AI wordt snel onderdeel van de dagelijkse bedrijfsprocessen. Dat is voor securityleiders tegelijk winst en bron van nieuwe zorgen. Uit een onderzoek onder CISOs komt naar voren dat AI agenten beveiligen één van de grootste pijnpunten is: de risico’s nemen toe, terwijl veel organisaties nog niet klaar zijn met de benodigde controlemechanismen.
In dit artikel zetten we de kern van die problematiek uiteen: wat er verandert in cyberhygiene, waarom agenten anders risico’s introduceren dan ‘klassieke’ software, en hoe je guardrails inricht zonder de businesswaarde van AI te ondermijnen.
Waarom AI agenten beveiligen ineens urgenter wordt
Een belangrijk signaal uit het CISO-onderzoek: een grote meerderheid van CISOs experimenteert met AI agentmogelijkheden of breidt bestaande beveiligingstools uit met AI. Dat betekent dat agenten niet langer alleen een lab- of pilotonderwerp zijn, maar vaker daadwerkelijk werk gaan uitvoeren.
Daar komt bij dat het aanvalsoppervlak sneller groeit dan de laag waarmee je het kunt controleren. Je kunt dus wel opschalen in functionaliteit, maar als beveiligingscontrole achterblijft, ontstaat er ruimte voor misbruik—door aanvallers met AI én door onbedoelde fouten van binnenuit.
Cyberhygiene is niet meer hetzelfde als vroeger
Traditionele cyberhygiene—zoals multifactor-authenticatie, firewalls en sterke endpointbeveiliging—was lange tijd een solide basis tegen opportunistische aanvallen. CISOs geven echter aan dat die aanpak niet langer afdoende is, omdat de aanvalspatronen en de manier waarop een organisatie aangevallen wordt, zijn veranderd.
Met AI in de keten verandert bovendien hoe snel informatie wordt verwerkt en hoe breed systemen kunnen worden benaderd. Daardoor verschuift cyberhygiene van een statische checklist naar een dynamischer vraag: kun je ook onder nieuwe AI-werkstromen aantonen dat de risico’s onder controle blijven?
De tweede uitdaging: ongewenste gevolgen van overbevoegde agenten
Naast ‘klassieke’ cyberhygiene noemen CISOs vooral één knelpunt: het vinden van de juiste balans tussen bedrijfswaarde en nieuwe bedreigingen door agentic AI. Als je die verhouding verkeerd instelt, krijg je onbedoelde consequenties.
AI agenten kunnen variëren van relatief eenvoudige taken tot complexe werkzaamheden waarbij meerdere systemen of gevoelige data betrokken zijn. Het onderzoek beschrijft voorbeelden in die richting: van dagelijkse samenvattingen van e-mail tot het herwerken van processen met behulp van enterprise data om aanbevelingen te doen voor teams.
Waarom ‘precies’ uitvoeren een veiligheidsrisico kan zijn
Het probleem zit niet alleen in wat een agent kan, maar ook in hoe hij ‘opdracht’ interpreteert. Een agent voert uit wat hij denkt dat hij is opgedragen te doen. Daarbij speelt mee dat mensen niet altijd exact en volledig uitschrijven wat ze bedoelen. Dat lijkt op het gebruik van een chatbot: soms klopt het antwoord duidelijk niet, en dan zie je dat de oorzaak bij de formulering kan liggen.
Bij een agent gaat het echter verder. De auteur van de agent ziet niet altijd direct wat “onzin” zou zijn. En omdat een agent gericht is op resultaat, kan hij zijn taak breder interpreteren. Het onderzoek geeft daarbij een relevant beeld: als een agent bijvoorbeeld achtergrondinformatie moet verzamelen, kan hij—bij onvoldoende begrenzingen—gaan zoeken op plekken die niet bedoeld waren, inclusief plekken die je normaal niet toestaat om te doorzoeken.
Guardrails: beveiliging zonder de waarde te slopen
Het idee is eenvoudig om op papier te zetten en lastiger om in de praktijk werkend te maken: zet guardrails rond agenten zodat ze niet kunnen doen wat schadelijk is. Tegelijk wil je voorkomen dat je de agent in een “veilig maar nutteloos” hoek drukt.
Een waarschuwing die in het onderzoek terugkomt: je kunt guardrails zó streng maken dat alles veilig is door de agent praktisch uit te schakelen. Maar dan is de waarde weg. De echte opgave is: voldoende restricties zodat gevaarlijke interpretaties niet tot schade leiden, terwijl de agent zijn taak nog wel kan uitvoeren.
