Bijgewerkt op 22 november 2026
De afgelopen weken is een zwak signaal uitgegroeid tot een groot thema voor securityteams.
Met de komst van modellen die code kunnen analyseren en kwetsbaarheden op ongekende schaal kunnen opsporen, is cybersecurity een nieuwe fase ingegaan. Kunstmatige intelligentie kan nu zwakke plekken identificeren die geautomatiseerde tools jarenlang over het hoofd zagen. Tegelijkertijd schaalt het opsporen van kwetsbaarheden op. Wat vroeger afhing van lange cycli en expertise die op een beperkte scope werd toegepast, wordt massaal, bijna industrieel.
De paradox is direct zichtbaar. We hebben nog nooit zo goed kunnen opsporen waar kwetsbaarheden zitten, en toch stond de druk op securityteams nog nooit zo hoog. Sommigen spreken al over een aantal kwetsbaarheden dat moeilijk te verwerken, te prioriteren en te verhelpen is.
Maar achter deze transformatie schuilt nog een andere, diffusere en stillere verandering.
Al jaren is cybersecurity gebouwd op een breed bevestigd inzicht: incidenten komen niet alleen voort uit systemen, maar uit gebruik. Het IBM-rapport uit 2023 benadrukt dit regelmatig: bij de meeste datalekken speelt een vorm van menselijke fout een rol.
Geen spectaculaire blunders, maar alledaagse beslissingen: een bestand te snel gedeeld, een slordige configuratie, een tool gebruikt buiten het beoogde toepassingsgebied.
Kunstmatige intelligentie stelt deze constatering niet ter discussie. Ze versterkt haar.
AI versnelt handelingen, vereenvoudigt processen en haalt wrijving weg. Ze stelt niet-experts in staat om met complexe systemen te werken, soms zonder de gevolgen volledig te begrijpen. Tegelijkertijd vergroot ze het aanvalsoppervlak. Data stroomt anders, tools vermenigvuldigen zich en gebruik verspreidt zich zonder altijd langs de traditionele goedkeuringskanalen te gaan.
Wat nu opvalt, is hoe diep deze toepassingen zijn ingeburgerd. In de meeste organisaties wordt AI individueel gebruikt, vaak buiten elke gezamenlijke structuur om. Ze wordt vooral ingezet voor "verrijkt kantoorwerk": schrijven, herformuleren, samenvatten, sneller produceren.
Die toepassingen zijn op zich niet problematisch. Integendeel, ze zijn een krachtige hefboom voor productiviteit. Ze helpen bepaalde taken te automatiseren, tijd vrij te maken en het dagelijks werk te vergemakkelijken. Maar in veel gevallen blijven ze slecht gereguleerd.
Hier zit een belangrijke spanning.
Een tool beschikbaar stellen, hoe krachtig ook, is niet genoeg om gecontroleerd gebruik te garanderen. AI is daarop geen uitzondering. Zonder duidelijk kader, gedeelde best practices en goede begeleiding ontwikkelt het gebruik zich op uiteenlopende en soms geïmproviseerde wijze.
In deze context leren medewerkers op eigen houtje. Ze experimenteren, passen aan en kopiëren gedrag dat ze elders zien. Ze zoeken snelle winst, vaak terecht. Maar ze hebben niet altijd de nodige referentiepunten om de bijbehorende risico's te beoordelen.
Vaak is dit het moment waarop bij de CIO twijfels ontstaan.
Niet na een groot incident, maar meer geleidelijk. Er rijst een vraag:
Begrijpen we echt wat teams vandaag met AI doen - en hebben we het dus onder controle?
In veel organisaties blijft het antwoord onvolledig. Niet door een gebrek aan tools, maar omdat het gebruik sneller evolueert dan de kaders die het moeten structureren. Dit verschil markeert een belangrijke verschuiving.
Lange tijd was cybersecurity gebouwd rond infrastructuur: toegang beveiligen, datastromen beheersen, systemen beschermen.
Nu verschuift het spanningspunt: het zit in het gebruik.
Sommige bedrijven beginnen hun aanpak daarop aan te passen. Ze proberen niet langer alleen meer kwetsbaarheden op te sporen, wat AI al op grote schaal mogelijk maakt, maar te begrijpen hoe die ontstaan in de dagelijkse praktijk: hoe teams deze tools gebruiken, in welke situaties ze beslissingen nemen en hoe ze efficiëntie en veiligheid tegen elkaar afwegen.
Deze perspectiefwisseling vraagt om een specifieke inspanning: gebruik begeleiden in plaats van het alleen toestaan.
Dat vraagt om eenvoudige, toegankelijke vormen van leren die direct aansluiten op het dagelijks werk. Geen theoretische trainingen, maar concrete richtlijnen, voorbeelden en situaties die helpen begrijpen wat wel en niet kan, en waarom.
Medewerkers aanmoedigen om te leren, praktijken te delen en het gebruik gaandeweg te structureren, wordt een centrale hefboom: niet om adoptie af te remmen, maar om haar robuuster te maken.
Dat is de logica achter opkomende aanpakken, in het bijzonder bij Complement. Daar wordt AI ingezet als hefboom om teams te ondersteunen, gebruik te structureren en situaties tastbaarder te maken. Het doel is niet om het gebruik te beperken, maar juist om medewerkers in staat te stellen het bewuster te gebruiken door de gevolgen van hun beslissingen beter te begrijpen.
Kunstmatige intelligentie veroorzaakt geen cybersecuritycrisis, ze versnelt bestaande dynamieken. Ze vergroot ons vermogen om kwetsbaarheden op te sporen, maar maakt ook een allang bekende realiteit zichtbaarder: een systeem is zo veilig als de manier waarop het wordt gebruikt. En die toepassingen veranderen nu snel, vaak diffuus en soms zonder gedeeld kader.
Dan blijft er een eenvoudige vraag over:
Heeft u in een omgeving waarin kwetsbaarheden zich vermenigvuldigen en het gebruik intensiveert een helder beeld van hoe uw teams kunstmatige intelligentie daadwerkelijk gebruiken?
