Het probleem
In mei 2023 plakten ingenieurs bij de halfgeleiderdivisie van Samsung propriëtaire broncode in ChatGPT om die te debuggen. Ze uploadden chipopbrengstdata — behorend tot de best bewaakte geheimen in de halfgeleiderindustrie. Een derde werknemer voerde een opname van een interne vergadering in de tool in om notulen te genereren. Geen van hen had kwaad in de zin. Het waren hoogpresterende ingenieurs die probeerden "hun werk te debuggen" en "de productiviteit en efficiëntie van medewerkers te verhogen". Ze behandelden ChatGPT als een rekenmachine — er iets in typen, een antwoord krijgen, verder gaan. Ze beseften niet dat de servicevoorwaarden van OpenAI de provider toestonden hun invoer te bewaren voor modeltraining.
Samsung reageerde met een bedrijfsbreed verbod op generatieve AI en dreigementen met ontslag. Maar de schade was al aangericht. Hun propriëtaire productielogica, foutdetectiecode en vertrouwelijke strategische gesprekken waren allemaal terechtgekomen op servers van een derde partij.
Dit verhaal is niet uniek voor Samsung. Het is de voorspelbare uitkomst van een beleid dat werknemers "nee" zegt zonder hen een veilig alternatief te bieden. Uw personeel staat onder dezelfde druk. Wanneer mensen beveiligingsbeleid zien als obstakels voor hun werk, werken ze eromheen. De vraag is niet óf uw werknemers AI-tools gebruiken. De vraag is of u kunt zien wat ze verzenden.
Waarom dit belangrijk is voor uw bedrijf
De cijfers vertellen een verhaal dat voor elke bestuurder die verantwoordelijk is voor risico, compliance of financiële prestaties reden tot zorg moet zijn.
- 50% van de kenniswerkers gebruikt nu AI-tools op het werk. De helft van uw personeel werkt buiten IT-governance om met ongeverifieerde tools.
- 46% van de werknemers zegt AI te blijven gebruiken, zelfs als hun organisatie dat verbiedt. Uw beleid is niet afdwingbaar.
- 38% van de werknemers geeft toe gevoelige werkdata te delen — intellectuele eigendom, persoonsgegevens, financiële data — met AI-tools, zonder hun werkgever daarvan in kennis te stellen.
- 72% van het AI-gebruik in ondernemingen verloopt via persoonlijke accounts. Uw organisatie heeft nul zicht op de retentievoorwaarden waarmee die werknemers hebben ingestemd.
- Het volume aan data dat naar generatieve AI-apps wordt gestuurd nam jaar-op-jaar met 30x toe. Broncode die in deze tools werd geplakt, steeg met 485%.
Bedenk wat dit betekent voor uw balans. Eén datalek met bedrijfsgeheimen kan concurrentievoordelen van jaren werk in rook doen opgaan. Boetes onder de GDPR of sectorspecifieke regels kunnen oplopen tot tientallen miljoenen. En als uw data op servers in de VS staat — zelfs via een API — dan staat de Amerikaanse CLOUD Act Amerikaanse wetshandhavers toe de toegang tot die data af te dwingen, ongeacht waar de server fysiek staat. Voor elke organisatie met Europese activiteiten levert dit een direct conflict op met de GDPR.
U kunt geen risico managen dat u niet kunt zien. Shadow AI — werknemers die niet-goedgekeurde AI-tools gebruiken — is het nieuwe datalek, alleen geven in dit geval uw eigen mensen de data vrijwillig uit handen.
Wat er echt onder de motorkap gebeurt
De meeste organisaties reageren op AI-risico op een van twee manieren. Ze blokkeren het volledig, of ze kopen een "AI-wrapper" — een dunne softwarelaag bovenop een publieke AI-dienst zoals de API van OpenAI. Geen van beide benaderingen lost het kernprobleem op.
Blokkeren faalt omdat uw werknemers persoonlijke smartphones hebben met eigen 5G-verbindingen. Een filter op het corporate netwerk reikt niet tot een persoonlijk apparaat op het bureau van uw werknemer. De "air gap" tussen de laptop van het bedrijf en de persoonlijke telefoon wordt overbrugd telkens wanneer iemand data typt of fotografeert en in een publieke AI-tool plakt. En er zijn niet slechts drie of vier AI-apps te blokkeren. Het beveiligingsbedrijf Netskope volgt meer dan 317 verschillende generatieve AI-apps in ondernemingsgebruik. Blokkeer de grote namen, en uw mensen stappen gewoon over naar kleinere, minder veilige startups met slechtere databeleid.
Wrappers falen om een andere reden. Zie een AI-wrapper als een branded pinautomaat-interface bij een buitenlandse bank. Het scherm ziet er anders uit, maar uw geld stroomt nog steeds door het systeem van iemand anders. Een AI-wrapper neemt de prompt van uw werknemer, voegt misschien een verborgen instructie toe ("U bent een behulpzame juridische assistent") en stuurt die rechtstreeks naar de servers van de API-provider. Uw data verlaat nog steeds uw netwerk. Het soevereiniteitsprobleem — wie beheerst de data en onder welke rechtsjurisdictie — blijft volledig onopgelost. U betaalt alleen voor een mooiere versie van hetzelfde risico.