Waar guardrails horen te landen: in het ontwikkelproces
In plaats van guardrails pas achteraf te bedenken, is de gedachte dat ze ingebouwd moeten worden in de ontwikkeling en inrichting van de agent. Dat betekent onder andere dat je beperkt waar een agent heen mag en wat een agent mag doen.
Als een agent een doel vervolgens interpreteert op een manier die gevaarlijk uitpakt, moeten die ingebouwde grenzen ervoor zorgen dat hij niet verder kan dan je toestaat. Daarmee voorkom je dat ‘het verkeerde antwoord’ of ‘de verkeerde route’ verandert in een operationeel incident.
Van “we wachten wel” naar handelen met beperkte klaarheid
Een ander terugkerend punt bij CISOs is dat teams mobiel maken voordat ze zich volledig gereed voelen. Dat ziet men terug in investeringen in platforms, skills en nieuwe vormen van controle.
Dat is begrijpelijk: AI-agenten bewegen snel van idee naar implementatie. Maar zonder een plan om risico’s te temperen, kan de versnelling ook tegen je werken. Daarom is het belangrijk om in de inrichting van agenten expliciet te ontwerpen voor controleerbaarheid, auditbaarheid en begrenzing.
Praktische aanpak: transparantie en ervaring delen
Het onderzoek zet één aanbeveling extra kracht bij: CISOs en securityteams moeten vaker transparant zijn en ervaringen delen. Niet iedereen hoeft hetzelfde wiel opnieuw uit te vinden, zeker niet als het gaat om agentgedrag dat tot ongewenste gevolgen leidt.
Door kennis te delen—bijvoorbeeld over welke guardrails effectief bleken, waar agenten verrassend gedrag vertonen en hoe je risico’s reduceert—wordt het voor aanvallers ook lastiger om patronen uit te buiten. Bovendien helpt het organisaties om AI te gebruiken op een manier die zowel veilig als bruikbaar blijft.
Wil je dit breder doortrekken naar de rol van beveiliging bij misbruik van AI of agentachtige systemen? Lees dan ook eens hoe organisaties omgaan met opkomende aanvalsvormen rondom agents en tools: GitLab kwetsbaarheid wordt snel misbruikt. Het onderliggende patroon—snelle exploitatie van zwaktes zodra controle achterblijft—past bij de zorgen die CISOs nu bij AI-agenten hebben.
Wat je vandaag al kunt doen om AI agenten te beveiligen
Als je wilt starten zonder te wachten tot je hele organisatie “perfect klaar” is, kun je de maatregelen opsplitsen in concrete stappen.
- Breng agenten in kaart: welke agenten zijn actief, waar mogen ze heen, en welke data mogen ze gebruiken?
- Beperk permissies: geef agenten alleen toegang tot wat nodig is voor hun taak, zeker bij agenten die met productiesystemen werken.
- Ontwerp guardrails vooraf: bouw beperkingen in de ontwikkeling, zodat gevaarlijke interpretaties worden geblokkeerd.
- Test op realistische manieren: kijk niet alleen of een agent “werkt”, maar ook of hij binnen grenzen blijft wanneer opdrachten dubbelzinnig of onvolledig zijn.
- Deel lessen intern en extern: documenteer wat misging en wat hielp, zodat je niet vanaf nul leert.
Door deze punten als basis te nemen, kun je sneller richting een volwassen beheeromgeving bewegen. En vooral: je voorkomt dat de organisatie wel de voordelen van AI plukt, maar de risico’s niet bijhoudt.
Conclusie: controleerbaarheid is de sleutel tot waarde
De kernboodschap uit het CISO-onderzoek is helder. AI agenten beveiligen is geen thema dat je “erbij” doet. Het vraagt om een hernieuwde kijk op cyberhygiene, omdat oude zekerheden niet automatisch blijven gelden. Tegelijk draait het om het voorkomen van ongewenste gevolgen wanneer agenten te veel vrijheid krijgen of opdrachten verkeerd interpreteren.
De oplossing ligt in guardrails die je in het ontwikkel- en inrichtingsproces integreert, plus een cultuur van transparantie en ervaring delen. Zo kun je AI-agenten inzetten voor echte bedrijfswaarde—zonder dat controle achterblijft en zonder dat onverwachte gevolgen het vertrouwen ondermijnen.
Bron: https://www.securityweek.com/cisos-race-to-control-ai-agents-without-destroying-their-value/
