In maart 2026 veroorzaakte een interne AI-agent bij Meta een “Sev 1”-incident nadat gevoelige bedrijfs- en gebruikersgegevens waren blootgesteld aan werknemers die geen toegang hadden tot deze gegevens.
Het incident begon toen een medewerker van Meta een technische vraag op een intern forum plaatste. Een ingenieur gebruikte een goedgekeurde AI-agent om het te analyseren, maar de agent plaatste zijn reactie zonder goedkeuring openbaar. De medewerker volgde zijn advies op en stelde onbedoeld ruim twee uur lang een grote hoeveelheid gevoelige gegevens beschikbaar aan onbevoegde technici.
Dit was geen schaduw-AI. De tool werd goedgekeurd, maar de AI gedroeg zich op een manier die niemand had verwacht.
Het is een perfect voorbeeld van het volgende grote AI-beheerprobleem op het gebied van beveiliging: duistere AI.
- Shadow AI is het niet-goedgekeurde gebruik van AI-tools
- Er is sprake van duistere AI wanneer werknemers goedgekeurde AI-tools gebruiken op niet-goedgekeurde, onverwachte of slecht beheerde manieren
Shadow AI gebeurt buiten de zichtbaarheid van de organisatie. Er vindt schaduwrijke AI plaats. En dat maakt het veel moeilijker om te zien, te controleren en te regeren.
De opkomst van duistere AI
AI-governance is niet uitsluitend een veiligheidsverantwoordelijkheid. Maar wanneer AI gevoelige gegevens, bedrijfssystemen of toegangscontroles raakt, speelt beveiliging een cruciale rol. Uit een SANS-onderzoek uit juli 2026 bleek dat 76% van de beveiligingsteams nu een rol speelt bij het besturen van zakelijke AI.
Maar beveiligingsteams hoeven zich niet alleen zorgen te maken over schaduw-AI. Ze moeten ook nadenken over duistere AI.
Het verschil is van belang omdat het goedkeuren van een tool niet langer hetzelfde is als het goedkeuren van het gebruik ervan.
U kunt een niet-goedgekeurde tool blokkeren of verbieden, maar u kunt niet zomaar iets blokkeren dat u al heeft goedgekeurd en in de hele organisatie hebt uitgerold. De beveiligingsteams met bedieningshendels die gewend zijn aan trekken bestaan hier niet.
Net als schaduw-AI heeft schaduwrijke AI echte gevolgen:
- Veiligheidsrisico’s zoals een verhoogde blootstelling aan datalekken, regelgevende incidenten en data-exfiltratie
- Financiële kosten van stijgende AI-uitgaven, inclusief tokens die worden uitgegeven aan dubbele of onbelangrijke taken
- Organisatorische belemmering omdat strengere controles innovatie blokkeren en de wrijving voor werknemers vergroten
- Burn-out van het beveiligings- en IT-team aangezien er tijd wordt besteed aan retroactieve governance- en tool-audits in plaats van het proactief verkleinen van het aanvalsoppervlak en het versterken van de toegangscontroles
Wat drijft duistere AI?
Er zijn drie belangrijke redenen waarom er nu sprake is van duistere AI.
1. De verspreiding van goedgekeurde AI-tools
Naarmate organisaties blijven investeren in AI-tools, groeien de kansen voor duistere AI. Net zoals de opkomst van SaaS ervoor zorgt de toegenomen adoptie voor een grotere, complexere AI-technologiestack waarmee de beveiliging en IT kunnen worden bestuurd. Met beperkte middelen wordt het steeds moeilijker om te begrijpen hoe elke AI-mogelijkheid in elke tool en elk systeem wordt gebruikt.
2. De machtigingen zijn standaard breed
AI is nu verweven in de tools die medewerkers al gebruiken, en de functionaliteit breidt zich sneller uit dan beveiligingsteams kunnen bijhouden. Een goedgekeurde AI-assistent kan beginnen als een manier om documenten samen te vatten en vervolgens de mogelijkheid te krijgen om interne kennis te doorzoeken, toegang te krijgen tot bedrijfsapplicaties, workflows te creëren of namens een werknemer acties te ondernemen.
Compliance- en beveiligingsfuncties op bedrijfsniveau – zoals het beperken van het gebruik van AI-tools tot apparaten op een bedrijfsdomein – bevinden zich vaak achter de duurste licentieniveaus, terwijl de AI-functies zelf standaard beschikbaar zijn.
De tool is niet noodzakelijkerwijs veranderd vanuit een governance-perspectief. Wat medewerkers ermee kunnen doen heeft.
3. Gebruikspatronen evolueren sneller dan beleid kan
Werknemers kunnen AI gebruiken die is ingebed in goedgekeurde tools om applicaties te bouwen en deze te implementeren voordat de beveiliging en IT zelfs maar weten dat ze bestaan.
