AI en bedrijfsdata: zo voorkom je datalekken
AI-tools kunnen werk versnellen, maar kunnen ook vertrouwelijke bedrijfsinformatie blootstellen aan mensen of systemen die daar geen toegang toe horen te hebben. Lees hoe je risico’s herkent en keuzes maakt rond toegang, opslag, leveranciers en dagelijks gebruik.
Breng in kaart welke bedrijfsdata AI-systemen mogen gebruiken
Je kunt pas veilig AI inzetten als je zicht hebt op de bedrijfsdata die in omloop zijn. Denk niet alleen aan de standaard dingen zoals klantlijsten of cijfers: e-mails, offertes, broncode, interne instructies en info uit het ticketsysteem horen er ook allemaal bij. Het is simpel om zo'n bestand in een prompt te plakken, bijvoorbeeld om snel een samenvatting of voorstel te krijgen. Begin dus met het vaststellen welke bronnen er zijn, welke typen gegevens daarin staan, en welke AI-tools je collega's al gebruiken, ook de gratis chatbots op internet.
Sorteer die gegevens op gevoeligheid en spreek per soort af wat ermee mag gebeuren. Openbare productinformatie is vaak geen probleem; gegevens over personeel, klanten of geheimen van het bedrijf zijn een ander verhaal en horen onder strikte regels te vallen. Sommige informatie mag nooit terechtkomen bij een externe AI-dienst, tenzij je eerst zeker weet dat die goed beschermd is. Denk praktisch: openbaar, intern, vertrouwelijk, strikt vertrouwelijk werkt vaak beter dan vijftien categorieën die niemand toepast.
Laat in het beleid ook zien hoe dit werkt in de praktijk. Dus als een collega een klantvraag herschrijft, moet die weten: moeten namen of ordernummers eruit of niet? Betrek proceseigenaren en security- of privacy-specialisten, want die zien sneller waar het misschien toch mis kan gaan. Vergeet niet om je inventaris te herzien als je een nieuwe tool koppelt, of je AI voor een andere taak inzet. Anders baseer je je beleid op aannames, niet op wat er écht gebeurt met je data.
Voorkom dat medewerkers vertrouwelijke informatie in publieke AI-tools plakken
Bij een openbare AI-chatbot kun je zo iets laten herschrijven, uitleggen, vertalen. Dat maakt het aantrekkelijk om ook gevoelige info op te sturen, vaak zonder er echt bij stil te staan. Zo’n prompt bevat soms persoonsgegevens, contracten, plannen voor nieuwe producten of details van een intern incident. Wat zo’n dienst precies daarna met de gegevens doet, verschilt. Soms worden prompts tijdelijk bewaard voor beveiliging of om het model te verbeteren, soms zegt het bedrijf niks te doen, maar vertrouw daar niet zomaar op de productnaam of een algemene belofte.
Een keihard verbod klinkt handig, maar zorgt er meestal niet voor dat niemand het stiekem tóch doet. Dichter bij de praktijk: spreek af welke AI-tools wel mogen, welke niet, en voor welke taken welke soort gegevens gebruikt mogen worden. Zeg het gewoon: een persbericht laten corrigeren kan, het hele klantdossier uploaden niet. Zakelijke accounts en privacystandaarden helpen, maar hebben geen zin als je niet weet of de leverancier zijn beloftes nakomt of juiste instellingen heeft.
Bied liever een goed alternatief aan voor veel voorkomende taken. Misschien een eigen, goedgekeurde tool, of een stappenplan om eerst gevoelige details te verwijderen. Denk niet dat je altijd veilig zit met een pseudoniem: wie functie, datum en gebeurtenis weet, kan vaak alsnog iemand terugvinden. En maak melden makkelijk. Als iemand per ongeluk privé-data deelt met een chatbot, is eerlijk zijn en het snel oplossen belangrijker dan gelijk met straffen dreigen.
Beperk AI-toegang tot bedrijfsdata met least privilege
Als je AI koppelt aan interne systemen, verandert er iets belangrijks: het is niet meer één prompt die risico loopt, je maakt een brug naar alles wat achter die koppeling zit. Bijvoorbeeld: je geeft een AI-assistent toegang tot je documenten, CRM, tickets. Te ruime rechten betekenen dat een gewone vraag ineens onbedoeld bij dossiers, prijsafspraken of vertrouwelijke klantgegevens uitkomt. Geef daarom niet zomaar overal rechten op. Gebruik het least privilege principe: alleen toegang tot wat nodig is voor de taak, per gebruiker, agent en connectie.
