Als toegang sneller gaat dan governance: insiderrisico door AI-agents

Organisaties geven AI-agents de sleutels tot hun gevoeligste content, sneller dan iemand de regels opstelt voor het gebruik van die sleutels. Die kloof tussen het tempo van de uitrol en de volwassenheid van governance groeit ongemerkt uit tot hét beveiligingsprobleem van 2026, en securityleiders zeggen dat inmiddels zelf.

Toegang van agents staat nu bovenaan de dreigingslijst

In een onderzoek dat Sapio Research in juni 2026 in opdracht van Exabeam uitvoerde en dat op 16 september 2026 verscheen — The Agentic Insider: From Monitoring to Understanding, een enquête onder 600 beslissers op het gebied van security en finance in zeven landen — noemde 48 % van de securityleiders AI-agents met buitensporige, gecompromitteerde of onbedoelde toegang de grootste dreiging voor hun organisatie op dit moment. Daarmee staat toegang van agents boven externe dreigingsactoren (28 %) en ruim boven gecompromitteerde en kwaadwillende insiders (elk 12 %). Voor het eerst staat in een dreigingscategorie die securityteams al jaren volgen een infrastructuurprobleem hoger dan een tegenstander.

Wat telt eigenlijk als ‘agent’

Het maakt uit hoe het onderzoek zijn onderwerp definieert. De auteurs onderscheiden zorgvuldig “doelgerichte, autonome systemen die toegang kunnen krijgen tot bedrijfsmiddelen en met beperkte menselijke tussenkomst acties kunnen uitvoeren” van “conversationele chatbots”. Dat onderscheid is het hele probleem in het klein. Een chatbot antwoordt in een chatvenster; een agent handelt. Hij leest een contractarchief, haalt een klantrecord op, stelt een bericht op en verstuurt het, werkt een bronsysteem bij, en dat doet hij bewust met beperkte menselijke tussenkomst. Zoals Gabrielle Hempel van Exabeam schreef in een verwante analyse: een agent kan bestaan uit “een geldige identiteit, geautoriseerde toegang, verwachte tools, geen aanvaller” en toch een incident veroorzaken. Hoe meer autonomie een organisatie een agent geeft (en daar draait de hele economische businesscase om), hoe minder realistisch het wordt om grip op die agent te houden door vooraf voor elke taak precies vast te leggen waar hij aan mag komen.

Waarom handmatig afbakenen vastloopt

Dat is de valkuil waar de meeste organisaties in lopen. De eerste reactie op “de agent heeft te veel toegang” is die toegang inperken: smallere rollen, strakkere serviceaccounts, rechtenreviews per agent. Dat werkt voor de eerste agent. Voor de vijftigste niet meer, en zeker niet als de taak van dezelfde agent per uur verandert, of als de content die hij moet bereiken verspreid staat over e-mail, bestandsshares, CRM-records en gestructureerde data die niemand ooit met agents in gedachten heeft geïnventariseerd. Handmatig afbakenen gaat uit van een vaste, opsombare verzameling bronnen en een vaste, opsombare verzameling taken. Agentische AI doorbreekt beide aannames voortdurend.

Monitoren is niet hetzelfde als begrijpen

De cijfers van Exabeam laten zien welke druk dit oplevert, ook waar governance niet is verwaarloosd. Zestig procent van de securityleiders heeft speciale tooling voor AI-security of AI-governance ingevoerd, en 56 % heeft bestaande SIEM- en detectieplatforms uitgebreid naar agents. Toch noemt 27 % beperkte gedragscontext en correlatie nog altijd het grootste gat in hun monitoring. Of, zoals Steve Wilson, Chief AI and Product Officer bij Exabeam, opmerkte: “organisaties boeken wezenlijke vooruitgang in het monitoren van AI-agents, maar activiteit monitoren is niet hetzelfde als gedrag begrijpen.” Monitoring laat zien wat een agent heeft gedaan, nadat hij het heeft gedaan. Het zegt niet vooraf of hij het had mogen doen.

Het budgetprobleem achter het beveiligingsprobleem

Een tweede beperking maakt de eerste groter: geld. Vijfenvijftig procent van de securityleiders zegt een beveiligingsinitiatief te hebben uitgesteld of verkleind, omdat ze het risico niet konden uitdrukken in financiële termen die hun CFO zou accepteren. En dat terwijl 93 % aangeeft dat security en finance het in grote lijnen eens zijn over de risicobereidheid, en 81 % zegt dat hun CFO cyberrisico in algemene zin begrijpt. Het gat zit niet in vertrouwen, maar in vertaling. “CFO’s betwijfelen zelden of een cyberrisico echt is”, merkte Mike Byron, CFO van Exabeam, op; de lastigere opgave is “begrijpen hoe een investering het risico verlaagt in meetbare zakelijke termen”. Een governancemodel dat kan wijzen op concrete, gelogde beslissingen (deze identiteit kreeg op deze datum voor dit doel geen toegang tot deze data) is veel makkelijker te vertalen naar een budgetgesprek dan een monitoringdashboard.

De ontbrekende laag: beleid dat bij elke aanvraag beslist

Leg die stukken naast elkaar en de contouren van een werkbaar antwoord worden zichtbaar. Het is niet betere monitoring van agents nadat ze iets hebben gedaan, en ook geen groter spreadsheet met rechten per agent die worden vastgelegd voordat ze iets doen. Het is een beleidslaag op het toegangspunt zelf, die bij elke aanvraag beoordeelt of deze data voor dit doel door deze identiteit — mens of agent — gebruikt mag worden, voordat er iets gebeurt. Die beslissing moet dynamisch vallen, op basis van de kenmerken van de data, de identiteit en de gevraagde actie, en niet eenmalig vooraf worden vastgelegd voor een rol die onvermijdelijk veroudert. En elke beslissing, toestaan of weigeren, moet worden gelogd, zodat het verslag van de handhaving meteen het bewijs is dat auditors en CFO’s allebei nodig hebben.

Dit is de richting die Kiteworks heeft ingeslagen met de Data Policy Engine. Die toetst data, identiteit en gevraagde actie in realtime aan het beleid en dwingt een besluit af (blokkeren, alleen bekijken, motivering verplicht of toestaan), waarbij elke beslissing in een onveranderbare audittrail wordt vastgelegd. Voor agents beschrijft Kiteworks hetzelfde controlepunt, dat in werking treedt voordat een AI-aanvraag data raakt: identiteitsverificatie, beleidstoetsing op basis van attributen en auditlogging, waarbij de identiteit van de agent is gekoppeld aan de mens die hem toestemming gaf. Het bedrijf zegt zonder omwegen wat er op het spel staat: AI-agents “vellen geen enkel zelfstandig ethisch oordeel. Ze benaderen alle data waar ze niet uitdrukkelijk van worden weggehouden.”

Dat is geen reden om de uitrol van agents af te remmen. Het is een reden om toegang niet langer te zien als iets wat één keer wordt besloten, maar als iets wat elke keer opnieuw wordt besloten.

Denkt u na over hoe een beleidsgrens voor agents er in uw eigen omgeving uit moet zien? Mail naar sales@kiteworks.com of start een gesprek. U hoeft Claude of MCP daarvoor niet te hebben ingesteld. Bekijk de agentcatalogus en de ondersteunde assistenten.