2026 Zal AI-Agents Een Explosie Zien in Bedrijven: Zijn We Voorbereid op de Veiligheidsrisico’s?

Bedrijven racen om AI-agents te adopteren, maar ze ontbreken de infrastructuur om dit veilig te doen. Agents zijn anders dan AI-hulpmiddelen: ze werken autonoom, hebben toegang tot gegevens op continue basis en handelen op machinesnelheid zonder toezicht. Dit creëert compleet nieuwe risico’s waar we ons op moeten voorbereiden.

Mensen gebruiken al hun eigen AI-agents op het werk – zonder noodzakelijkerwijs hun bazen te vertellen. Hoe kunnen we ervoor zorgen dat OpenClaw-bots geen belangrijke bestanden verwijderen? Drie van de vier grote ondernemingen zullen multi-agent systemen hebben geadopteerd tegen het einde van 2026, volgens Gartner. Hoe kunnen we ervoor zorgen dat elk van die agents geen deuren opent voor hackers om ons op nieuwe manieren aan te vallen?

De huidige beveiligingsinfrastructuur is ontworpen om bekende, door de mens bepaalde bedreigingen aan te pakken. Dit houdt geen rekening met rogue-agents die ondernemingscode zonder onze kennis manipuleren. Of met slechte actoren die ons via prompt-injecties aanvallen: instructies verborgen in code of prompts die de AI ertoe brengen om, bijvoorbeeld, gevoelige informatie te onthullen of kwaadaardige code uit te voeren.

De waarheid is dat bedrijven hongeriger zijn dan ze voorbereid zijn op deze komende golf. Slechts 29% van de organisaties “stemt volledig in” met de verklaring dat ze veilige AI-bescherming hebben, volgens een Microsoft-enquête.

Bedrijfsleiders moeten verschillende dingen doen.

1. Implementeer AI-natuurlijke beveiligingsmaatregelen in het hele bedrijf.
2. Behandel AI-agents met dezelfde beveiligingsmaatregelen als mensen.
3. Verhoog de zichtbaarheid van wat deze agents doen.

Door deze controles uit te voeren, kan de beveiliging de snelheid van agents bijhouden en innovatie mogelijk maken in plaats van deze te vertragen.

Maak AI-natuurlijke beveiliging

In februari plaatste een Meta-beveiligingsonderzoeker een verrassende post op X: haar OpenClaw-bot was begonnen met het verwijderen van haar e-mails en negeerde haar bevelen om te stoppen. Tegen de tijd dat ze het proces handmatig kon onderbreken, was de schade al aangericht.

Dit is een illustratie van de ongelooflijke snelheid waarmee rogue AI kan handelen, waardoor mensafhankelijke controles ontoereikend zijn. Beveiliging moet net zo snel zijn als – en langs dezelfde paden als – agentic AI.

Dit vereist het vernieuwen van de beveiligingsinfrastructuur van een bedrijf, niet alleen upgrades van bestaande tools. Verschillende gebieden moeten bij deze systeemwijde verschuiving in tools betrokken zijn.

Het vermijden van snel verlopende situaties zoals die van de Meta-onderzoeker vereist AI-hulpmiddelen die afwijkingen in real-time detecteren en automatisch reageren. Bijvoorbeeld kunnen supervisor-agents worden ingezet om high-impact taken die door andere agents worden uitgevoerd, te controleren. Agentic Threat Intelligence (ATI)-hulpmiddelen kunnen detecteren en automatisch handelen in de vroege stadia van een potentiële aanval.

Een andere belangrijke preventiemechanisme is om de veiligheid van het daadwerkelijke model te garanderen dat op uw systemen wordt geïmplementeerd. Platforms zoals ProtectAI, TrojAI of Aim Security kunnen testen op directe gevaren zoals prompt-injectie, met behulp van AI-hulpmiddelen om code te zuiveren voordat deze wordt gepubliceerd.

De herkomst van de gegevens waar AI-agents toegang toe hebben, garanderen is ook cruciaal. Hulpmiddelen zoals Databricks Unity Catalog, Collibra of Alation stellen teams in staat om gegevensbeweging te reguleren.

We kunnen ook voorkomen dat onze AI-agents worden gemanipuleerd door de fysieke apparaten die we gebruiken om ze te implementeren, te beveiligen. Platforms zoals CrowdStrike kunnen helpen om het misbruik van AI-referenties te voorkomen en afwijkend gedrag te detecteren.