Toegangsrechten kun je op meerdere plekken inregelen. Een supportmedewerker mag bijvoorbeeld klantnotities zien, maar hoeft geen data te exporteren. Een AI die retouren verwerkt, heeft misschien orderstatus nodig, maar geen persoonsgegevens. Werk waar mogelijk met bestaande gebruikersrechten, niet met één serviceaccount dat overal toegang toe heeft ('admin op alles' is een risico). Ja, dat is technisch ingewikkelder, maar voorkomt dat iedereen via de AI ineens overal bij komt.
Rechten veranderen. Leg vast wie eigenaarschap heeft, welke rechten zijn toegekend en wanneer die zijn bekeken. Trek rechten in zodra iemand van rol wisselt of een koppeling niet meer nodig is. Doe checks met een testaccount waar expres geen toegang op zit: lukt het toch om iets vertrouwelijks op te vragen? Let ook op bewerken: als een AI afspraken kan wijzigen of mails kan versturen, is het risico veel groter dan alleen lezen. Begin daarom liever met alleen-lezen, en breid pas uit als het echt moet.
Beheer opslag, bewaartermijnen en logs van AI-gesprekken
Je chat is niet altijd weg nadat je het venster sluit. Prompts, antwoorden, bijlagen: die kunnen in de cloud van de aanbieder blijven staan, in je browsergeschiedenis, of in een platform op het werk. En dan nog de logs die soms apart bijgehouden worden voor fouten of monitoring. Later kan gevoelige info ineens weer boven water komen, bijvoorbeeld als een beheerder een export maakt. Vraag per AI-dienst uit waar en hoe gegevens opgeslagen blijven, wie erbij kan en voor hoelang.
Langer bewaren is soms handig om fouten te onderzoeken, maar bergen data verhogen de schade bij een datalek of als een account misbruikt wordt. Kies dus niet zomaar voor ‘voor altijd’. En let op: verwijderen in het dashboard is niet altijd alles weg; back-ups en exports kunnen nog ergens blijven hangen. Maak onderscheid tussen logbestanden (moment, foutcode, versie) en inhoudelijke conversaties.
Beperk wie bij de logs mag, en gebruik die niet als een archief om medewerkers te beoordelen tenzij dat echt nodig is. Als je logs wel gebruikt voor kwaliteitscontrole: leg uit waarom, wie erbij mag, hoelang het bewaard blijft, en informeer de betrokkenen. Gekke exports via Excel of kopieergedrag door teams kunnen ook leiden tot extra kopieën. Stel als beheerder vast: wie is verantwoordelijk, wie verwijdert, en hoe meld je iets? Test je verwijderproces echt door met een live account te proberen, en kijk of het dan werkt.
Controleer leveranciersvoorwaarden, modeltraining en subverwerkers
De leverancier speelt een grote rol in de bescherming van je gegevens. Check daarom niet alleen het verkooppraatje, maar lees de voorwaarden van precies de gekozen dienst en het betreffende abonnement. Belangrijk is of gegevens uit je prompts en antwoorden worden gebruikt om het AI-model te trainen, of er opties bestaan om dat uit te zetten, wat de leverancier doet bij misbruik en of medewerkers van dat bedrijf mee kunnen kijken. Een vinkje ‘geen training’ betekent trouwens niet direct dat er geen logging ergens blijft staan.
Let goed op waar je data verwerkt worden, en wie er allemaal toegang hebben via subverwerkers. Leveranciers werken vaak samen met andere partijen voor hosting, support of analyse. Kijk of je op tijd een melding krijgt als dat wijzigt, en wat je opties zijn als je het daar niet mee eens bent. Persoonsgegevens vragen om duidelijke afspraken over wie wat doet, verwijderen, beveiliging. Betrek een privacy- of securityspecialist als de data gevoelig is in plaats van alles af te vinken omdat het in de standaardvoorwaarden zo lijkt te staan.
Bedenk: snelle implementatie met weinig controle, zoals een volledig beheerde dienst, kan soms handig lijken, maar je hebt daardoor minder invloed op opslag of gedrag. Zelf bedienen betekent meer grip, maar ook meer verantwoordelijkheid voor updates, beveiliging en monitoring. Niks is vanzelf veilig. Noteer daarom welke instellingen zijn gemaakt, controleer regelmatig op wijzigingen, en test wat er gebeurt als je de dienst beëindigt: kun je alles downloaden, wordt het daadwerkelijk verwijderd, en krijg je daar bewijs van? Vraag dit voordat je grote hoeveelheden informatie koppelt aan een dienst.