De fundamentele fout is architecturaal. Zodra uw data uw perimeter verlaat en een cloud van derden binnenkomt, verliest u technische controle. Zelfs "enterprise"-API-tiers die nul dataretentie beloven, bewaren data vaak tot 30 dagen voor misbruikmonitoring. Dat is een venster van 30 dagen waarin uw meest gevoelige informatie op de opslag van iemand anders ligt.
Wat werkt (en wat niet)
Drie veelgebruikte benaderingen die falen:
AI volledig verbieden: Uw werknemers negeren het verbod. 46% zegt dat openlijk. Het gebruik gaat ondergronds, wat méér risico creëert, niet minder.
Domeinen blokkeren met firewalls: Werknemers omzeilen dit met persoonlijke apparaten en mobiele hotspots. Er bestaan meer dan 317 AI-apps — u kunt ze niet allemaal blokkeren.
Een API-wrapper kopen: Uw data reist nog steeds naar een cloud van derden voor verwerking. U krijgt een mooiere interface, maar dezelfde datablootstelling. De Amerikaanse CLOUD Act blijft van toepassing.
Wat wél werkt, is het inzetten van een Private Enterprise LLM — een groot taalmodel dat volledig binnen uw eigen infrastructuur draait. Zo werkt de architectuur, in drie stappen:
Invoer blijft binnen uw muren. Wanneer een ontwikkelaar een prompt met propriëtaire code stuurt, reist die code van zijn laptop naar een GPU-server binnen uw eigen Virtual Private Cloud (VPC) — uw beveiligde, private sectie van de cloud. Die steekt nooit het publieke internet over. Die raakt nooit een server van derden.
Verwerking gebeurt op hardware die u beheerst. Open-weight-modellen zoals Meta's Llama 3 kunnen draaien op uw eigen GPU-infrastructuur. De versie met 70 miljard parameters levert redeneerkwaliteit vergelijkbaar met GPT-4. U downloadt de modelgewichten één keer en draait ze lokaal. U huurt geen intelligentie via een API. U bent zelf eigenaar van de capaciteit.
Output wordt beheerst door uw regels, niet die van een leverancier. U wikkelt het model in guardrails — in feite een firewall voor AI-prompts. Tools zoals NVIDIA NeMo Guardrails scannen elke invoer op persoonsgegevens voordat die het model bereikt. Ze blokkeren off-topic verzoeken. Ze detecteren jailbreak-pogingen. En cruciaal: het systeem respecteert uw bestaande toegangscontroles. Als een werknemer geen rechten heeft om een document in SharePoint te zien, haalt de AI het niet op om diens vraag te beantwoorden.
Het audit-trail-voordeel maakt dit concreet voor uw compliance- en juridische teams. U beheerst elk logbestand. U kunt precies zien wie wat vroeg, wanneer, en wat de AI teruggaf. U kunt gegevensherkomst- en traceerbaarheidscontroles uitvoeren op elke interactie. Uw juridisch adviseur kan toezichthouders bewijzen dat gevoelige data uw omgeving nooit heeft verlaten — niet door een contractuele belofte van een leverancier, maar door een technische architectuur die ze kunnen verifiëren.
De economie verschuift ook in uw voordeel bij schaal. Een middelgroot bedrijf dat één miljard tokens per maand verwerkt, betaalt mogelijk $5,000 tot $15,000 per maand voor een GPT-4-klasse API. Dezelfde workload op self-hosted Llama 3 op twee A100-GPU's kost ruwweg $2,000 tot $4,000 per maand — een reductie van 50 tot 70 procent. En privacy zit er zonder meerprijs bij in.
Beveiliging in het AI-tijdperk gaat niet langer over uw vermogen om "Nee" te zeggen. Het gaat over de architecturale capaciteit om "Ja, veilig" te zeggen. Uw werknemers hebben u al verteld dat ze AI willen. De vraag is of u ze een beveiligde, soevereine implementatie geeft, of dat u ze uw geheimen laat blijven voeren in het systeem van iemand anders.
De organisaties die floreren zijn niet degene die AI het hardst verboden. Het zijn degene die de infrastructuur in eigendom hadden en de data beheersten.
Belangrijkste inzichten
- De helft van uw personeel gebruikt al AI-tools zonder IT-toezicht, en 46% zegt elk verbod dat u oplegt te negeren.
- AI-domeinen blokkeren met firewalls is securitytheater — werknemers omzeilen het met persoonlijke apparaten, en er zijn meer dan 317 AI-apps bij te houden.
- API-wrappers lossen datasoevereiniteit niet op, omdat uw data uw netwerk nog steeds verlaat en op servers van derden belandt die onder de Amerikaanse CLOUD Act vallen.
- Private enterprise LLM's die draaien binnen uw eigen cloudinfrastructuur houden data achter uw firewall en kunnen de AI-rekenkosten op schaal met 50-70% verlagen.
- Het Samsung-incident bewees dat de grootste AI-beveiligingsdreiging geen hackers zijn — het zijn welwillende werknemers die veilige tools ontberen.
Kort samengevat
Een verbod op AI weerhoudt uw werknemers er niet van het te gebruiken — het maakt het gebruik alleen maar onzichtbaar voor u. Het inzetten van een private LLM binnen uw eigen infrastructuur lost het probleem van datasoevereiniteit aan de wortel op én verlaagt tegelijk de kosten op schaal. Vraag uw AI-leverancier: verlaat onze data ooit ons netwerk voor verwerking, en kunt u dat bewijzen met architectuur — niet alleen met een contract?