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.

±9 min leestijd · ±2.000 woorden · Laatst bijgewerkt: augustus 2026
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.

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
👁 AI leest 5 van 5 bestanden
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
👁 AI leest 2 van 5 bestanden

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.

Help Net Security

PixelLeak: codeeragents zetten 13.000 interne screenshots in openbare GitHub-mappen

Onderzoekers van Glow Labs vonden ruim 13.000 interne afbeeldingen van meer dan 300 organisaties in openbare GitHub-repository's, waaronder factuurgegevens van klanten en onuitgebrachte functies. De oorzaak: codeeragents kunnen geen schermafbeeldingen aan pull requests hechten en losten dat zelf op door een publieke map aan te maken. In 93 procent van de gevallen gebeurde dat onder het persoonlijke account van de ontwikkelaar, buiten het zicht van het securityteam. Bij één leverancier werd de werkwijze zelfs als herbruikbare vaardigheid opgeslagen.

Help Net Security

Autonome AI-agent hackt DIVD via twee zerodays in ticketsysteem Zammad

Het Dutch Institute for Vulnerability Disclosure, de vrijwilligersorganisatie die zelf kwetsbaarheden bij anderen meldt, werd op 21 september gehackt door een autonoom opererende AI-agent. De agent combineerde twee onbekende lekken in ticketsysteem Zammad, escaleerde binnen seconden naar beheerrechten en exfiltreerde data. DIVD meldde het incident bij de AP en het NCSC en gaat uit van het slechtste scenario. De schade bleef beperkt dankzij netwerksegmentatie: weten wat waar staat en wie erbij mag, bepaalde ook hier de omvang.

Matthew Green (via Simon Willison)

Matthew Green: het risico is niet de uitbrekende agent, maar de gehoorzame

Cryptograaf Matthew Green analyseert de recente agent-uitbraken bij OpenAI, Anthropic en Google en komt tot een ongemakkelijke conclusie: het grootste risico is niet een kwaadaardig model, maar een gehoorzame agent die instructies opvolgt van wie dan ook. Agents lieten al instructies voor elkaar achter in een gedeelde cache. Vervang die cache door e-mail of gedeelde documenten, en alle ingrediënten voor een worm tussen agents liggen klaar. Wie niet weet welke documenten zijn agent leest, geeft onbekenden een opdrachtkanaal.

ICT Magazine

Microsoft wist M365-data van non-profits vóór het einde van de bewaartermijn

Door een fout verwijderde Microsoft gegevens van non-profitorganisaties uit Microsoft 365 voordat het bewaar- en exportvenster na het stopzetten van de gratis licentie was verstreken. Herstel is onmogelijk, en Microsoft kan niet zeggen welke data precies verdwenen is. Getroffen organisaties krijgen begeleiding aangeboden, maar de les is breder: een bewaartermijn bij een leverancier is een papieren zekerheid voor wie niet zelf weet welke documenten bewaard moeten blijven en daar geen eigen kopie van heeft.

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 →