Microsoft Copilot doorzoekt uw SharePoint en medewerkers plakken klantdata in ChatGPT. Zo belanden interne documenten in publieke AI-omgevingen — niet door een aanval, maar door het ontbreken van classificatie. Hoe dat werkt, waarom het misgaat en wat de wetgever verwacht.
Shadow AI is het gebruik van AI-tools die niet door de organisatie zijn goedgekeurd of beheerd: een contracttekst in ChatGPT voor een snelle samenvatting, klantdata in een AI-schrijftool voor de nieuwsbrief. De tools werken uitstekend. Het probleem is dat de data de organisatie verlaat — vaak naar servers buiten de EU, zonder verwerkersovereenkomst en zonder logging.
Kwade opzet is het zelden. Medewerkers willen efficiënt werken en pakken het gereedschap dat voorhanden is. Zolang beleid ontbreekt dat zegt welke tools zijn toegestaan en welke data erin mag, maakt iedere medewerker die afweging zelf.
De reflex is ChatGPT blokkeren op het netwerk. Medewerkers wijken dan uit naar hun telefoon, een alternatieve tool of een privé-browser. Effectief beleid begint bij de informatie zelf: draagt een document het label Vertrouwelijk, dan kan een DLP-systeem ingrijpen, ongeacht de tool. Zonder dat label valt er niets te handhaven.
Ingebouwde AI-assistenten zoals Microsoft 365 Copilot, Google Gemini en Notion AI werken niet met een eigen database. Ze doorzoeken de bestaande omgeving: documenten, e-mails, chats, code. Bij elke vraag kijkt het systeem naar alles waartoe de gebruiker toegang heeft.
Heeft een medewerker van finance door ooit te ruim ingestelde permissies toegang tot een HR-map, dan vat de assistent desgevraagd salarisoverzichten en personeelsdossiers samen. Er is dan niet ingebroken; het systeem doet waarvoor het is ontworpen. Alle grote platforms maken dezelfde architectuurkeuze — Microsoft via de Graph API, Google via de Workspace-index, Notion via de werkruimte. De AI-laag draait bovenop de bestaande toegangsrechten.
Dezelfde documentenmap — links zonder labels, rechts met classificatie.
Geen classificatielabels. De AI-assistent indexeert alles waartoe de gebruiker toegang heeft.
Classificatielabels bepalen wat de AI-assistent mag indexeren — ongeacht de toegangsrechten van de gebruiker.
Het verschil zit in het label. Per classificatieniveau kunt u instellen of de AI-laag een document mag indexeren, samenvatten of beantwoorden. Zonder labels heeft het systeem geen basis om onderscheid te maken.
Classificatie is niet alleen een compliancy-vereiste. Het is de randvoorwaarde voor veilig AI-gebruik.
Een classificatielabel is meer dan administratie: het activeert een keten van regels. Wie mag het document openen, mag AI het indexeren, mag het de organisatie verlaten, verschijnt het in een auditlog. Zonder label bestaan die regels niet, want er is niets om ze aan te koppelen. De meeste enterprise-platforms werken met vier niveaus; de terminologie verschilt per leverancier, het principe niet:
| Niveau | Betekenis | AI-gedrag | Voorbeeld |
|---|---|---|---|
| Openbaar | Mag vrij gedeeld worden | AI mag indexeren, samenvatten, beantwoorden | Gepubliceerde brochure, persberichten |
| Intern | Alleen binnen de organisatie | AI mag indexeren voor interne gebruikers | Teamplanning, vergadernotities |
| Vertrouwelijk | Beperkte groep, need-to-know | AI-indexering beperkt of geblokkeerd | Contracten, klantgegevens, salarisdata |
| Zeer vertrouwelijk | Strikt beheerd, audit trail | AI-indexering volledig geblokkeerd, encryptie verplicht | Fusieplannen, medische dossiers, juridische stukken |
Het label werkt bovendien stroomopwaarts: u kent het één keer toe, en elk systeem dat het document daarna raakt — DLP-beleid, AI-assistenten, toegangsbeheer, auditlogging — weet hoe het ermee om moet gaan. In de praktijk labelen medewerkers nieuwe documenten handmatig via een keuzeveld, terwijl automatische classificatie bestaande bestanden scant op patronen zoals BSN- en IBAN-nummers. Beide zijn nodig: handmatig voor context die een machine niet ziet, automatisch voor het inhalen van de achterstand.
