Wanneer toegang de governance voorbijstreeft: het echte insiderrisico van het agentische tijdperk

Organisaties geven AI-agents de sleutels tot hun gevoeligste content sneller dan wie dan ook de regels opschrijft voor hoe die sleutels gebruikt mogen worden. Die kloof tussen uitroltempo en governancevolwassenheid wordt in stilte het bepalende 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 werd gepubliceerd — The Agentic Insider: From Monitoring to Understanding, een enquête onder 600 beslissers uit security en finance in zeven landen — noemde 48% van de securityleiders AI-agents die opereren met buitensporige, gecompromitteerde of onbedoelde toegang de grootste enkelvoudige dreiging waarmee hun organisatie vandaag te maken heeft. 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 bijhouden een infrastructuurprobleem hoger dan een tegenstander.

Wat er eigenlijk als “agent” telt

Het doet ertoe hoe het onderzoek zijn onderwerp afbakent. De auteurs scheiden zorgvuldig “doelgerichte, autonome systemen die toegang kunnen krijgen tot bedrijfsmiddelen en met beperkte menselijke tussenkomst handelingen kunnen verrichten” van “conversationele chatbots”. Dat onderscheid is het hele probleem in het klein. Een chatbot antwoordt binnen een chatvenster; een agent handelt — hij leest een contractenarchief, haalt een klantrecord op, stelt een bericht op en verstuurt het, werkt een bronsysteem bij — en doet dat per ontwerp met beperkte menselijke tussenkomst. Zoals Gabrielle Hempel van Exabeam het verwoordde in een aanvullende analyse, kan een agent “een geldige identiteit, geautoriseerde toegang, verwachte tools, geen aanvaller” zijn en toch een incident veroorzaken. Hoe meer autonomie een organisatie een agent geeft — en daarin ligt de volledige economische rechtvaardiging om er een in te zetten — hoe onrealistischer het wordt om die agent te besturen door vooraf voor elke taak precies vast te leggen wat hij mag raken.

Waarom handmatig afbakenen vastloopt

Dat is de val waar de meeste organisaties in lopen. De instinctieve reactie op “de agent heeft te veel toegang” is om die toegang in te perken: smallere rollen, strakkere serviceaccounts, rechtenreviews per agent. Dat werkt bij de eerste agent. Bij de vijftigste werkt het niet, en zeker niet wanneer de taak van diezelfde agent van uur tot uur verandert, of wanneer het contentlandschap dat hij moet bereiken e-mail, bestandsshares, CRM-records en gestructureerde data omvat die niemand met agents in gedachten heeft geïnventariseerd. Handmatig afbakenen veronderstelt een statische, opsombare verzameling bronnen en een statische, opsombare verzameling taken. Agentische AI schendt beide aannames voortdurend.

Monitoren is niet hetzelfde als begrijpen

De cijfers van Exabeam laten zien hoe groot die spanning is, zelfs waar governance niet is verwaarloosd. 60% van de securityleiders heeft eigen tooling voor AI-security of AI-governance opgezet, en 56% heeft bestaande SIEM- en detectieplatforms uitgebreid naar agents. Toch noemt 27% nog altijd beperkte gedragscontext en correlatie als hun grootste hiaat in monitoring, en 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 vertelt je wat een agent heeft gedaan nadat hij het deed. Het vertelt je niet vooraf of het hem toegestaan had mogen worden.

Het budgetprobleem achter het beveiligingsprobleem

Een tweede beperking versterkt de eerste: geld. 55% van de securityleiders zegt een beveiligingsinitiatief te hebben uitgesteld of teruggeschroefd omdat ze het risico niet konden verwoorden in financiële termen die hun CFO zou accepteren — ook al meldt 93% dat security en finance het over de risicobereidheid grotendeels eens zijn, en zegt 81% dat hun CFO cyberrisico in grote lijnen begrijpt. De kloof is er geen van vertrouwen, maar van vertaling. “CFO’s stellen zelden ter discussie 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 verwijzen naar concrete, gelogde beslissingen — deze identiteit is deze data voor dit doel op deze datum geweigerd — laat zich veel makkelijker vertalen naar een budgetgesprek dan een monitoringdashboard.

De ontbrekende laag: beleid dat op het moment van de aanvraag wordt bepaald

Leg die stukken naast elkaar en de contouren van een werkbaar antwoord worden zichtbaar. Het is niet betere monitoring van agents nadat ze hebben gehandeld, en het is geen langer overzicht van rechten per agent die worden vastgelegd voordat ze handelen. Het is een beleidslaag die op het toegangspunt zelf zit en voor elke aanvraag beoordeelt of deze data voor dit doel door deze identiteit — mens of agent — gebruikt mag worden, voordat er iets in beweging komt. Die beslissing moet dynamisch worden genomen, op basis van de attributen van de data, de identiteit en de gevraagde handeling, in plaats van eenmalig vooraf te 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 levert dat auditors en CFO’s allebei nodig hebben.

Dit is de richting waarin Kiteworks heeft gebouwd met zijn Data Policy Engine, die data, identiteit en de gevraagde handeling in realtime toetst aan beleid en een directief afdwingt — blokkeren, alleen bekijken, motivatie vereist of toestaan — en elke beslissing vastlegt in een onveranderlijk audittrail. Specifiek uitgebreid naar agents, beschrijft Kiteworks hetzelfde controlepunt dat werkt voordat een AI-aanvraag data raakt: identiteitsverificatie, attribuutgebaseerde beleidstoetsing en auditlogging, waarbij de identiteit van de agent wordt herleid tot de mens die hem heeft geautoriseerd. Het bedrijf verwoordt zelf onomwonden wat er op het spel staat: AI-agents “oefenen geen enkel zelfstandig ethisch oordeel uit. Ze benaderen alle data die ze niet expliciet belet worden aan te raken.”

Dat is geen reden om de uitrol van agents te vertragen. Het is een reden om toegang niet langer te behandelen als iets dat één keer wordt besloten, maar als iets dat elke keer opnieuw wordt besloten.

Werkt u uit hoe een beleidsgrens voor agents in uw eigen omgeving eruit moet zien? Mail sales@kiteworks.com of start een gesprek. U hebt geen Claude- of MCP-inrichting nodig om een vraag te stellen. Bekijk de agentcatalogus en ondersteuning voor assistenten.