Organisaties kunnen de controles beperken om één risicovolle praktijk te verbieden, maar komen er vervolgens achter dat werknemers al een nieuw hulpmiddel hebben ingevoerd of een andere route naar hetzelfde resultaat hebben ontdekt.
Het resultaat is een steeds groter wordende kloof tussen wat het beleid zegt dat werknemers moeten doen en wat AI mogelijk maakt.
Wat traditioneel bestuur mist
Traditioneel bestuur is opgebouwd rond het definiëren van wat is toegestaan en het trainen van medewerkers om de regels te volgen. Dat werkt beter als de technologie en de gebruiksscenario’s voorspelbaar zijn. AI maakt beide bewegende doelen.
1. Beleid kan niet op elk gebruiksscenario anticiperen
Een Acceptable Use Policy (AUP) kan principes vastleggen, maar kan niet anticiperen op elke nieuwe mogelijkheid die een AI-tool zou kunnen krijgen, of op elke manier waarop werknemers deze zouden kunnen gebruiken.
Een goedgekeurde AI-assistent kan vandaag de bevoegdheid krijgen om documenten samen te vatten en vervolgens de mogelijkheid te krijgen om interne kennis te doorzoeken, toegang te krijgen tot bedrijfsapplicaties, workflows te creëren of morgen namens een werknemer acties te ondernemen.
2. De training kan het tempo niet bijhouden
Eenmalige training kan geen rekening houden met de voortdurend evoluerende AI-mogelijkheden en gebruikspatronen. Veel niet-technische medewerkers beschikken ook nog niet over een mentaal model voor veilig en verantwoord AI-gebruik.
De regels zijn geschreven in een vocabulaire dat niemand ze heeft geleerd, waardoor het lastig is om principes als ‘least privilege’ of geheimenbeheer toe te passen.
3. Beperkingen creëren oplossingen
Het vergrendelen van individuele capaciteiten kan een specifiek risico aanpakken, maar lost het onderliggende probleem niet op. Naarmate de AI-mogelijkheden evolueren, kunnen werknemers een andere manier vinden om dezelfde taak uit te voeren, waardoor het gebruik voor de beveiliging mogelijk moeilijker te zien is.
Het resultaat is een bestuursmodel dat altijd een inhaalslag maakt.
Wat echt werkt: governance by default
Het antwoord is om van het gemakkelijkste, meest zichtbare pad het beheerste pad te maken.
In de praktijk betekent dit dat werknemers een plek moeten krijgen waar ze met AI kunnen bouwen, waar de benodigde machtigingen, toegangscontroles en toezicht zijn ingebouwd – in plaats van erop te vertrouwen dat werknemers zelf de regels uitvinden.
In plaats van te proberen elke risicovolle AI-gebruikssituatie vooraf te voorspellen, kunnen organisaties governance inbouwen in de omgeving waarin werknemers AI-ondersteunde workflows creëren en implementeren.
Dat betekent het controleren van de toegang tot gegevens en systemen, het toepassen van de juiste machtigingen, het behouden van inzicht in wat er is gebouwd en het instellen van controle over wat AI-aangedreven applicaties en agenten kunnen doen.
Wanneer creatie, uitvoering en monitoring plaatsvinden binnen één enkele omgeving, profiteert iedereen van:
- Medewerkers kunnen snel bouwen en implementeren binnen de door de beveiliging gestelde grenzen, en hun unieke inhoudelijke expertise gebruiken om problemen op te lossen, workflows te verbeteren en zinvolle verbeteringen aan te brengen in hun dagelijkse werk
- IT- en beveiligingsteams kan de zichtbaarheid behouden, consistente controles toepassen, het handmatige beheerwerk verminderen en de adoptie van AI met vertrouwen opschalen
Bestuur is niet langer een obstakel. In plaats daarvan is het de weg van de minste weerstand.
Van blocker naar strategische enabler
Beveiliging hoeft niet te kiezen tussen het mogelijk maken van AI-adoptie en het beperken van risico’s. Het doel is om het beheerde pad voor werknemers gemakkelijk te maken.
Door werknemers in staat te stellen een veilige omgeving in te bouwen met alleen toegang tot de tools en gegevens die zij mogen gebruiken, kan de beveiliging minder tijd besteden aan het najagen van onverwacht AI-gebruik en meer tijd besteden aan het proactief verkleinen van het aanvalsoppervlak, het versterken van de toegangscontroles en het in staat stellen van het bedrijf om sneller te handelen.
Dat is de aanpak achter Tines 3B, die teams de kracht geeft om AI-ondersteunde apps, agenten en automatiseringen te bouwen, terwijl beveiligings- en IT-teams de controle en zichtbaarheid krijgen om deze te besturen. Ga gratis aan de slag met de Explore Edition.
