Een directieteam tekent het nieuwe AI-beleid af. Drie pagina's, netjes opgesteld, juridisch nagekeken. Medewerkers krijgen een mail: vanaf nu zijn er afspraken over het gebruik van AI op het werk. Iedereen klikt op "gelezen en begrepen". Het document gaat het kwaliteitssysteem in. Vinkje gezet.
Dertig dagen later plakt een medewerker een klantdossier in ChatGPT om er snel een samenvatting van te maken. Niet uit onwil. Hij heeft het druk, de deadline staat, en aan dat beleidsdocument denkt hij op dat moment niet.
De vraag is niet of dat gebeurt. De vraag is of jij het zou zien als het gebeurde. Bij de meeste organisaties is het antwoord nee.
Beleid op papier is geen controle
Een AI-beleid beschrijft wat zou moeten gebeuren. Het zegt niets over wat er werkelijk gebeurt. Dat verschil is precies waar het risico zit. Zolang je niet kunt zien welke gevoelige gegevens medewerkers in AI-tools invoeren, is naleving een aanname. De AVG vraagt niet om een document. Die vraagt om aantoonbare naleving. En bewijs begint niet bij een handtekening onder een beleid, maar bij zicht op het moment dat iemand iets typt.
Waarom een beleid het gedrag niet raakt
De meeste organisaties pakken AI-risico op drie manieren aan: een beleid opstellen, een training geven, en soms een paar tools blokkeren. Alle drie zijn nuttig. Geen van drieën verandert wat er gebeurt op het moment dat een collega snel iets wil regelen.
Een beleid is een afspraak op afstand. Het is geschreven, gelezen, en daarna grotendeels vergeten. Niet omdat mensen het niet serieus nemen, maar omdat een document zich niet meldt op het moment dat het ertoe doet. De beslissing om iets in een prompt te plakken duurt twee seconden. Het beleid staat op dat moment in een map die niemand openslaat.
Een training werkt op maandag. De fout gebeurt op donderdag, als de kennis is weggezakt onder de werkdruk. Kennis is geen garantie voor gedrag. Iemand kán prima weten dat klantdata niet in een gratis chatbot hoort, en het toch doen, omdat de gewoonte sterker is dan het beleid.
En blokkeren? Dat klinkt als de veiligste keuze, maar het levert vaak het minste zicht op. Wie de toegang tot AI dichtzet, krijgt geen veiliger organisatie. Die krijgt omwegen: een privé-account, de telefoon van de medewerker, een tool die niemand heeft goedgekeurd. De Autoriteit Persoonsgegevens noemt dit shadow AI, en wijst het expliciet aan als aandachtspunt voor werkgevers.
Het gat zit dus niet in het beleid zelf. Het zit tussen het beleid en de praktijk. En dat gat kun je niet dichten met meer beleid.
Wat er in de praktijk gebeurt
Hoe groot is dat gat? De cijfers zijn ongemakkelijk concreet.
Uit onderzoek van Newcom blijkt dat slechts 3 op de 10 werkende Nederlanders gevoelige informatie verwijdert voordat ze er een AI-tool op loslaten. Zeven op de tien doet dat dus niet. Niet uit onwil, en niet uit onkunde, maar omdat de gewoonte er niet is. Tegelijk gebruiken inmiddels meer dan 4,6 miljoen Nederlandse werkenden AI op het werk.
Internationaal onderzoek van Cyberhaven, gebaseerd op het gedrag van miljoenen werknemers, laat zien dat 39,7% van alle AI-interacties op het werk gevoelige data bevat. Twee jaar eerder was dat nog 10,7%. Het gaat om broncode, klantgegevens, contracten, salarisinformatie. Vertaald naar een werkweek: elke medewerker plakt ongeveer eens per drie dagen iets gevoeligs in een AI-tool.
Dit zijn geen randgevallen. Dit is het gemiddelde.
En het komt terug in concrete incidenten. Bij de gemeente Eindhoven bleek uit een interne controle dat medewerkers in een periode van dertig dagen op grote schaal vertrouwelijke documenten in publieke AI-chatbots hadden geplakt: cv's, jeugdzorgdossiers, interne rapporten. De gemeente kon de exacte omvang niet eens vaststellen, omdat onduidelijk was wat de aanbieders met de tijdelijk opgeslagen data hadden gedaan. De organisatie blokkeerde vervolgens de publieke AI-websites en vroeg OpenAI om de gegevens te verwijderen.
De Autoriteit Persoonsgegevens kreeg in 2024 en 2025 tientallen van dit soort meldingen, met een stijging in 2025. De rode draad: organisaties die dachten dat hun afspraken duidelijk waren, kwamen er pas achteraf achter wat er werkelijk gebeurde. Het beleid bestond. Het zicht ontbrak.
Maar is dit geen toezicht op medewerkers?
Hier komt de tegenwerping die ik vaak hoor: "Zicht houden op wat medewerkers typen, dat voelt als Big Brother. Wij vertrouwen onze mensen."
Dat is een terecht bezwaar, en het verdient een eerlijk antwoord. Individuele surveillance, meekijken met wie wat typt, hoort niet thuis op een werkvloer die op vertrouwen draait. Het roept weerstand op bij medewerkers en bij de ondernemingsraad, en die weerstand is gezond.
Maar zicht houden en mensen bespioneren zijn niet hetzelfde. Het verschil zit in het niveau waarop je kijkt. Je hoeft niet te weten dát Jan om 14:12 uur een specifieke zin in ChatGPT plakte. Je wilt weten welke soorten gevoelige gegevens in welke tools opduiken, hoe vaak, en of het aantal risicosignalen daalt nadat je iets hebt aangepast. Dat zijn geaggregeerde cijfers, geen dossiers over personen.
Vertrouwen en bewijs sluiten elkaar niet uit. Je vertrouwt je boekhouding ook, en toch laat je een accountant ernaar kijken. Niet om iemand te betrappen, maar om te kunnen aantonen dat het klopt. Datzelfde geldt voor AI-gebruik. Het doel is niet om te laten zien wie fout zat. Het doel is om mensen te helpen voordat een fout een incident wordt.
Van beleid naar bewijs
Stel jezelf vijf vragen. Ze zijn ongemakkelijk, en dat is het punt.
- Kun je aantonen welke gevoelige datatypes richting AI-tools gaan in jouw organisatie? Niet vermoeden, maar laten zien.
- Weet je in welke tools dat gebeurt? Goedgekeurde tools, of de gratis varianten waar data voor training wordt bewaard?
- Zou je het zien als een medewerker vandaag een klantdossier in een chatbot plakte? Of zou je het pas horen als er een melding bij de AP ligt?
- Daalt het aantal risicosignalen nadat je een training of afspraak hebt ingevoerd? Zonder meting weet je niet of je iets bereikt.
- Kun je dit alles laten zien zonder individuele medewerkers aan te wijzen? Want anders krijg je weerstand in plaats van naleving.
Kun je deze vragen niet beantwoorden met cijfers, dan heb je een beleid, maar geen bewijs. En de AVG-verantwoordingsplicht uit artikel 5 lid 2 vraagt om dat tweede: aantoonbare naleving. Sinds februari 2025 komt daar de AI-geletterdheidsplicht uit de EU AI Act bovenop.
Vraag 2 is de vraag waar de meeste beleidsstukken stilzwijgend op vastlopen. "Goedgekeurde tools" is snel opgeschreven; weten welke tools mensen daadwerkelijk hebben geopend, en of elke tool prima, alleen binnen grenzen toegestaan, of juist verboden is, is een heel andere exercitie:
