AIUC (Artificial Intelligence Underwriting Company) heeft een nieuwe financieringsronde van $40 miljoen aangekondigd. Daarmee komt de totale investering voor het bedrijf uit op $55 miljoen. De focus ligt op het certificeren van veilige AI-agents voor organisaties die hun AI-toepassingen door een strenge security- en betrouwbaarheidscheck willen krijgen.
Het bedrijf werd opgericht in 2024 en is gevestigd in San Francisco. AIUC ontwikkelde de standaard AIUC-1, een framework waarmee enterprise AI-agents worden beoordeeld op concrete risico’s die in de praktijk terugkomen.
Wat is AIUC-1 en waarom draait het om veiligheid?
AIUC-1 is opgezet als een evaluatie- en risicostandaard om AI-agents te toetsen aan verschillende bedreigingen. De kern is dat agents niet alleen beoordeeld worden op functionaliteit, maar ook op gedrag onder druk en op hun omgang met inputs die bedoeld zijn om ze te misleiden.
Volgens AIUC kijkt AIUC-1 onder meer naar risico’s zoals jailbreaks, hallucinaties, prompt injections, anomalous behavior en data leaks. Daarbij staat centraal dat een agent aantoonbaar weerstand moet bieden aan scenario’s die vergelijkbaar zijn met wat aanvallers of misbruikers kunnen proberen.
5.000 adversarial scenario’s als onderbouwing
Een opvallend onderdeel van de aanpak is de schaalbaarheid van de tests. AIUC beschrijft dat de standaard AI-modellen onderwerpt aan ongeveer 5.000 adversarial risk scenarios. Dat zijn scenario’s die bedoeld zijn om zwakke plekken bloot te leggen in hoe een agent reageert op onveilige of onbetrouwbare prikkels.
Naast deze testset werkt AIUC met kwartaal-audits. Daarmee wil het bedrijf nieuwe en opkomende dreigingsvarianten kunnen meenemen. Zo blijft de beoordeling volgens AIUC in beweging in plaats van éénmalig bij de start.
Waarom certificering nu zo belangrijk wordt
AIUC positioneert zijn standaard vooral voor enterprise-implementaties. Veel organisaties testen AI-agenten in pilots, maar lopen vervolgens vast wanneer de security review begint. Volgens AIUC-oprichter Rune Kvist is het bewijs voor veiligheid en betrouwbaarheid vaak de grootste bottleneck bij het besluit om een agent breder uit te rollen.
In de praktijk betekent dat: een agent kan in een pilot nuttig zijn, maar als securityteams onvoldoende harde onderbouwing hebben over risico’s zoals datalekken of misbruik via prompts, blijft uitrol achterwege. AIUC wil die bewijslaag versnellen door een consistente manier van testen en auditen aan te bieden.
Welke AI-agents gebruikt worden voor certificering
AIUC stelt dat AIUC-1 al wordt ingezet om sommige populaire AI-agenten te certificeren. Het gaat hierbij om namen die in het AI-werkveld bekend zijn, waaronder Cursor, ElevenLabs, Fin, Harvey, KPMG, Lovable en UiPath.
Het is een indicatie dat de standaard inmiddels niet alleen op papier bestaat, maar ook in de certificering van bestaande agenten gebruikt wordt.
Waar gaat het nieuwe kapitaal naartoe?
Met de Series A-financiering wil AIUC de capaciteit uitbreiden voor audits, standaarden en verzekeringscomponenten rond AI-agenten. Het bedrijf zegt dat de middelen worden ingezet om de aanpak verder te ontwikkelen richting frontier models, oftewel geavanceerdere modelgeneraties waar de risico’s vaak complexer zijn.
Daarmee blijft de uitdaging: hoe borg je dat AI-agents betrouwbaar blijven wanneer ze meer autonomie krijgen en wanneer hun omgeving continu verandert.
Risico’s die securityteams herkennen: van prompt tot data
De risico’s die AIUC-1 noemt sluiten aan bij wat veel security- en compliance-teams bij AI zien. Prompt-injecties zijn bijvoorbeeld bedoeld om instructies in de input te gebruiken om het gedrag van een agent te sturen. Jailbreaks proberen vervolgens de veiligheidsafspraken te omzeilen. Ook anomalous behavior is relevant: agents die onverwacht gedrag vertonen kunnen wijzen op misbruik, een onjuiste interpretatie van context of een falende veiligheidsfiltering.
Tenslotte noemt AIUC ook data leaks. Voor organisaties is dat vaak een doorslaggevende factor, omdat de impact van het ongewenst uitlekken van gegevens groot kan zijn. Door die risico’s expliciet te testen, wil AIUC helpen om beslissingen rondom uitrol beter te onderbouwen.
Hoe je dit vergelijkt met bredere securityaanpak
Certificering is één bouwsteen, maar het blijft verstandig om AI-veiligheid te combineren met reguliere securitypraktijken. Denk aan continue zichtbaarheid, evaluatie van exposure en het testen van de keten van toegang en uitvoering. Als je interesse hebt in het principe van doorlopende controle en waarom losse checks niet genoeg zijn, kan dit artikel helpen: Attack chains testen: waarom losse checks niet werken.
Ook bij AI-implementaties geldt dat je wilt weten hoe gedrag zich ontwikkelt wanneer omstandigheden veranderen. Daarnaast blijft het belangrijk om AI-werkomgevingen te beveiligen tegen datalekken en misbruik van agentfunctionaliteiten. Een bredere context rondom beveiliging en risico’s bij AI-gedreven werkstromen vind je terug in AI-gestuurd vulnerability management: Hackuity licht toe.
Praktische conclusie: sneller naar uitrol met harde toetsing
De boodschap van AIUC is helder: organisaties moeten kunnen aantonen dat hun veilige AI-agents niet alleen goed functioneren, maar ook bestand zijn tegen bekende manieren van misbruik. Met AIUC-1 combineert het bedrijf een grote set adversarial scenario’s met periodieke audits, zodat het beoordelingskader kan meegroeien met nieuwe dreigingen.
Het opgehaalde kapitaal van $40 miljoen is vooral bedoeld om de audits en standaarden uit te breiden en om de aanpak door te trekken naar geavanceerdere modeltypen. Voor enterprise teams betekent dat mogelijk minder vertraging tussen pilot en security approval—mits de standaard aansluit bij de eisen die securityafdelingen intern hanteren.
Bron: https://www.securityweek.com/aiuc-raises-40-million-to-certify-enterprise-ai-agents/