Het hebben van principes die uw interne operaties reguleren, evenals hoe u uw leveranciers selecteert, is essentieel. Gebruik bestaande branchekaders voor richtlijnen, zoals Google SAIF om een beveiligde architectuur te bouwen, AWS CAF-AI voor AI-governance of NIST AI RMF voor compliance. Het OWASP Gen AI Security Project – een open-source initiatief voor het mitigeren van de risico’s van AI – biedt relevante beveiligingsrichtlijnen voor ondernemingen die AI implementeren.

Behandel AI met dezelfde beperkingen als mensen

Vorig jaar gebruikte een investeerder een Replit AI-agent om code te genereren – totdat op dag negen de agent besloot om code te verwijderen uit een live productiedatabase, waardoor 1.200 bedrijven werden getroffen.

Omdat agents autonoom kunnen handelen, kan het gevaarlijk zijn om ze ongecontroleerde toegang te geven tot een breed scala aan documenten, gegevens en API’s. Een reden hiervoor is dat bedrijven ze vaak geen “identiteit” geven op dezelfde manier als we dat bij een menselijke gebruiker zouden doen, waardoor ze hun toegang tot verschillende ruimtes niet kunnen traceren, controleren en beheren.

Bedrijven kunnen actie ondernemen door identiteiten toe te kennen aan niet-menselijke gebruikers: identiteits- en toegangsbeheerders kunnen nauwkeurig bepalen welke gebieden agents toegang toe hebben, voor hoe lang en kunnen risicovol gedrag identificeren. Dit vermindert de overmatige toegang tot gebieden waar de agent niet nodig is. Het beperkt ook wat het kan doen in de gebieden waar het opereert.

Het toewijzen van agent-identiteiten vermindert ook de dreiging van externe actoren.

Toen een team van onderzoekers kwaadaardige prompts injecteerde in een AI-toepassing die juridische contracten beheert, kon één gebruiker privégegevens van een andere gebruiker ophalen. Het was duidelijk dat er geen veilige scheiding was van gebruikersniveau-gegevens en dat autorisatie voor die gegevens werd verleend aan de AI, zelfs wanneer dit niet relevant was voor de situatie.

Het creëren van grenzen voor AI-“identiteiten” betekent dat ze geen brede “altijd-aan”-toegang hebben. Agents zullen bijvoorbeeld autorisatie nodig hebben voor bepaalde functies of alleen-leesmogelijkheden hebben in bepaalde gebieden. Door dit te doen, blijft de impact beperkt tot catastrofaal, zelfs als een AI-agent wordt gehackt of gemanipuleerd door een slechte actor.

Leiderschap moet ook hun teams informeren over het gevaar van agents die clandestien opereren. Het risico is groter wanneer werknemers “schaduw”-AI-agents verbinden met werkruimtes zonder dat leiderschap hiervan op de hoogte is en zonder adequate identificatie en beveiliging. Bovendien creëert een Zero Standing Privileges (ZSP)-aanpak een basis van 0-toegang voor elke agent. Dus als een werknemer een niet-goedgekeurde schaduwagent verbindt, komt deze terecht in een omgeving waarin alle deuren gesloten zijn.

Houd een oog op uw agent

Terwijl we de “AI is een black box”-analogie kennen, moet de implementatie ervan in uw bedrijf zeer zeker worden geobserveerd en gemonitord.

Om strikte beveiligingsbeleid af te dwingen, moet elke agent worden gereguleerd: ze moeten duidelijk gedocumenteerde eigendom, verantwoordelijkheden en controles hebben, zodat u hun paden nauwkeurig kunt traceren. U moet continue telemetrie hebben – remote monitoring – die agentgedrag volgt en uw bestaande beveiligingshulpmiddelen voedt, zodat ze afwijkingen kunnen detecteren en adaptieve trust-scoring kunnen uitvoeren.

Leiderschap moet deze nieuwe beveiligingsgrens serieus nemen en ervoor zorgen dat verschillende teams verantwoordelijk zijn voor hun gebruik van AI-agents. Ze kunnen nieuwe compliance-KPI’s creëren, zoals “Aantal datasets met geverifieerde herkomst”, “% van AI-agents met beheerde identiteiten” of “AI Trust Score”.

Dit is cruciaal voor preventie, maar het is ook om auditbaar te zijn – zelfs niet-menselijke ID’s moeten een audittrail hebben voor een organisatie om compliant te zijn.

We begrijpen over het algemeen hoe mensen zich gedragen en welke paden ze nemen binnen werkruimtes. Maar AI is een compleet nieuwe beest. Er is veel dat we niet weten over hoe het werkt. Sommige bedrijven kiezen voor de korte-termijnoplossing van het blokkeren van AI in het kantoor – maar dat zal het probleem alleen maar uitstellen of werknemers ertoe brengen om schaduw-AI te gebruiken. Bereid uw beveiligingsarchitectuur proactief voor op agents die al overal aanwezig worden.