Het jaarlijkse onderzoeksrapport 2026 is binnen: de kloof in AI-beheer is niet kleiner geworden. Hij is juist groter geworden.

Een niet-geteste kill switch is geen controlemaatregel. Het is een aanname, en de data van dit jaar laat zien hoeveel organisaties hierop vertrouwen.

We hebben zojuist de gegevensverzameling afgerond voor het Kiteworks Data Security and Compliance Risk: 2026 Annual Survey Report, gebaseerd op antwoorden van 459 professionals op het gebied van beveiliging, compliance en technologie uit Noord-Amerika, Europa en het Midden-Oosten. De belangrijkste bevinding is geen nieuwe kwetsbaarheid of nieuwe regelgeving. Het is een structurele: de kloof tussen wat organisaties geloven over hun AI-governance en wat ze daadwerkelijk kunnen aantonen, is het afgelopen jaar groter geworden in plaats van kleiner.

Eind vorig jaar voorspelden wij dat ongeveer 60% van de organisaties nog steeds geen geteste AI kill switch zou hebben tegen de tijd dat deze enquête werd afgesloten. Het gemeten percentage kwam uit op 79%. We hebben het doel niet alleen gemist; we zagen de kloof groeien terwijl de adoptie van AI versnelde — 64% van de ondervraagde organisaties heeft AI al ingezet in productieomgevingen. Adoptie is al een tijd geen vraag meer. Beheersing is nu waar het echte risico zich bevindt.

Deze post behandelt de belangrijkste bevindingen uit het AI data governance onderzoek van dit jaar: wat er misging, waarom het op deze specifieke manier misging, en wat de organisaties die de kloof dichten onderscheidt van degenen die deze juist vergroten. Klanten en prospects van Kiteworks secure data exchange stellen allemaal dezelfde onderliggende vraag die deze data beantwoordt: is mijn organisatie daadwerkelijk zo goed bestuurd als ik denk?

Belangrijkste Bevindingen

1. De governance-kloof is groter geworden in plaats van kleiner. Onze eigen voorspelling was dat 60% van de organisaties nu geen geteste AI kill switch zou hebben; het gemeten cijfer kwam uit op 79%, wat betekent dat de kloof het afgelopen jaar is gegroeid in plaats van gekrompen.
2. Beheersingsmaatregelen zijn de zwakste schakel, niet detectie. Slechts 21% van de organisaties heeft een AI kill switch ingezet, en 23% van de organisaties met AI in productie heeft hun beëindigingsproces nog nooit van begin tot eind getest.
3. Gevolgen voor compliance zijn al realiteit, niet slechts voorspeld. Drieënzestig procent van de organisaties heeft het afgelopen jaar een compliance-gevolg ondervonden als gevolg van een AI governance-kloof, en de helft kan niet binnen één werkdag een volledig AI-toegangsrecord overleggen.
4. Security maturity en AI governance maturity versterken elkaar, ze tellen niet simpelweg op. Onze nieuwe samengestelde index, de Data Security and Compliance Readiness Index, scoorde gemiddeld 16,2 van de 100 bij 459 organisaties, omdat sterke algemene beveiliging zwakke AI-specifieke controles niet kan compenseren.
5. Budget voorspelt geen volwassenheid. Organisaties met de grootste beveiligingsbudgetten in de enquête waren het minst vertegenwoordigd in de hoogste volwassenheidslaag van alle gemeten grootteklassen, terwijl middelgrote organisaties met veel kleinere budgetten beter presteerden.

Het Kill Switch-probleem: Gedocumenteerde Procedures Zijn Geen Geteste Controles

Hier gaat het bij de meeste organisaties mis. Toen we vroegen naar de AI-beëindigingsmogelijkheden, beschreef een groot deel van de respondenten iets wat klinkt als een controlemaatregel, maar in feite een hoop is: een aangewezen eigenaar, een escalatiepad, een draaiboek dat niemand ooit heeft uitgevoerd op een live systeem.

Slechts 21% van de organisaties heeft een formele AI kill switch geïmplementeerd. Nog erger: 23% van de organisaties met AI in productie gaf aan hun beëindigingsproces nog nooit van begin tot eind te hebben getest — niet “ooit eens getest, lang geleden”. Nooit. Dat onderscheid is enorm belangrijk op het moment dat een incident de echte test afdwingt, want dat is niet het moment om erachter te komen dat de procedure niet werkt zoals de documentatie beweert.