Bescherm gekoppelde kennisbanken en documenten tegen ongewenste inzage
Veel bedrijven koppelen AI aan documentmanagement, zodat medewerkers vragen kunnen stellen over interne kennis. Daarbij worden vaak bestanden opgesplitst en in een index gestopt. Een foutje in die rechtenstructuur, en iemand vindt bestanden via de AI waar die normaal helemaal niet bij mag. Afsluiten van alleen het chatvenster is dus lang niet genoeg: check hoe bronrechten uit bijvoorbeeld SharePoint in de index worden vertaald en gehandhaafd.
Rechten moeten meebewegen. Vertrekt iemand uit een project, blijven documenten wel eens in de index hangen. Of een bestand wordt uit de bron verwijderd, maar blijft voor de AI bereikbaar. Leg vast hoe updates, verwijderingen en aanpassingen verwerkt (en hoe snel). Test met accounts uit allerlei teams of je toch niet bij gevoelige stukken kunt, ook door meerdere bronnen samen te voegen in een AI-antwoord.
Kijk ook altijd naar wat er in de documenten zelf staat. Soms bevatten ze onbedoeld tekst waarmee een AI systeem andere instructies krijgt, zoals doorsturen van informatie. Check opgehaalde inhoud daarom altijd, is het data of een soort geheime opdracht? Beperk welke bronnen geïndexeerd worden, wijs duidelijke eigenaren aan, en hou een actueel overzicht bij. Begin met een kleine, afgebakende groep, liever dan meteen alles openzetten. Daarmee haal je problemen eruit voordat het breed gebruikt wordt.
Maak afspraken over invoer, uitvoer en menselijke controle
Als je wilt dat AI-gebruik veilig blijft, moet het duidelijk zijn: welke input mag in het systeem, en wat doe je met de output? AI-antwoorden kunnen gegevens uit prompts letterlijk herhalen, ze mixen of iets verzinnen wat betrouwbaar klinkt maar niet klopt. Als een medewerker die tekst direct gebruikt zonder te lezen, lekt er alsnog gevoelige info. Spreek daarom samen af wat wel intern mag blijven, en wanneer altijd nog iemand het moet controleren.
Maak het niet ingewikkelder dan nodig: controle bij een producttekst is anders dan bij advies over personeel, of bij een kredietbeslissing. Bij gevoelige taken moet degene die verwerkt kan terugvinden waar data vandaan komen, en blijft verantwoordelijk voor wat er met het resultaat gebeurt. Verplichte AI-meldingen aan een klant zijn niet altijd zinnig; belangrijker is dat het helder is wie controleert, wat het doel daarvan is en wie bevoegd is voor de laatste goedkeuring.
Zet op een rijtje wat je echt wilt dat wordt nagekeken: namen, bedragen, klantinfo, bronverwijzingen, claims over beleid. Welke extra data sluipen er mee in het antwoord? Geef alleen de informatie die nodig is, waarom een heel dossier als je alleen een leverdatum wilt? AI-uitvoer is geen brondocument. Training werkt pas echt als die over herkenbare scenario’s gaat, niet alleen over abstracte risico’s. Laat teams oefenen met goede voorbeelden, twijfelgevallen en dingen die gewoon niet mogen, zo maak je afspraken toepasbaar in het dagelijks werk.
Richt toezicht en incidentafhandeling in voor AI-datagebruik
Regels zijn niet waterdicht: instellingen kunnen veranderen, rechten verschuiven, of per vergissing worden gegevens tóch gedeeld. Hou daarom toezicht, maar verzamel niet gelijk bergen gevoelige data. Denk aan een overzicht van goedgekeurde AI-systemen, gekoppelde bronnen, beheerdersaccounts en verzoeken die ineens in grote aantallen voorkomen. Signalen als een onverwachte export of iemand die vaak naar afgeschermde info vraagt, kunnen een aanwijzing zijn. Spreek af wie deze signalen bekijkt, en op welke basis dat gebeurt.
Zorg dat je een incidentprocedure hebt voor AI. Als een medewerker iets verkeerd heeft geüpload, een foutief AI-antwoord verstuurt, of een gesprek online terechtkomt, moet die weten waar te melden. Leg vast wie een account tijdelijk kan blokkeren, wie de leverancier inschakelt, en wanneer iemand privacygevoelige gegevens herkent. Soms moet je snel schakelen: een koppeling uitzetten, een publieke link intrekken. Bewaar wat je nodig hebt om uit te zoeken wat er gebeurd is, maar deel gevoelige info zo beperkt mogelijk.
