Het grootste AI-risico draagt een medewerkersbadge

Het AI-risico dat beveiligingsprofessionals het meest zorgen baart, is niet een hacker met een slimme prompt. Het is een collega met een deadline, een toegangspas en een browsertabblad geopend naar een chatbot.

Dat is de centrale bevinding van een O’Reilly-enquête uit september 2026 onder 209 professionals die betrokken zijn bij beveiliging. Negenenveertig procent noemde het lekken van gevoelige gegevens via commerciële AI-tools als een belangrijk aandachtspunt. Nog eens 49 procent noemde het vertrouwen van medewerkers in AI-uitvoer zonder deze te controleren. Prompt-injectie, de dreiging die conferenties domineert, werd slechts door 11 procent genoemd.

De cijfers wijzen op een kloof tussen het opstellen van beleid en het daadwerkelijk beheersen van wat er met data gebeurt. De meeste organisaties hebben een AI-beleid. Veel minder organisaties kunnen aantonen dat het beleid daadwerkelijk invloed heeft op wat er gebeurt wanneer iemand een contract, een klantbestand of broncode in een AI-tool plakt. In deze post wordt besproken wat de enquête heeft opgeleverd, waarom alleen beleid de kloof niet dicht, en wat er verandert wanneer AI-toegang tot gevoelige gegevens via een control plane voor veilige gegevensuitwisseling loopt met beleidsafdwinging en een uniforme audit log, het model achter Kiteworks Compliant AI en de Kiteworks Secure MCP Server.

Belangrijkste inzichten

1. De grootste AI-zorg is intern.

In de O’Reilly-enquête noemde 49 procent datalekken via commerciële AI-tools, en hetzelfde percentage noemde overmatig vertrouwen op niet-gecontroleerde AI-uitvoer. Prompt-injectie kwam uit op 11 procent.

2. Beleid is geen controle.

Tweeënzeventig procent heeft een AI-gebruiksbeleid, maar slechts 44 procent noemt het volledig dekkend, en wijdverbreid shadow AI werd gemeld door 35 procent van de respondenten met een basisbeleid versus 17 procent met een volledig beleid.

3. Shadow AI is een perceptiesignaal, geen lekpercentage.

Negenenvijftig procent gelooft dat collega’s AI buiten het beleid om gebruiken, ten minste af en toe. Valideer dat geloof met je eigen telemetrie voordat je het als gemeten blootstelling rapporteert.

4. Agents voegen een identiteitsprobleem toe aan een gedragsprobleem.

Respondenten maakten zich zorgen over te ruime machtigingen of onduidelijk eigenaarschap (28 procent), zwakke monitoring en auditbaarheid (19 procent), en het onvermogen om te verifiëren dat een agent in zijn rol bleef (18 procent).

5. Dwing beleid af waar de data zich bevindt.

AI-toegang tot gevoelige gegevens via een control plane laten verlopen, maakt het mogelijk om de identiteit te verifiëren, beleid toe te passen op elk verzoek en één manipulatiebestendige audit log te schrijven.

Wat de O’Reilly-enquête heeft gemeten

O’Reilly voerde de enquête uit in september 2026 en analyseerde de 209 respondenten die in beveiliging werken. Twee kanttekeningen zijn belangrijk voordat iemand het citeert. De respondenten zijn zelf geselecteerd, en 209 is een kleine steekproef, dus de resultaten laten zien waar beveiligingsprofessionals zich kwetsbaar voelen. Ze laten niet zien hoe vaak incidenten daadwerkelijk voorkomen.

De tweede kanttekening betreft de shadow AI-cijfers. O’Reilly definieert shadow AI als AI-gebruik buiten enig definitief beleid. Het cijfer van 59 procent (36 procent af en toe, 23 procent wijdverbreid) is het aandeel respondenten dat gelooft dat hun teamgenoten AI op die manier gebruiken. Het is een geloof over het gedrag van collega’s, geen gemeten percentage van gevoelige gegevens die de organisatie verlaten. Schrijf het op die manier in je boarddeck.

Zelfs met die beperkingen is de rangorde informatief. Wanneer beveiligingsprofessionals moeten kiezen tussen het exotische en het alledaagse, kiezen ze voor het alledaagse. Hun grootste angst is een gewone medewerker die iets gewoons doet met een zeer krachtig hulpmiddel.

Beleid op papier verandert gedrag niet

Tweeënzeventig procent van de O’Reilly-respondenten zegt dat hun organisatie een AI-gebruiksbeleid heeft. Slechts 44 procent noemt het volledig dekkend. Het verschil is zichtbaar in gedrag. Respondenten met volledig beleid rapporteerden wijdverbreide shadow AI bij 17 procent. Degenen met een basisbeleid rapporteerden 35 procent, en zonder beleid was dat 37 procent.