Het snelheidsprobleem maakt dit nog erger. Het CrowdStrike 2026 Global Threat Report documenteerde AI-gestuurde laterale beweging in slechts 27 seconden bij de snelste waargenomen inbraken. Mandiant’s M-Trends 2026 rapport vond dat de mediaan tussen initiële toegang en overdracht naar een tweede dreigingsgroep in 2025 daalde tot 22 seconden. Een kill switch die afhankelijk is van een persoon die een alert opmerkt, deze escaleert en handmatig toegangscontroles intrekt, is nooit ontworpen voor een probleem van 27 seconden. Dat is geen kritiek op een individueel securityteam. Het is een structurele mismatch tussen hoe de meeste beheersplannen zijn ontworpen en hoe snel hetgeen ze moeten beheersen zich daadwerkelijk verplaatst. Een SIEM-platform dat real-time AI-toegangstelemetrie verwerkt — met gedragsalerts die vooraf zijn geconfigureerd om te reageren op de laterale bewegingspatronen die CrowdStrike en Mandiant hebben vastgelegd — is de detectie-infrastructuur die het gat dicht tussen een aanvaller van 27 seconden en een kill switch die is gebouwd voor menselijke reactiesnelheid.

Tweeëntwintig procent van de organisaties met AI heeft het afgelopen jaar al minstens één AI-inzet moeten herzien, terugdraaien of beperken vanwege zorgen over gegevensbeveiliging. Dit is geen hypothetisch risico. Het is een operationele kostenpost die organisaties nu al dragen.

Compliance-gevolgen zijn een actuele bevinding, geen toekomstig risico

Drieënzestig procent van de organisaties rapporteerde het afgelopen jaar minstens één compliance-gevolg als gevolg van een AI governance-kloof: een auditbevinding, een verplicht herstelplan, een escalatie naar het bestuur, een contractuele boete of een formeel onderzoek door een toezichthouder. Dat cijfer is geen voorspelling over wat er kan gebeuren als governance niet verbetert. Het is een gerapporteerd resultaat van organisaties die aangeven wat hen daadwerkelijk is overkomen.

De helft van de organisaties die we ondervroegen, kon niet binnen één werkdag een volledig AI-toegangsrecord leveren na een verzoek. Slechts 33% heeft manipulatieresistente audittrails, wat betekent dat de meerderheid geen bewijs kan leveren dat niet achteraf is aangepast — precies het soort record dat onderzoekers en auditors als eerste bekijken. Deze twee bevindingen zijn met elkaar verbonden: een organisatie die haar eigen toegangsrecords niet snel kan ophalen, is per definitie een organisatie die een vraag van een toezichthouder ook niet snel kan beantwoorden.

De regelgeving maakt dit urgenter, niet minder. Onder kaders zoals GDPR en opkomende AI-specifieke regels wordt van organisaties verwacht dat ze op elk moment kunnen aantonen dat ze controle hebben over gevoelige data. Een vertraging bij het ophalen is onder die norm geen technisch ongemak. Het is bewijs van gebrekkige governance, en zo behandelen toezichthouders en auditors het ook. Een bevestigd datalek of compliance-issue gerelateerd aan AI governance — wanneer de benodigde audittrail niet binnen één werkdag kan worden geleverd — vergroot de blootstelling aan regelgeving door aan te tonen dat niet alleen de controlemaatregel is gefaald, maar ook de verantwoordingsinfrastructuur zelf.

Eenenzestig procent van de organisaties noemt datasoevereiniteit nu als hun grootste compliance-uitdaging voor het komende jaar, maar slechts 29% gebruikt een technische maatregel om dit af te dwingen. Zorg over datasoevereiniteit is bijna universeel. Technische afdwinging is dat niet. Die kloof tussen uitgesproken prioriteit en daadwerkelijk afgedwongen controle is waar de blootstelling aan regelgeving zich daadwerkelijk bevindt, en dat komt keer op keer terug in de data van dit jaar.

Waarom we een nieuwe index hebben gebouwd: Security maturity en AI governance maturity versterken elkaar

Jarenlang gaven organisaties aan dat ze “veilig genoeg” waren op basis van hun algemene beveiligingsstatus. De data van dit jaar laat zien dat dit instinct onjuist is, en we hebben een nieuwe samengestelde maatstaf ontwikkeld om dat punt onmiskenbaar te maken.

