een enquête onder 1.200 beslissers in acht markten in juni en juli 2026, ontdekte dat 33 procent van de organisaties zag dat medewerkers ongeautoriseerde AI gebruikten omdat het goedgekeurde traject te traag was. Nog eens 31 procent ontdekte use cases pas nadat ze al in gebruik waren. Mensen zoeken een alternatieve route als het proces niet snel genoeg meebeweegt met het bedrijf.

Dit plaatst de omzeiling in het perspectief van een doorvoercapaciteit. Als een governance-review weken duurt en een businessunit een deadline heeft van dagen, wint de deadline. De organisatie heeft dan een beleid op papier en een niet-gereviewde inzet in productie, en de bewijsstroom voor die inzet begint bij nul.

Daarom werkt aansporing niet en architectuur wel. Een controle die in een beleidsmap staat, hangt af van de keuze van iemand om het te volgen. Een controle die wordt afgedwongen op het moment dat een AI-systeem data opvraagt, kan niet worden overgeslagen vanwege een deadline, omdat het de route is waarlangs de data reist. Governance die is ingebouwd in de uitwisseling haalt de prikkel om het te omzeilen weg. De goedgekeurde route wordt de snelle route, omdat autorisatie, beleidschecks en logging plaatsvinden in het verzoek zelf, zonder ticket in een wachtrij.

Agentic AI Verandert een Governancekloof in een Actiekloof

Een chatbot die een vraag beantwoordt is een leesoperatie waarbij een mens het antwoord leest. Een agent die code uitvoert, bestellingen plaatst of dossiers aanpast, is iets anders. Die handelt, en doet dat op machinesnelheid over veel systemen heen.

EY vond dat 91 procent van de respondenten agentic AI in een of andere vorm gebruikt. Daarvan zegt 85 procent dat ze minstens enkele agentic-systemen hebben die acties uitvoeren zonder realtime menselijke betrokkenheid, en 49 procent geeft toe dat hun governancekader niet specifiek is aangepast aan de risico’s van agentic AI. Nog eens 26 procent kan ongeautoriseerde AI-agenten binnen de eigen organisatie niet detecteren.

Denk na over wat dat laatste cijfer in de praktijk betekent. Bij ongeveer één op de vier agentic AI-gebruikers kan een agent actief zijn die door niemand is goedgekeurd, data benadert die niemand heeft toegestaan, en de organisatie heeft geen mechanisme om dit op te merken. Governance voor een systeem dat je niet ziet, is een hoop, geen controle.

Eigenaarschap verergert het probleem. EY meldt dat 56 procent geen enkele eigenaar heeft voor AI-governance en 39 procent zegt dat de verantwoordelijkheid voor autonome beslissingen niet is gedefinieerd. Dat weerspiegelt een patroon dat breder voorkomt in enterprise AI-onderzoek. Wie AI-risico bezit, is onduidelijk, en een verantwoordelijkheidsvacuüm is het praktische gevolg.

De oplossing is niet om agenten als een mysterieuze nieuwe categorie te behandelen. Een AI-agent is een identiteit die namens een persoon opereert en hoort in hetzelfde governance-model als de mens waarvoor hij werkt. Elke actie van een agent moet herleidbaar zijn tot een benoemde menselijke autorisator, worden getoetst aan dezelfde databeleidsregels die voor die persoon gelden, en in hetzelfde audittrail terechtkomen. Wanneer agenten en mensen één governance-identiteitsmodel delen, is de vraag “wie heeft dit goedgekeurd?” altijd te beantwoorden. Wanneer agenten op gedeelde serviceaccounts of niet-toe te wijzen tokens draaien, blijft het antwoord uit.

Zichtbaarheid Is de Voorwaarde en 41 Procent Heeft Die Niet

Achtennegentig procent van de EY-respondenten zegt dat hun organisatie al AI-risico heeft ervaren. Cyberbeveiligingsrisico staat bovenaan met 52 procent, gevolgd door menselijk risico met 47 procent en shadow AI met 46 procent. Zesentwintig procent meldt een daadwerkelijk AI-gerelateerd incident. Toch zegt 41 procent dat senior AI-beslissers geen zicht hebben op hoe AI binnen de organisatie wordt gebruikt.

