Veilig AI-gebruik: training is de populairste maatregel, maar wie kijkt er mee tijdens het gebruik?

De voorkant is goed geregeld

Eerst het goede nieuws, want dat is er zeker. Organisaties investeren volop in de randvoorwaarden voor veilig AI-gebruik. Na training en bewustwording (39%) volgt toegangsbeheer voor bevoegde personen (33%). Bijna een derde werkt met ethische richtlijnen voor AI-ontwikkeling en -gebruik (32%) en met gegevensversleuteling en privacybescherming (32%).

Allemaal verstandig. Medewerkers die snappen wat AI kan en vooral wat niet, maken minder fouten. Toegangsbeheer voorkomt dat de hele organisatie lukraak met elke tool aan de slag gaat. En richtlijnen geven houvast op momenten dat het schuurt.

Toch staat een deel van de organisaties nog helemaal aan het begin: een op de tien heeft nog geen enkele maatregel genomen. Opvallend, want diezelfde IT-beslissers noemen veiligheid en naleving van wet- en regelgeving als de op een na grootste uitdaging bij AI-implementatie (30%). Alleen privacy en ethische overwegingen scoren met 31 procent nog net iets hoger. De zorgen zijn er dus wel, maar ze vertalen zich nog niet overal in daden.

Maar wat doet die AI als niemand kijkt?

Training, richtlijnen en toegangsbeheer hebben een ding gemeen: ze regelen alles vooraf. Wat deze maatregelen niet laten zien, is welke beslissingen een AI-toepassing daadwerkelijk neemt zodra die in gebruik is. En waar afwijkingen ontstaan. Daarvoor zijn andere middelen nodig: monitoring, logging en periodieke controles.

Juist die maatregelen blijven achter. Naast de 28 procent die AI-beslissingen monitort en logt, voert een even grote groep beveiligings- en penetratietesten uit. Regelmatige audits van AI-modellen staan bij 24 procent op de agenda. Helemaal onderaan bungelt de detectie en mitigatie van bias: 12 procent van de organisaties past dit toe.

Joop Snijder, Head of AI bij Info Support, ziet daar een risico: “Training en toegangsbeheer zijn belangrijke eerste stappen, maar daarmee ben je er nog niet. Organisaties moeten ook kunnen reconstrueren wat een AI-toepassing heeft gedaan. Leg daarom vast wie welke AI-oplossingen mag gebruiken, voor welke doelen en onder welke voorwaarden. Houd relevante beslissingen bij en controleer op vaste momenten of een toepassing nog veilig, betrouwbaar en eerlijk werkt. Zo kunnen afwijkingen eerder worden herkend en aangepakt.”

Goede training gaat verder dan prompts schrijven

Betekent dit dat al die aandacht voor training onterecht is? Integendeel. Training is en blijft het fundament onder veilig AI-gebruik. De vraag is alleen wat erin zit. Wie medewerkers alleen leert hoe ze een chatbot handige vragen stellen, levert mensen af die AI kunnen bedienen. Niet mensen die weten wanneer ze een AI-uitkomst kunnen vertrouwen.

De echt belangrijke vragen komen namelijk na de eerste kennismaking. Hoe herken je een antwoord dat overtuigend klinkt maar niet klopt? Wanneer neem je een AI-uitkomst over en wanneer vraag je door? En wie is verantwoordelijk als het misgaat? Medewerkers die daarop antwoord hebben, begrijpen ook waarom monitoring en controle nodig zijn. Zo worden zij vanzelf de beste pleitbezorgers voor die maatregelen binnen hun eigen organisatie.

Van losse training naar organisatiebreed leerpad

Veilig AI-gebruik ontstaat dan ook niet met één workshop. Organisaties verschillen in ambitie, risicoprofiel, volwassenheid en de toepassingen die zij inzetten. Effectieve ontwikkeling begint daarom niet bij een trainingsaanbod, maar bij drie vragen: wat wil de organisatie met AI bereiken, welke risico’s horen daarbij en welke kennis en vaardigheden vraagt dat per rol?

Want die kennis verschilt. Een medewerker die generatieve AI gebruikt, moet weten welke gegevens wel en niet in een prompt thuishoren en hoe je een uitkomst controleert. Een ontwikkelaar moet AI-toepassingen kunnen bouwen die veilig, testbaar en betrouwbaar zijn. Een Product Owner moet risico’s herkennen, de juiste eisen stellen en bepalen wanneer extra controle nodig is. Leidinggevenden en bestuurders stellen de kaders vast, beleggen verantwoordelijkheden en moeten kunnen beoordelen of de organisatie nog op koers ligt.

Pas als die rollen op elkaar aansluiten, ontstaat een organisatie die AI niet alleen bedient, maar ook beheerst. Daarom kijkt Info Support liever naar een samenhangend leerpad dan naar losse trainingen. Afhankelijk van het startpunt combineert zo’n leerpad laagdrempelige workshops zoals AI Hands-on en AI Ideation met verdiepende trainingen voor IT-professionals en begeleiding bij toepassing en borging in de eigen praktijk. Teams passen het geleerde direct toe op hun eigen use cases, terwijl de organisatie tegelijkertijd werkt aan governance, monitoring en blijvende ontwikkeling. Zo landt kennis niet alleen in hoofden, maar ook in werkwijzen. Precies daar ontmoeten training en monitoring elkaar.

Opleiden en meekijken versterken elkaar

De conclusie van het onderzoek laat zich zo samenvatten: training zorgt dat mensen veilig met AI omgaan, monitoring en audits maken aantoonbaar dat het ook echt veilig gaat. Wie beide op orde heeft, hoeft zich geen zorgen te maken over de vraag wat AI doet als niemand kijkt. Er kijkt namelijk altijd iemand mee.

Wil je weten waar jouw organisatie staat en welke stappen passen bij jullie ambitie en volwassenheid? Ontdek hoe Info Support helpt bij AI in de praktijk, van eerste kennismaking tot governance en monitoring. Het volledige AI-adoptieonderzoek 2026 is gratis online te lezen of te downloaden.