Oefen situaties zoals een AI-agent die te veel documenten teruggeeft, of een leverancier die met een beveiligingsmelding komt. Kijk dan wat nodig is voor schadebeperking: wie gebruikte welke functie, welke bronnen waren geopend, wat geldt aan bewaartermijn? Zorg na een incident dat de oorzaak aangepakt wordt, bijvoorbeeld door rechten te versmallen of indexen opnieuw te bouwen. Laat daarna altijd iemand anders de oplossing uitproberen dan degene die het bedacht heeft. Zo voorkom je dat toezicht blijft hangen in alleen maar incidentregistratie.
Veelgestelde vragen
Wat moet ik doen als een medewerker vertrouwelijke informatie in een AI-chatbot heeft geplakt?
Beperk meteen de kans dat het verder verspreid raakt, en meld dit bij de relevante privacy- of securityspecialist. Schrijf op wat er is ingevoerd, in welke AI-dienst, door welk account, en wanneer. Verwijder de gegevens of chat als dat kan, maar ga er niet blind vanuit dat alles daarmee echt weg is.
- Laat iemand beoordelen of het om persoonsgegevens of andere meldingsplichtige gegevens gaat.
- Check bij de leverancier wat de verwijder- en incidentafhandeling is.
- Houd bij welke stappen zijn genomen, en informeer als nodig de betrokkenen of een toezichthouder.
Wanneer is een DPIA nodig voor het gebruik van AI met persoonsgegevens?
Je hebt een DPIA nodig als je door geplande verwerking van persoonsgegevens waarschijnlijk een groot privacyrisico voor de betrokkenen veroorzaakt. Je zit dan snel in de risicogroep bij verwerking op grote schaal, bijzondere gegevens, stelselmatige monitoring of AI die mensen beoordeelt of beslissingen neemt over mensen. Dit hoort vóórdat je iets live zet beoordeeld te zijn; een DPIA is geen formaliteit die je elk AI-project per se spaart.
Zet op papier welke data je verwerkt, met welk doel, wie toegang krijgt en wat de effecten zijn voor betrokkenen. Betrek altijd je privacyverantwoordelijke of functionaris gegevensbescherming. Blijft er na je maatregelen een hoog risico staan? Dan is juridisch advies over verplicht vooraf melden bij de toezichthouder verstandig.
Moet je klanten vertellen dat AI hun persoonsgegevens verwerkt?
Ja, als je klantgegevens verwerkt via AI, moet je nagaan wat klanten daarover moeten weten en die informatie helder geven. Je klant hoort te begrijpen waarom gegevens worden gebruikt, op welke juridische basis dat gebeurt, en met wie het gedeeld wordt. De precieze eisen vallen terug op hoe je verwerkt, en welke rol je hebt.
Werk privacy-informatie bij voordat AI live gaat, en gebruik duidelijke taal: niet slechts een vage verwijzing naar AI. Leg uit wanneer AI van invloed is op besluiten over de klant. Check of medewerkers weten waar ze vragen of verzoeken met betrekking tot AI-verwerking kunnen laten landen.
Hoe train je medewerkers om generatieve AI veilig te gebruiken?
Geef medewerkers praktijktraining met herkenbare casussen, en laat ze het verschil zien tussen veilige en foutgevoelige voorbeelden. Alleen een algemene AI-presentatie werkt niet: collega's moeten oefenen met wat je wel en niet in mag voeren, hoe je gevoelige data eruit haalt, en waar je bij twijfel terecht kunt. Pas trainingen aan op functie en werkproces, zodat alles blijft aansluiten op de dagelijkse realiteit.
- Laat ze prompts checken en onnodige persoonsgegevens weghalen.
- Oefen met het controleren van AI-output voor gebruik en delen.
- Maak duidelijk waar vragen en bijna-missers gemeld kunnen worden.
Herhaal trainingen als tools, afspraken of workflows veranderen en test kort of iedereen de aangeleerde regels echt snapt.
Hoe controleer je of het AI-beleid van je organisatie in de praktijk werkt?
Je test of je AI-beleid werkt door regelmatig te kijken wat er echt gebeurt: steekproeven, gesprekken met de teams, testcases rondom processen. Een beleid op papier zegt weinig over kennis van medewerkers of technische koppelingen. Ga dus na of wat je hebt afgesproken ook echt is doorgevoerd bij tools, rechten en praktijkgebruik.
Houd bij hoeveel tools er zijn getoetst, wie verantwoordelijk is, of controles zijn vastgelegd, en hoe snel incidenten worden opgevolgd. Gebruik deze gegevens om onduidelijke regels of steeds terugkerende problemen aan te pakken. Leg vast wie verbeteringen regelt en wanneer je weer checkt of die werken.
Foto: Jakub Zerdzicki