Zichtbaarheid is waar het bewijsprobleem concreet wordt. Een audittrail kan alleen beschrijven wat is geïnstrumenteerd. Als AI-gebruik plaatsvindt via onbeheerde tools, persoonlijke accounts of agenten buiten het register, wordt er geen log vastgelegd, en kan de organisatie de gebeurtenissen niet reconstrueren als een toezichthouder daarom vraagt.

Kiteworks’ eigen onderzoek wijst in dezelfde richting. Kiteworks Data Security and Compliance Risk: 2026 Annual Survey Report, een zelfgerapporteerde enquête onder 459 respondenten in juli 2026, liet zien dat 65 procent van de organisaties shadow AI in hun omgeving had ontdekt. Omdat de data zelfgerapporteerd is, is het richtinggevend, maar het komt overeen met de EY-bevinding. Verborgen AI-gebruik is gebruikelijk, en ontdekking gebeurt meestal achteraf.

Let ook op wat het EY-registercijfer impliceert. Slechts 58 procent meldt een afgerond AI-register te hebben, met nog eens 39 procent in ontwikkeling. Een register is een inventaris, en een inventaris is het startpunt voor bewijs. Je kunt geen autorisatiebewijzen koppelen aan een systeem dat niet op de lijst staat. Het register, het identiteitsmodel en het audittrail zijn drie perspectieven op hetzelfde probleem: weten wat draait, namens wie, en op welke data.

De praktische les voor een CISO is om ontdekking niet langer als eindpunt te zien. Shadow AI vinden is nuttig, maar de compliancevraag die volgt is anders. Kun je voor elke AI-interactie met gereguleerde data bewijzen dat deze was geautoriseerd, versleuteld en gelogd? Detectie vertelt je dát er iets is gebeurd. Bewijs vertelt een toezichthouder wát er is gebeurd en waarom het was toegestaan.

Assurance Reviews Bewijzen dat Controles Stilletjes Falen

De reviewdata van EY verdient een nauwkeurige lezing, omdat het de comfortabele aanname tegenspreekt dat governanceproblemen zeldzaam zijn. Van de organisaties die formele AI-assurance reviews uitvoeren, vond 92 procent problemen. Reviews zijn frequent: 98 procent voert ze minstens jaarlijks uit en 80 procent maandelijks of elk kwartaal, en ze hebben gevolgen. In het afgelopen jaar gaf 64 procent aan dat minstens een kwart van de beoordeelde AI-systemen significant werd aangepast, 29 procent zei dat minstens een kwart werd gepauzeerd en later herstart, en 25 procent zei dat minstens een kwart volledig werd stopgezet.

De meest gevonden problemen tijdens reviews waren datakwaliteitsproblemen (57 procent), model drift (48 procent) en shadow AI (39 procent). Twee van deze drie zijn data layer-problemen.

Dit is in één opzicht bemoedigend. Organisaties kijken en ondernemen actie op wat ze vinden. Maar het is ook confronterend. Problemen die tijdens de review aan het licht kwamen, waren per definitie aanwezig en onbeheerd tot het moment van de review. Een controle die alleen werkt als een periodieke review het probleem vangt, is een controle die in de tussentijd stilletjes faalde.

Denk aan de timing vanuit het perspectief van een toezichthouder. Een toezichthoudende autoriteit accepteert niet “we ontdekten het bij onze kwartaalreview” als eerste signaal van een probleem dat al maanden speelt. Er wordt gevraagd om een doorlopend bewijs. Periodieke assurance en continue bewijsvoering lossen verschillende problemen op, en een volwassen programma heeft beide nodig. De review vertelt of de controles goed zijn ontworpen. De bewijsstroom toont of ze bij elke interactie daadwerkelijk werkten.

Toezichthouders Reguleren Data, Niet Modellen

Het sterkste uitgangspunt voor een complianceleider is ook het eenvoudigste. Toezichthouders reguleren data, en de wet is van toepassing op de data, ongeacht of een mens of een AI-agent deze heeft aangeraakt. HIPAA kent geen uitzondering voor algoritmes, en hetzelfde geldt voor de privacy- en beveiligingsregimes die financiële, defensie- en persoonsgegevens reguleren. Een agent die een beschermd dossier raadpleegt, activeert dezelfde verplichtingen als een medewerker die dat doet.

