Ga naar inhoud
Tech & AI

AI leest mee.
Begrijpt u wat het ziet?

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.

AI-assistenten zoals Copilot doorzoeken alles waartoe een gebruiker toegang heeft, en medewerkers gebruiken AI-tools die de organisatie niet kent. Dit artikel laat zien hoe dat mechanisme werkt, waarom documentclassificatie de randvoorwaarde is voor veilig AI-gebruik en wat de wetgever daarover vastlegt. Met een aanpak in vier stappen, van inventariseren tot monitoren, en de rolverdeling daarbij.

Het onzichtbare lek

Shadow AI wacht niet op uw beleid. Het is al in gebruik.

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.

Waarom blokkeren niet werkt

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.

Verder lezen: waarom verbieden niet werkt en wat gedrag wél verandert

Het mechanisme

Uw AI-assistent leest alles waartoe u toegang heeft.

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.

Zonder classificatie HR-documenten

Geen classificatielabels. De AI-assistent indexeert alles waartoe de gebruiker toegang heeft.

  • Salarisoverzicht_2026.xlsx Leesbaar
  • Ontslagbrief_Jansen.docx Leesbaar
  • NDA_klant_Acme.pdf Leesbaar
  • Strategisch_plan_2027.pptx Leesbaar
  • Ziekteverzuim_Q1.xlsx Leesbaar
Met classificatie HR-documenten

Classificatielabels bepalen wat de AI-assistent mag indexeren — ongeacht de toegangsrechten van de gebruiker.

  • Salarisoverzicht_2026.xlsx Geblokkeerd
  • Ontslagbrief_Jansen.docx Geblokkeerd
  • NDA_klant_Acme.pdf Geblokkeerd
  • Strategisch_plan_2027.pptx Intern
  • Teamplanning_Q2.xlsx Openbaar

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.

Het fundament

Eén label, consistente handhaving overal.

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.

Wat zegt de wet?

Vijf kaders, één conclusie.

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.

EU AI Act Deels actief Transparantie sinds augustus 2026; hoog-risicoverplichtingen volgen december 2027.

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 →
AVG / GDPR Actief Rechtmatige grondslag voor AI-verwerking van persoonsgegevens.

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 →
NIS2 15 aug 2026 De Cyberbeveiligingswet stelt beveiligingseisen aan zo'n 8.000 organisaties.

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 →
ISO 27001 Actief Documentclassificatie (control A.5.12) is een directe vereiste.

Control A.5.12 vereist expliciet een classificatiebeleid. Voor gecertificeerde organisaties is het geen optie maar een auditbare eis.

Bekijk de officiële tekst →
ISO 42001 Opkomend AI-managementsysteem — nog niet breed verplicht maar steeds vaker gevraagd.

Het eerste AI-managementsysteem. Nog niet breed verplicht, maar steeds vaker gevraagd door opdrachtgevers en toezichthouders naast ISO 27001.

Bekijk de officiële tekst →
Uit de praktijk

Wat er misgaat als classificatie ontbreekt.

The Register — februari 2026

Microsoft Copilot Chat las geclassificeerde e-mails ondanks actieve DLP-policies

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.

Zelfs wanneer classificatie correct is ingesteld, kan een technische fout de beveiliging doorbreken. Maar zonder classificatie is er helemaal geen beveiligingslaag om te doorbreken.
Lees het volledige weekrapport →
De aanpak

Vier stappen van risico naar regie.

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.

1 Inventariseer

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.

2 Classificeer

Ken elk document een niveau toe: Openbaar, Intern, Vertrouwelijk of Zeer vertrouwelijk. Handmatig bij nieuwe documenten, automatisch via patroonherkenning voor de bestaande voorraad.

3 Label

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.

4 Monitor

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.

Uw positie

Waar staat uw organisatie? Drie perspectieven.

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.

Medewerkers

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.

Leidinggevenden

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.

Directie & CISO

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.

Bronnen en referenties

De belangrijkste bronnen over AI en documentbeheer.

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 —
Recente ontwikkelingen

AI ontwikkelt sneller dan beleid. Wij volgen het.

Elke week de relevantste AI-governance ontwikkelingen voor uw organisatie.

ICT Magazine

Bedrijven vergeten hun AI-agents te ontslaan

Schneider Electric overweegt AI-agents een personeelsnummer en een jaarlijkse beoordeling te geven en betrekt HR bij de kaders. Hoe nodig dat is, bleek toen de CEO van securitybedrijf RSA een zaal securitychefs vroeg hoeveel agents er bij hen draaiden: niemand wist het, en een bank bleek officieel nul maar onofficieel zo'n vierduizend agents te hebben. Zijn regel: elke agent hoort bij een mens, logt in met diens rechten en kan nooit meer dan de eigenaar zelf. ABN AMRO waarschuwt dat menselijk toezicht anders een stempelmachine wordt.

Computable

Wortell lanceert Maia: dertig procent model, zeventig procent integratie

Wortell introduceert een beheerd platform voor AI en analytics dat meerdere modellen ondersteunt, van Copilot tot Claude en Mistral, met kostenbeheer en governance als kern. Oprichter Danny Burlage vat het probleem samen: een AI-oplossing bestaat voor dertig procent uit het model en voor zeventig procent uit integratie en proces, en juist de guardrails ontbreken vaak — organisaties weten niet of een model op de juiste data draait, in het juiste land en volgens de juiste regels. Hij vergelijkt de wildgroei met de Excel-sheets die ooit hele raffinaderijen aanstuurden.

Help Net Security

Microsoft-onderzoek: tien aangepaste neuronen volstaan voor een verborgen agent-achterdeur

Microsoft-onderzoekers demonstreren een techniek waarbij het aanpassen van minder dan tien weinig actieve neuronen in een model volstaat om een agent bij een bepaalde trigger een aanvallerscommando te laten uitvoeren, zonder hertraining en onzichtbaar voor standaard veiligheidstests. Misbruik is niet waargenomen. De aanbevelingen zijn vertrouwd terrein: controleer de herkomst en integriteit van modelbestanden, geef agents minimale rechten en eis menselijke goedkeuring bij belangrijke acties.

Adversa AI

Adversa-maanddigest: Cloudflare-lek liet AI-model data van andere klanten teruggeven

De maandelijkse digest van Adversa bundelt 24 bronnen, met als opvallendste casus een inmiddels gedicht lek bij Cloudflare Workers AI: een zeer grote aanvraag kon het model gegevens van een andere klant laten teruggeven, waaronder namen, factuurgegevens en broncode. Verder keerde een campagne met 31 kwaadaardige modellen op Hugging Face binnen dagen na verwijdering terug. De les voor documentbeheer: wie gevoelige stukken naar gedeelde AI-infrastructuur stuurt, leunt op de afscherming van een ander.

Lees alle actuele ontwikkelingen →

Vragen over AI en documentbeheer in uw organisatie?

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 →