De Data Security and Compliance Readiness Index, of DSCRI, combineert de Data Security Maturity Score en de AI Governance Maturity Score met een multiplicatieve formule in plaats van een optelsom. Onder alle 459 respondenten kwam het gemiddelde uit op 16,2 van de 100. De gemiddelde Data Security Maturity Score was 39 van de 100; de gemiddelde AI Governance Maturity Score was 35 van de 100. Vermenigvuldigd leveren deze twee middelmatige cijfers een echt slechte samengestelde score op, omdat een sterk algemeen beveiligingsprogramma AI-specifieke governance-lacunes niet kan compenseren, en omgekeerd. Het een vervangt het ander niet.

De duidelijkste illustratie van wat die kloof in de praktijk kost, is het verschil in incidentcijfers tussen de hoogste en laagste volwassenheidslagen. Organisaties in de hoogste volwassenheidslaag rapporteerden AI-incidenten met een percentage van 34%. Organisaties in de laagste volwassenheidslaag rapporteerden ze met 91%. Dat is geen geleidelijke helling tussen de twee groepen. Het is een splitsing, en aan welke kant een organisatie terechtkomt, heeft veel minder te maken met de totale uitgaven dan de meeste bestuurders denken. Een formele risicobeoordeling die zowel AI-specifieke governancecontroles als algemene security maturity tegelijk evalueert — in plaats van ze als aparte audittrajecten te behandelen — brengt de multiplicatieve kloof aan het licht voordat een compliance-incident de berekening de andere kant op dwingt.

Budget voorspelt geen volwassenheid — architectuur wel

Dit is de bevinding waar ik steeds op terugkom als ik bestuurders informeer over de resultaten van dit jaar. Toen we elke organisatie in de enquête plotten op twee assen — algemene security maturity en AI-specifieke governance maturity — bleek het patroon niet te draaien om bedrijfsgrootte of uitgaven.

Grote internationale ondernemingen, de organisaties met de grootste beveiligingsbudgetten in onze steekproef, waren het minst vertegenwoordigd in de hoogste volwassenheidslaag van alle gemeten grootteklassen. Middelgrote organisaties, met een fractie van dat budget, presteerden beter. Hetzelfde patroon was zichtbaar per sector: defensie-aannemers en federale overheidsrespondenten, sectoren die enkele van de meest gevoelige data in de economie verwerken, hadden nul vertegenwoordiging in de hoogste volwassenheidslaag. Energie en nutsbedrijven, een sector die zelden als eerste wordt genoemd bij AI-governance, behaalden enkele van de sterkste individuele scores in de hele dataset.

De regionale verdeling laat een vergelijkbaar beeld zien. Noord-Amerikaanse organisaties waren de enige regio met een betekenisvolle vertegenwoordiging in de hoogste volwassenheidslaag. Organisaties uit het Midden-Oosten waren het sterkst geconcentreerd in de onderste laag van alle onderzochte regio’s, en het minst vertegenwoordigd aan de top — een patroon dat samenhangt met lagere algemene security maturity scores, niet met een gebrek aan bewustzijn. Elke regio die we onderzochten, noemde datasoevereiniteit als een van de belangrijkste compliance-zorgen; slechts weinigen beschikten over de zero trust-architectuur of technische afdwingingslaag om die zorg in de praktijk te ondersteunen.

Budget koopt een beveiligingsprogramma. Het koopt niet automatisch de specifieke, op AI gerichte controles — ABAC-afdwinging, geteste beëindigingsmogelijkheden, gecentraliseerde audit logs — die bepalen of dat programma daadwerkelijk standhoudt bij een echt incident. Data-classificatie die consequent wordt toegepast op alle AI-toegankelijke content is een fundamentele vereiste die budget alleen niet kan garanderen: organisaties met grote beveiligingsprogramma’s ontdekken vaak dat hun classificatie-infrastructuur onvolledig of inconsistent wordt toegepast over verschillende kanalen, waardoor handhavingslacunes blijven bestaan, zelfs waar de investeringen aanzienlijk zijn.