Dat principe is terug te zien in de huidige wetgeving in diverse rechtsbevoegdheden, en de details zijn belangrijk, dus het is goed ze precies te benoemen.

In Duitsland is de NIS 2-implementatiewet (NIS2UmsuCG) op 6 december 2025 in werking getreden. Artikel 30 van de gewijzigde BSI-wet bepaalt de risicobeheersmaatregelen die betrokken entiteiten moeten implementeren, en artikel 38 legt de plicht om deze maatregelen te implementeren en te monitoren bij het bestuur. Bestuurders kunnen de verantwoordelijkheid niet afschuiven, wat hetzelfde eigenaarschapsvraagstuk is waar EY’s respondenten mee worstelen.

In de Europese Unie is de Digital Omnibus on AI, Verordening (EU) 2026/1744, op 27 juli 2026 in werking getreden. Deze heeft de toepassingsdatum voor Annex III high-risk AI-verplichtingen verschoven naar 2 december 2027 en voor Annex I-systemen naar 2 augustus 2028, terwijl transparantieverplichtingen onder artikel 50 al sinds 2 augustus 2026 gelden. Een uitgestelde deadline voor de ene categorie betekent niet dat de verplichtingen rond gegevensbescherming, beveiliging en verantwoordelijkheid die al gelden voor de data die deze systemen gebruiken, ook worden uitgesteld.

In het Verenigd Koninkrijk is de Cyber Security and Resilience Bill op 16 juni 2026 aangenomen door het Lagerhuis en op 26 oktober 2026 afgerond in het Hogerhuis, met de derde lezing gepland op 2 november. Tegelijkertijd vereist het UK GDPR-verantwoordelijkheidsprincipe in artikel 5(2) al dat verwerkingsverantwoordelijken naleving aantonen, niet alleen beweren. Die formulering vat het hele betoog van dit artikel samen in één zin.

EY’s respondenten voelen de druk nu al. Tweeënzeventig procent maakt zich zorgen over het niet voldoen aan nieuwe of opkomende AI-specifieke regelgeving, en hetzelfde percentage maakt zich zorgen over hun vermogen om de data lineage en inputs die kritische AI-beslismodellen voeden, te traceren of te auditen. Lineage is een ander woord voor bewijs. Een toezichthouder die vraagt waar een AI-uitkomst vandaan komt, vraagt naar de keten van data-toegang erachter, en een organisatie die die keten niet kan reconstrueren, kan geen antwoord geven.

Geen van deze instrumenten is een Amerikaanse regel, en de EY-steekproef is uitsluitend Amerikaans, dus ze meten niet dezelfde populatie. Ze zijn relevant omdat ze de richting aangeven. In diverse rechtsbevoegdheden komen toezichthouders tot één eis: toon het bewijs.

Hoe Operationele Discipline op het Data Layer-niveau eruitziet

Als de kloof een bewijsprobleem is, moet de oplossing bewijs opleveren als bijproduct van normale werking. Achteraf bewijs samenstellen, door logs uit vijf systemen te verzamelen in de week voor een audit, is precies het patroon waardoor teams met bewijsdossiers zitten die weken kosten om samen te stellen terwijl de klok van de toezichthouder in dagen loopt.

Een werkbare operationele discipline bestaat uit vier onderdelen, die aansluiten bij de vragen die een auditor zal stellen.

Identiteit gekoppeld aan een menselijke autorisator. Elk AI-verzoek moet een identiteit bevatten die herleidbaar is tot een persoon die er verantwoordelijk voor is. Dit is het antwoord op het verantwoordingsvacuüm, omdat “wie heeft dit goedgekeurd?” een naam oplevert in plaats van een serviceaccount. Gedelegeerde autorisatie via OAuth 2.0 is het standaardmechanisme en geeft agenten en mensen een gedeeld, gereguleerd identiteitsmodel.