Lees dat goed. Volledig beleid hangt samen met minder shadow AI, wat goed nieuws is voor iedereen die heeft geïnvesteerd in het opstellen ervan. Maar 17 procent betekent nog steeds bijna één op de vijf organisaties waar respondenten wijdverbreid gebruik buiten beleid beschrijven, zelfs met het beste papierwerk.

Een andere enquête laat hetzelfde patroon zien vanuit het auditperspectief. Schellman ondervroeg 525 Amerikaanse professionals bij grote bedrijven, en 64 procent zei dat ze een formeel AI-gebruiksbeleid hebben dat aan medewerkers is gecommuniceerd. Vierenzeventig procent gelooft dat ze vandaag een AI-compliance-audit zouden kunnen doorstaan. Slechts 27 procent beschrijft hun governanceprogramma als volledig volwassen, en 44 procent heeft AI-specifieke incident response procedures. Schellman verkoopt AI-assessments, en hun steekproef verschilt van die van O’Reilly, dus tel ze niet bij elkaar op. Lees ze naast elkaar.

De kloof tussen “we hebben beleid” en “we kunnen bewijzen dat het werkt” is waar compliance officers in de problemen komen. Een auditor, toezichthouder of advocaat zal niet vragen of het beleid bestaat. Ze vragen om bewijs van wat er met specifieke data op een specifieke dag is gebeurd. Het Kiteworks Data Security and Compliance Risk: 2026 Annual Survey Report laat zien hoe organisaties reageren als ze de kloof ontdekken. Van de 459 ondervraagde security- en complianceprofessionals vond 65 procent dat medewerkers in de afgelopen 12 maanden ongeautoriseerde AI-tools gebruikten met organisatiedata, en slechts ongeveer 28 procent had AI-specifieke preventie van gegevensverlies geïmplementeerd. De meest voorkomende reactie was geüpdatete beleidsrichtlijnen. Minder dan de helft van degenen die shadow AI ontdekten, zette technische controles in. Alle bevindingen in dat rapport zijn zelfgerapporteerd, en ontdekking weerspiegelt de detectiecapaciteit net zo goed als de prevalentie.

De telemetrie wijst dezelfde kant op

Perceptie is één ding. Wat zeggen de logs? Het Verizon 2026 Data Breach Investigations Report vond dat 45 procent van de medewerkers nu regelmatig AI gebruikt op zakelijke apparaten, tegenover 15 procent het jaar ervoor. Van die gebruikers bereikt 67 procent AI-diensten via niet-zakelijke accounts. Dat is een incidentendataset in plaats van een enquête, en het beschrijft accounts, geen intentie. Het laat nog steeds de praktische betekenis van shadow AI zien. De data gaat naar een account dat de organisatie niet beheert of logt.

Medewerkers zeggen hetzelfde over zichzelf. In het National Cybersecurity Alliance en CybSafe rapport gaf 32 procent van de medewerkers die AI op het werk gebruiken toe gevoelige bedrijfsinformatie te hebben gedeeld met AI-tools zonder medeweten van hun werkgever. De basis is 5.000 volwassenen uit de Verenigde Staten, het Verenigd Koninkrijk, India, Brazilië en Singapore, en de antwoorden zijn zelfgerapporteerd. Zet de perceptiedata van O’Reilly, de zelfrapportages van NCA en de telemetrie van Verizon naast elkaar en het beeld blijft overeind. Mensen gebruiken AI op het werk, vaak buiten goedgekeurde accounts om, en organisaties hebben beperkt bewijs van wat er wordt ingevoerd.

Agents veranderen een medewerkersprobleem in een identiteitsprobleem

O’Reilly vroeg ook naar AI-agents. De grootste zorgen waren te ruime machtigingen of onduidelijk eigenaarschap (28 procent), gebrek aan monitoring of auditbaarheid (19 procent), en het onvermogen om te verifiëren of een agent binnen zijn geautoriseerde rol bleef (18 procent). Geen van deze zorgen gaat over het model. Alle drie gaan over identiteit, autorisatie en bewijs.

Governancepraktijken zijn nog niet bij. In de Schellman-enquête heeft slechts 22 procent drempels gedefinieerd die menselijk toezicht op agent-acties activeren. Achtendertig procent beoordeelt alleen acties met hoog risico, en 32 procent beoordeelt ze allemaal.

De praktische les is dat agents geen aparte risicoklasse zijn. Ze zijn een andere vorm van identiteit die op data handelt, en ze hebben dezelfde governance-grondigheid nodig als de mensen die ze inzetten. Een agent heeft een benoemde menselijke eigenaar nodig, machtigingen die beperkt zijn tot de taak, en een audittrail die net zo sterk is als die van een medewerker. De vraag is voor beide hetzelfde. Wie heeft wat benaderd, onder welk beleid, met welk resultaat?

Wat verandert er als AI-toegang via een control plane loopt

Als medewerkers toch AI gaan gebruiken, is de krachtigste stap om ze een goedgekeurd pad te geven dat eenvoudiger is dan het ongeoorloofde pad en dat bewijs achterlaat. Dat is het idee achter AI-toegang via een control plane laten verlopen.