Risico’s van externe AI-leveranciers vergroten de interne kloof

Interne governance-lacunes staan niet op zichzelf. Zevenentwintig procent van de organisaties heeft niet geëvalueerd of technisch geverifieerd of de AI-leveranciers waarop ze vertrouwen hun data gebruiken voor modeltraining, wat betekent dat meer dan een kwart van de organisaties gevoelige data op basis van vertrouwen naar externe systemen stuurt. Het Black Kite 2026 Third-Party Breach Report documenteerde 136 geverifieerde externe datalekken in 2025, met een mediane meldingsvertraging van 73 dagen tussen compromis en notificatie — wat betekent dat een organisatie meer dan twee maanden blootgesteld kan zijn aan het falen van een leverancier voordat ze weet dat er een lek is geweest.

Negentien procent van de organisaties heeft hun eigen mogelijkheid tot het intrekken van externe toegang nog nooit getest of geoefend, wat het interne kill switch-probleem weerspiegelt op het leveranciersniveau. Een risicobeheer voor verkopers-programma dat niet heeft bevestigd dat het daadwerkelijk de toegang van een leverancier op verzoek kan beëindigen, maakt dezelfde soort niet-geteste aanname die dit rapport als risicovol bestempelt wanneer organisaties het over hun eigen interne AI-systemen hebben. Supply chain risk management-disciplines die formeel externe toegangsintrekking testen op een terugkerend schema — in plaats van alleen de mogelijkheid te documenteren en ervan uit te gaan dat het werkt — zijn de organisatorische praktijk die de spiegelkloof tussen interne kill switch-volwassenheid en externe intrekkingsvolwassenheid dicht.

Shadow AI en gefragmenteerde data-uitwisseling vergroten de kloof

Vijfenzestig procent van de organisaties ontdekte het afgelopen jaar shadow AI-gebruik — medewerkers die gevoelige data via AI-tools sturen die de organisatie nooit heeft goedgekeurd of ingericht. Slechts 43% heeft hun AI-gateway gecentraliseerd tot één controlepunt, wat betekent dat de meeste organisaties AI-activiteiten nog steeds proberen te besturen vanuit vijf of zes verschillende invalshoeken tegelijk. Je kunt geen consistent beleid afdwingen over een systeem dat je niet consequent kunt overzien.

Die fragmentatie beperkt zich niet tot AI-tools. Tweeënzestig procent van de organisaties werkt met gefragmenteerde omgevingen voor gevoelige data-uitwisseling via beheerde bestandsoverdracht, beveiligde e-mail, bestandsoverdracht en webformulieren — wat leidt tot inconsistente beveiligingsmaatregelen en meerdere blootstellingspunten in plaats van één gecontroleerde perimeter. Onder organisaties die specifiek MFT gebruiken, streamt slechts 26% logs in real time naar SIEM, en slechts 39% onderhoudt manipulatieresistente audittrails voor dat kanaal. Fragmentatie en auditgaten versterken elkaar: hoe meer verspreid de infrastructuur, hoe moeilijker het wordt om één verdedigbaar overzicht te produceren van wat er is gebeurd, wanneer en bij wie. Het CISO Dashboard biedt het uniforme, real-time overzicht over alle content-uitwisselingskanalen — MFT, e-mail, bestandsoverdracht, AI-agents — dat een enkel verdedigbaar record mogelijk maakt zonder dat organisaties handmatig logs uit vijf losse systemen hoeven te verzamelen.

Classificatie vertelt hetzelfde verhaal vanuit een andere invalshoek. Vijfenvijftig procent van de organisaties heeft geen geautomatiseerde data governance en classificatie gerealiseerd over alle belangrijke systemen, en slechts 39% kan tagging en classificatie consequent afdwingen over alle kanalen. Classificatie zonder afdwinging van downstream controles is geen governance — het is een label op een map. Data Security Posture Management dicht een deel van deze kloof door continue ontdekking te bieden terwijl data zich verplaatst tussen systemen, kanalen en AI-pijplijnen, maar alleen ontdekking voorkomt geen verkeerd verzonden bestand. Het moet worden gekoppeld aan afdwinging op het moment van verzending, niet alleen zichtbaarheid achteraf. Dataminimalisatie toegepast op de AI-datagrens — ervoor zorgen dat agents en modellen alleen de minimale content ontvangen die hun toegewezen taak vereist — verkleint de impact van elke governance-kloof verder door te beperken hoeveel gevoelige data via een ongecontroleerd kanaal kan worden blootgesteld.

Eigenaarschap van governance zelf is onderdeel van het probleem. Negenendertig procent van de organisaties behandelt AI data governance als een aanvulling op een bestaande security- of IT-rol in plaats van een toegewijde verantwoordelijkheid, en slechts 24% heeft er een speciaal team voor toegewezen. Wanneer verantwoording een nevenproject is dat aan iemands bestaande takenpakket wordt toegevoegd, zijn de controles die voortdurende aandacht vereisen steevast de eerste die verslappen zodra het budgetseizoen of een concurrerende prioriteit zich aandient.

Wat de organisaties die het goed doen onderscheidt

In elke doorsnede van de data van dit jaar — branche, grootte en regio — kwamen dezelfde drie kenmerken steeds terug bij de organisaties die goed scoorden:

• Een kill switch die op een terugkerend schema is getest, niet eenmalig is gedocumenteerd en daarna vergeten
• Toegang die zo beperkt is dat intrekking niet het ontwarren van een web van overgeërfde rechten vereist
• Gecentraliseerde, manipulatieresistente audit logs die zijn ontworpen voor snelle retrieval, niet alleen langdurige opslag

Geen van deze maatregelen is duur in verhouding tot een gemiddeld beveiligingsbudget. Alle drie zijn architectonische keuzes in plaats van aankopen op de begroting, en dat is precies waarom uitgaven alleen niet voorspellen welke organisaties ze hebben. Dit is de kern van Kiteworks Compliant AI: het besturen van de data-tot-AI-grens vereist dezelfde gedisciplineerde reactie op incidenten, risicobeheer voor verkopers en gecentraliseerd overzicht die volwassen data security-programma’s al jaren toepassen op andere kanalen. AI vereist geen andere governancefilosofie. Het vereist dezelfde, consequent toegepast en technisch afgedwongen in plaats van alleen op papier bevestigd. Het datacontrolepaneel biedt de uniforme governance-omgeving — één beleidssysteem, één audittrail over alle contentkanalen en AI-workflows — die deze drie architectonische keuzes operationeel maakt in plaats van slechts ambitieus.

Wat dit betekent richting 2027

We voorspelden deze kloof een jaar geleden in ons Forecast Report, en de eerlijke verrassing in de data van dit jaar is niet dat de kloof bestaat. Het is dat organisaties deze hebben vergroot in plaats van verkleind, terwijl AI-inzet juist versnelde. Dat is geen technologisch falen. Het is een volgordefout — eerst uitrollen en containment pas later aanpakken, terwijl die twee vanaf het begin samen moeten gaan.

Als jouw organisatie nu AI in productie draait, is de meest waardevolle vraag die je deze week kunt stellen niet of je een kill switch hebt. Het is wanneer deze voor het laatst is getest, hoe lang de test duurde en wat er misging. Als niemand in de kamer dat met details kan beantwoorden, is het eerlijke antwoord dat er nog geen kill switch bestaat. Wat er bestaat, is een plan om er een te bouwen, en de data van dit jaar laat zien dat dat plan één incident verwijderd is van de eerste echte test onder de slechtst mogelijke omstandigheden.

De organisaties die deze kloof het afgelopen jaar hebben gedicht, deden dat niet door te wachten op een grotere budgetronde. Ze deden het door drie zaken als operationele vereisten met eigenaren en testschema’s te behandelen in plaats van als documentatieoefeningen: een kill switch die op kalenderbasis wordt getest, toegang die zo beperkt is dat deze schoon kan worden ingetrokken, en audit logs die zijn ingericht om een vraag van een toezichthouder in uren te beantwoorden in plaats van dagen. Dat is een kortere lijst dan de meeste organisaties verwachten, en het is precies waarom de kloof tussen de hoogste en laagste volwassenheidslagen zo groot is als de data van dit jaar laat zien.

Wil je meer weten over het dichten van de kloof tussen de beveiligingsstatus van jouw organisatie en de AI-specifieke governancecontroles, plan dan vandaag nog een aangepaste demo.

Aanvullende bronnen

• Blog Post
  Zero‑Trust strategieën voor betaalbare AI-privacybescherming
• Blog Post
  Hoe 77% van de organisaties faalt in AI data security
• eBook
  AI Governance Gap: Waarom 91% van de kleine bedrijven Russisch roulette speelt met data security 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.