Beleid per verzoek geëvalueerd. Toegangsbeslissingen moeten rekening houden met de data, de gebruiker en de context op het moment van het verzoek. Op attributen gebaseerde toegangscontrole (ABAC) beoordeelt deze attributen, zodat een agent die voor een arts handelt alleen ziet wat die arts mag zien en niet meer. Dit ondersteunt ook dataminimalisatie, omdat de agent nooit data ontvangt waarvoor geen autorisatie is.

Encryptie die aan de norm voldoet. Gereguleerde data in beweging en in rust moet worden beschermd met FIPS 140-3 gevalideerde encryptie, zodat de controle verifieerbaar is en niet alleen wordt beweerd.

Een manipulatiebestendig audittrail. Elke interactie moet worden vastgelegd in een audittrail die niet stilletjes kan worden aangepast en die direct doorstroomt naar je SIEM, zodat het bewijs er is voordat iemand erom vraagt.

Deze vier controlepunten zijn hoe Kiteworks Compliant AI AI-toegang tot gereguleerde content beheert, met beleid dat wordt afgedwongen via de Data Policy Engine. De Secure MCP Server laat een MCP-compatibel AI-platform bedrijfscontent benaderen via datzelfde gereguleerde pad, zodat de goedgekeurde route ook de conforme route is. Omdat handhaving in het datapad plaatsvindt en niet in een specifiek model, geldt het voor elk AI-tool dat het bedrijf hierna inzet.

Governance op dit niveau verandert ook het gesprek op directieniveau. Een CISO Dashboard dat AI-toegangsactiviteit toont per identiteit, beleid en dataklasse, geeft het bestuur een maatstaf voor operationele effectiviteit—precies wat EY’s data suggereert dat de meeste organisaties missen. Leiders kunnen het programma dan afstemmen op raamwerken zoals de NIST CSF Govern-functie en dezelfde discipline uitbreiden naar risicobeheer door derden, waar 81 procent van de EY-respondenten zich zorgen maakt over een AI-gestuurde cyberaanval via derden die AI-tools compromitteert.

Voor een diepgaandere uitleg over hoe deze controles samenhangen, zie de Kiteworks-gidsen voor AI data governance en zero trust voor generatieve AI.

Een 90-dagen Startplan voor Complianceleiders

Discipline in bewijsvoering vereist geen volledige programmaverbouwing. Een gerichte volgorde brengt de meeste organisaties in een kwartaal van beleid naar bewijs, en begint met vragen waarop de EY-data suggereert dat velen het antwoord nog niet weten.

Bouw in de eerste dertig dagen de inventaris. Maak een lijst van elk AI-systeem, model, agent en derde partij-tool die gereguleerde data aanraakt, en wijs voor elk een verantwoordelijke persoon aan. De basisvraag van EY is het juiste startpunt: Kun je een volledige inventaris geven van AI-systemen, modellen, agenten en tools van derden? Als het antwoord nee is, kan niets verderop in de keten worden bewezen.

In dagen dertig tot zestig verplaats je de handhaving naar het datapad. Leid AI-toegang tot gereguleerde content via een gereguleerde uitwisseling, zodat identiteit, beleidsevaluatie en logging bij elk verzoek plaatsvinden. Dit is ook het moment waarop je de reden om governance te omzeilen wegneemt. Als het goedgekeurde pad het snelste pad is, verliest de deadline-druk die het 47-procentcijfer veroorzaakt zijn kracht.

In dagen zestig tot negentig test je het bewijs. Kies een verzoek in de stijl van een toezichthouder, zoals “toon elke AI-toegang tot een gedefinieerde dataset in de afgelopen dertig dagen, met de autoriserende persoon voor elk.” Meet hoe lang het antwoord duurt. Als het dagen handmatig logs samenstellen kost, is de kloof nog open. Als het met een query kan, heb je operationele discipline. Herhaal de test elk kwartaal en rapporteer het resultaat aan het bestuur samen met de reviewbevindingen.

Eén waarschuwing geldt altijd: laat het plan geen nieuw document worden. Het doel is om van elke controle een bewijs te maken dat een derde partij kan controleren zonder jouw hulp.

Wil je meer weten over het produceren van auditklaar bewijs voor AI-agenttoegang tot gereguleerde data? 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 je data
• Blog Post
  Toezichthouders zijn klaar met vragen of je een AI-beleid hebt. Ze willen bewijs dat het werkt.