Kiteworks Compliant AI reguleert AI-agenttoegang tot gereguleerde data op het data layer-niveau, onafhankelijk van het model, de prompt of het agent-framework. Elk verzoek passeert vier checkpoints. Het platform verifieert de identiteit via OAuth 2.0, dwingt op attributen gebaseerde toegangscontrole af, beschermt data met FIPS 140-3 gevalideerde encryptie, en schrijft manipulatiebestendige audit logs die naar een SIEM worden gestreamd. De Kiteworks Secure MCP Server past dezelfde logica toe op Model Context Protocol-verbindingen. Het koppelt LLM-clients zoals Claude en Copilot aan data in Kiteworks, evalueert elk verzoek op rolgebaseerd en attributengebaseerd beleid, en retourneert alleen wat het beleid toestaat. Het platform autoriseert en logt elke bewerking in de control plane voor veilige gegevensuitwisseling.

De redenatie voor het data layer-niveau is eenvoudig. Een system prompt of model-side safety filter kan worden omzeild door een vastberaden of gewoon creatieve gebruiker, wat de reden is dat Kiteworks beleid afdwingt waar de data zich bevindt. Een toegangsbeslissing op het data layer-niveau is niet afhankelijk van wat het model wordt opgedragen. De Data Policy Engine evalueert de gebruiker, de data en de actie bij elk verzoek, en dezelfde zero trust gegevensuitwisseling-principes gelden, of de aanvrager nu een persoon of een agent is. Voor wie het bredere kader wil, gaan de AI data governance guide en de gids over zero trust en generatieve AI dieper in op het onderwerp.

Bewijs is het tweede voordeel. In het Kiteworks 2026 Annual Survey Report kan slechts 27 procent van de organisaties binnen één werkdag een volledig AI-auditrecord produceren, en 17 procent kan dat binnen één uur. Dat is dezelfde zwakte als bij de 19 procent van de O’Reilly-respondenten die zich zorgen maken over monitoring en auditbaarheid. Een uniforme audit log die mensen, systemen en AI-agents dekt over e-mail, bestandsoverdracht, API’s en AI-integraties, verandert “wij geloven” in “hier is het bewijs”.

Eén beperking verdient een duidelijke vermelding. AI via een control plane laten verlopen reguleert de gevoelige data die erin leeft en de AI-toegang die erdoorheen gaat. Het voorkomt niet dat een medewerker tekst in een consumenten-chatbot in een browser plakt. Die blootstelling vereist preventie van gegevensverlies afgestemd op AI-tools, endpoint- en browsercontroles en training. De sterkste programma’s combineren een goedgekeurd, gereguleerd pad met controles op de ongeoorloofde paden.

Een praktisch 90-dagenplan voor CISO’s en complianceleiders

Security- en complianceleiders kunnen de enquête omzetten in actie zonder op een nieuwe begrotingscyclus te wachten. Begin met deze zes stappen.

1. Meten vóór geloven. Vervang het perceptiecijfer door telemetrie. Tel het gebruik van AI-tools per accounttype, per dataklasse en per afdeling.
2. Koppel elke beleidszin aan een controle en een bewijsbron. Als een bepaling zegt “voer geen klantgegevens in ongeautoriseerde tools in”, noem dan de controle die dit afdwingt en de log die het bewijst. Goed data governance werkt zo.
3. Bouw eerst het goedgekeurde pad. Geef medewerkers AI-toegang tot de data die ze legitiem nodig hebben, met toegangscontroles die de data volgen.
4. Registreer agents als identiteiten. Elke agent krijgt een benoemde menselijke eigenaar, beperkte machtigingen en een intrekkingspad. Evalueer zijn acties met dezelfde frequentie als een bevoorrechte gebruiker.
5. Oefen het auditverzoek. Kies een dag van vorige maand en probeer een volledig overzicht te produceren van elke AI-interactie met gevoelige data. Meet de tijd. Vergelijk je resultaat met de 27 en 17 procent benchmarks hierboven.
6. Rapporteer met benoemde bronnen. Vertel het bestuur uit welke enquête, welke steekproef en welke vraag elk cijfer komt, en geef leiders één CISO-dashboard overzicht van AI-toegang over alle kanalen.

De medewerkerspas verdwijnt niet, en het AI-hulpmiddel op het scherm ernaast ook niet. De organisaties die dit goed aanpakken, zijn degenen die met bewijs kunnen aantonen wat AI heeft aangeraakt en onder wiens autoriteit.

Wil je meer weten over hoe Kiteworks AI-toegang tot gevoelige data reguleert, plan een demo.

Aanvullende bronnen

• Blog Post
  Zero‑Trust-strategieën voor betaalbare AI-privacybescherming
• Blog Post
  Hoe 77% van de organisaties faalt op het gebied van 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.