Een securitymedewerker bij een woningcorporatie heeft de DLP-regels netjes op orde: BSN's en IBAN's in uitgaande mail geven een waarschuwing, gelabelde documenten kunnen niet naar een privéadres. Op de vraag van de directie welke AI-tools er in de organisatie worden gebruikt, opent ze het DLP-overzicht. Er staat niets in over AI-tools. Er staan alleen gebeurtenissen in, en de meeste gaan over Outlook.
Dat is geen fout in de inrichting. DLP beantwoordt een andere vraag dan de directie stelde.
DLP kijkt naar inhoud: herkent een regel iets gevoeligs in een bestand, een mail of een netwerkstroom, dan volgt een logregel, een waarschuwing of een blokkade. AI-governance kijkt naar de tool: welke AI-diensten worden geopend, wat is daarover besloten, ziet de medewerker dat besluit als hij de tool opent, en loopt het gebruik via wat is toegestaan. De eerste laag leest gegevens. De tweede kent tools. Voor het dagelijkse AI-gebruik heb je meestal allebei nodig, en het helpt om te weten welke wat doet.
Wat bedoelen we met klassieke DLP?
Data loss prevention is een verzameling regels die gevoelige informatie herkennen op de plekken waar gegevens de organisatie kunnen verlaten: e-mail, bestandsopslag, chat, USB-poorten, netwerkverkeer en beheerde toestellen. Een regel beschrijft wat gevoelig is (een BSN-patroon, een creditcardnummer, een document met het label "vertrouwelijk") en wat er moet gebeuren als het langskomt.
De kracht zit in de reikwijdte binnen een beheerde omgeving. Wie in Microsoft 365 leeft, kan met Purview dezelfde regels toepassen op Exchange, SharePoint, OneDrive, Teams en aangesloten Windows-toestellen, en die regels leveren een controlespoor per gebeurtenis, met het bestand en de persoon erbij. Dat is precies wat je nodig hebt als je een datalek moet onderzoeken of een auditor wilt laten zien dat vertrouwelijke bestanden niet naar buiten kunnen.
Twee eigenschappen bepalen waar DLP ophoudt. Een DLP-gebeurtenis ontstaat pas als een regel afgaat, dus een stroom zonder herkenbare gevoelige inhoud is voor DLP een lege stroom. En DLP werkt waar de organisatie de infrastructuur beheert: de mailserver, de opslag, het aangesloten toestel. Buiten die omgeving ziet het niets.
Wat bedoelen we met governance van AI-gebruik?
Governance van AI-gebruik begint bij een andere waarneming: niet "wat zit er in deze stroom", maar "welke AI-tool is dit, en wat vinden wij daarvan". Per tool neemt de organisatie één besluit uit vier statussen: toegestaan, beperkt toegestaan, nog geen besluit, niet toegestaan. Dat besluit verschijnt op het moment dat iemand de tool opent, en wat er daarna gebeurt telt mee op organisatieniveau.
Het verschil met DLP is het uitgangspunt. Een beleidsmedewerker die openbare nota's in een samenvattool plakt, raakt geen enkele DLP-regel: er zit niets gevoeligs in. Toch is die tool voor de organisatie interessant, want hij wordt gebruikt en niemand heeft ernaar gekeken. "Nog geen besluit" is een status die DLP niet kent. Een regel bestaat of bestaat niet.
Het tweede verschil is de persoon. DLP koppelt een gebeurtenis aan een afzender, omdat je een incident moet kunnen onderzoeken. De governancevraag heeft dat niet nodig: "deze tool is deze maand vierhonderd keer geopend en heeft geen besluit" is een volledig antwoord zonder naam. Waarom dat één veld in een database scheelt, en een verwerking van persoonsgegevens, staat in AI-monitoring versus medewerkersmonitoring.
Hoe verhouden de twee lagen zich?
| Klassieke DLP | Governance van AI-gebruik | |
|---|---|---|
| Eenheid van beoordeling | De inhoud van een bestand, mail of stroom | De tool en het besluit erover |
| Wanneer er iets gebeurt | Als een regel afgaat op gevoelige inhoud | Als iemand een AI-tool opent |
| Wat het doet | Loggen, waarschuwen of blokkeren | Het besluit tonen, met het alternatief; doorgaan kan altijd |
| Wat het niet ziet | Een tool zonder gevoelige inhoud, onbeheerde toestellen, thuiswerk buiten de omgeving | De inhoud van bestanden, mail buiten de browser, opslag |
| Kent "nog geen besluit" | Nee | Ja, het is de standaardstatus |
| Koppeling aan een persoon | Meestal wel, voor onderzoek | Niet nodig; alleen het domein en de dag |
| Vraag die het beantwoordt | Verlaten gevoelige gegevens de organisatie? | Welke tools gebruiken we, wat hebben we besloten, en werkt dat? |
De rijen overlappen op één plek: het moment waarop iemand gevoelige tekst in een AI-tool plakt. Daar kan DLP waarschuwen, met de voorwaarden die de leverancier stelt aan browser, toestel en licentie, en daar kan een browserextensie de gegevens markeren terwijl iemand typt. Dat is het onderwerp van de vergelijking met Purview. Dit artikel gaat over de rest van de tabel, en daar overlappen ze niet.
Wanneer volstaat DLP?
Als je vraag is of gevoelige gegevens via bestanden, mail en beheerde toestellen naar buiten gaan, en als AI-gebruik in jouw organisatie via één beheerde omgeving loopt die onder dezelfde regels valt. Een organisatie waar iedereen op een beheerd toestel in de zakelijke browser werkt, met Copilot als enige AI-tool en de DLP-regels ook op dat pad, heeft een sluitend verhaal over de inhoud.
Wat zo'n organisatie nog niet weet, is of dat beeld klopt. DLP zegt niet dat er geen andere tools zijn; het zegt dat er geen regel is afgegaan. Het verschil tussen die twee zinnen is precies de ruimte waarin shadow AI ontstaat.
Wanneer heb je beide nodig?
Een gemeente heeft Copilot toegestaan en DLP staat aan op mail en SharePoint. Bij een eerste inventarisatie van wat er vanuit de browser wordt geopend, blijken naast Copilot ook Perplexity en ChatGPT in gebruik, plus drie gespecialiseerde tools: een transcriptietool voor vergaderingen, een vertaaltool en een dienst die beleidsnota's samenvat. Twee van de drie staan nergens in een register.
DLP heeft hier niets gemist. De teksten die in de samenvattool gingen waren openbaar, er ging geen regel af, en dat was terecht. Alleen kon niemand op basis van DLP de vraag beantwoorden welke tools er in gebruik waren, laat staan of daar iets over was besloten. Dat is geen incident. Het laat zien dat een eenmalige inventarisatie snel achterloopt en dat DLP dat achterlopen niet opmerkt, omdat het niet naar tools kijkt.
Zodra medewerkers AI-tools openen in Chrome, thuis, op een laptop die niet is aangesloten, of met een eigen account, vallen twee dingen tegelijk buiten de DLP-laag: het gebruik en de inhoud. Voor de inhoud is een markering op het moment van typen de aanvulling. Voor het gebruik is het een actueel beeld van welke tools worden geopend, een besluit per tool, en dat besluit op het moment dat iemand de tool opent.