De EU AI Act, de AVG en NIS2 stellen elk hun eigen eisen, maar komen op één punt samen: organisaties moeten weten welke data hun AI-systemen verwerken en dat kunnen aantonen. Het zijn bindende wetten met handhaving en boetes. Perfectie wordt niet gevraagd; aantoonbare controle wel.
De transparantieverplichtingen van artikel 50 gelden sinds 2 augustus 2026: chatbots moeten zich kenbaar maken als AI en AI-gegenereerde content moet machineleesbaar gemarkeerd worden. De verplichtingen voor hoog-risico-AI zijn via de Digitale Omnibus uitgesteld tot december 2027. Wie een hoog-risicosysteem inzet, moet dan drie dingen aantonen: een risicoclassificatie, ingericht menselijk toezicht en een audittrail van de verwerkte data. Die audittrail vereist dat u weet wat er in uw documenten staat — en dat is documentclassificatie. Of een ingebouwde AI-assistent onder hoog-risico valt, hangt af van het gebruik: vergadernotities samenvatten waarschijnlijk niet, HR-beslissingen ondersteunen mogelijk wel. Die beoordeling maakt u zelf en legt u vast.
Bekijk de officiële tekst →AI-verwerking van persoonsgegevens vereist een rechtmatige grondslag én een DPIA. Zonder classificatie weet u niet welke documenten persoonsgegevens bevatten — en dus ook niet waar een DPIA voor nodig is.
Bekijk de officiële tekst →De Cyberbeveiligingswet — de Nederlandse invulling van NIS2 — treedt op 15 augustus 2026 in werking en verplicht organisaties in kritieke sectoren tot maatregelen op het gebied van informatiebeveiliging, waaronder documentclassificatie en toegangsbeheer.
Bekijk de officiële tekst →Control A.5.12 vereist expliciet een classificatiebeleid. Voor gecertificeerde organisaties is het geen optie maar een auditbare eis.
Bekijk de officiële tekst →Het eerste AI-managementsysteem. Nog niet breed verplicht, maar steeds vaker gevraagd door opdrachtgevers en toezichthouders naast ISO 27001.
Bekijk de officiële tekst →Een code-defect zorgde ervoor dat Copilot Chat e-mails met het label 'Confidential' kon samenvatten — ondanks actieve Data Loss Prevention-regels. Gevoelige e-mails uit Sent Items en Drafts werden verwerkt alsof ze geen restricties hadden. Microsoft heeft het wereldwijd gepatcht.
De meeste organisaties weten niet welke AI-tools hun medewerkers gebruiken, laat staan welke documenten die tools kunnen bereiken. Dat lost geen beleidsdocument in één week op; het vraagt om een aanpak waarin inventarisatie, classificatie, labeling en monitoring op elkaar aansluiten.
Breng in kaart welke documenten er zijn, waar ze staan en wie er toegang toe heeft. Begin bij de locaties met de gevoeligste informatie: HR-mappen, financiële data, klantdossiers. Inventariseer daarnaast welke AI-tools er feitelijk in gebruik zijn — ook de niet-goedgekeurde.
Ken elk document een niveau toe: Openbaar, Intern, Vertrouwelijk of Zeer vertrouwelijk. Handmatig bij nieuwe documenten, automatisch via patroonherkenning voor de bestaande voorraad.
Leg het niveau vast als machineleesbaar label, zodat DLP-beleid, AI-assistenten en auditlogging het kunnen afdwingen. Een niveau dat alleen in een beleidsdocument staat, handhaaft niets.
Richt logging in op classificatie-events: wie labelt wat, wie wijzigt een label, welke AI-acties worden geblokkeerd. Daarmee toont u aan dat het beleid werkt — precies wat auditors en toezichthouders vragen.
Deze stappen vormen geen eenmalig project. Documenten komen dagelijks bij, medewerkers wisselen van rol en AI-tools worden bijgewerkt. Organisaties die dit goed beheersen, behandelen classificatie als operationele hygiëne — net als patching en back-ups.
Een IT-manager kijkt naar de technische implementatie, een bestuurder naar aansprakelijkheid, een medewerker naar het dagelijkse werk. AI-gereedheid betekent voor elk van hen iets anders.
Gebruiken AI vaak al, bewust of onbewust. De vraag die zij moeten kunnen beantwoorden: mag dit document in deze tool? Dat vereist geen technische kennis, wel een helder kader en een korte training.
Hebben zelden zicht op welke AI-tools hun team feitelijk gebruikt; shadow AI gedijt in die blinde vlek. Zij signaleren, bespreken en escaleren wanneer gevoelige informatie in verkeerde tools belandt.
De AI Act, AVG en NIS2 vragen om bewijs: welke data verwerkt AI, wie heeft dat geautoriseerd en wat gebeurt er bij een incident. De CISO vertaalt die verantwoordelijkheid naar classificatiebeleid, DLP-configuratie en logging.
Onderstaande tabel bevat de officiële bronnen per kader en onderwerp. Waar wij een eigen analyse of weekbericht hebben gepubliceerd, staat die in de laatste kolom.
| Kader / onderwerp | Officiële bron | Toelichting | Onze analyse |
|---|---|---|---|
| EU AI Act | eur-lex.europa.eu — AI Act | Volledige verordening (NL); implementatiehulp via ai-act-service-desk.ec.europa.eu | Weekbericht: AI Act-verplichtingen |
| AVG | autoriteitpersoonsgegevens.nl | Handhaving, datalekken, verwerkingsregister | — |
| NIS2 | ncsc.nl — FAQ Cyberbeveiligingswet | Praktische voorbereiding | Weekbericht: NIS2-voorbereiding |
| ISO 27001 | nen.nl — FAQ ISO 27001 | Norm, certificering en FAQ | — |
| ISO 42001 | iso.org — ISO 42001 | AI-managementsysteem | — |
| Shadow AI | Kiteworks — AI Data Security Report 2026 | Statistieken over ongeautoriseerd AI-gebruik | Weekbericht: Shadow AI-risico's |
| AP AI-Impactbarometer | autoriteitpersoonsgegevens.nl — AI-toezicht | Jaarlijkse risicobarometer AI | — |
Elke week de relevantste AI-governance ontwikkelingen voor uw organisatie.
PwC stuurde potentiële klanten vier rapporten over AI en elektrische voertuigen die vol bleken te staan met verzonnen bronnen, niet-bestaande artikelen en foutieve citaten, waaronder een fictief MIT-onderzoek. AI-detectiebedrijf GPTZero stelde vast dat het grootste deel van de tekst rechtstreeks door AI is geschreven. Het regiokantoor in het Midden-Oosten corrigeert de rapporten. Pijnlijk detail: PwC adviseert zelf bedrijven over verantwoorde invoering van AI.
De Raad van Discipline in 's-Hertogenbosch heeft een Limburgse advocate berispt die in twee huurzaken klakkeloos overnam wat een AI-tool haar voorschotelde, inclusief verwijzingen naar niet-bestaande rechtspraak. Ze controleerde de verwijzingen niet en las de aangehaalde uitspraken niet eens. De tuchtrechter noemt het handelen uiterst onzorgvuldig en tuchtrechtelijk verwijtbaar. Als verzachtende omstandigheid geldt dat AI-geletterdheid een jaar geleden nog geen gemeengoed was.
Microsoft beschrijft hoe Agent 365 AI-agents tijdens het werk bewaakt: afwijkend gedrag bij het benaderen van bedrijfsdata, het aanroepen van tools en het handelen namens gebruikers wordt realtime gesignaleerd. Microsoft noemt de autonomie van agents een wezenlijk nieuwe beveiligingsuitdaging. Zulke bewaking werkt alleen als vooraf vastligt welke documenten gevoelig zijn; classificatie en labels vormen de basis voor die spelregels.
Microsoft laat zien hoe site-eigenaren tien eigen AI-skills bouwen in Copilot in SharePoint, van samenvatten tot taken op documentbibliotheken. Elke skill werkt op de documenten van de site. Zonder opgeruimde metadata en goed ingericht toegangsbeheer geeft zo'n skill verkeerde antwoorden, of antwoorden op basis van documenten die te breed gedeeld staan.
AI-governance is doorlopend werk: de technologie verandert sneller dan beleid kan bijhouden. Begin met zicht, bouw classificatie op en monitor wat er gebeurt. In een gesprek van dertig minuten laten we zien wat voor uw organisatie de logische volgende stap is.
Plan een kennismaking →