Wat de Shadow AI-cijfers verbergen

Werknemers in de meeste organisaties gebruiken al AI‑tools die hun werkgever nooit heeft goedgekeurd. Tegenwoordig zou dat niemand moeten verbazen. Werknemers hebben zich altijd aangetrokken tot technologieën die hen efficiënter laten werken, ongeacht of die tools formeel door IT zijn geïntroduceerd. AI heeft dat gedrag simpelweg versneld.

De snelheid van AI‑adoptie is slechts een deel van het verhaal. Meer onthullend is wat het ons vertelt over de omgevingen waarin die adoptie plaatsvindt. Werknemers die hun eigen AI‑tools kiezen, is vaak een teken dat IT geen volledig beeld heeft van hoe het werk wordt uitgevoerd. Dezelfde organisaties die moeite hebben om ongeautoriseerd AI‑gebruik te identificeren, kunnen ook te maken hebben met trager patchen, inconsistente encryptie of apparaten die buiten de vastgestelde beveiligingsbeleid vallen. Shadow AI creëert die zwaktes niet, maar kan ze wel scherper in beeld brengen.

Ons eigen State of Digital Workspace 2026 Report analyseerde telemetrie van miljoenen beheerde apparaten in 17 sectoren, waardoor de beperkingen van het vragen aan werknemers om te herinneren of te onthullen welke tools ze gebruiken, werden vermeden. Het bleek dat het gebruik van AI‑assistents met bijna 1.000 percent groeide in 2025, waardoor het de snelst groeiende toepassingscategorie op de werkplek werd.

De cijfers laten zien hoe snel het gedrag van werknemers verandert. Ze openen ook een minder bekende onderzoekslijn: vertonen organisaties met een hoge blootstelling aan niet‑goedgekeurde toepassingen zwaktes in meer gevestigde gebieden van apparaatbeheer? De gezondheidszorg biedt de duidelijkste aanwijzing dat dit het geval kan zijn. In onze studie komt de gezondheidszorg naar voren als een van de sectoren die het meest blootgesteld is aan compliance‑risico’s door ongeautoriseerde toepassingen; en elders in het rapport worden ook enkele van de langzaamste patchprocessen en hogere percentages van niet‑geëncrypteerde desktops geregistreerd.

Adoptie is slechts een deel van het plaatje

Begrijpen welke AI‑tools werknemers gebruiken is slechts één stukje van de puzzel. De meer onthullende vraag is waarom ze die kiezen, omdat die beslissingen vaak de kloof belichten tussen het IT‑klimaat dat de werkplek volgens hen heeft gecreëerd en de realiteit die werknemers dagelijks ervaren.

De verdeling tussen goedgekeurde en niet‑goedgekeurde AI‑tools wordt duidelijker zodra het gebruik is vastgesteld. Microsoft Copilot is breed geïnstalleerd op beheerde mobiele apparaten waar IT de uitrol beheerst, geholpen door de positie binnen Microsoft 365. Buiten die beheerde omgeving leidt ChatGPT met een aanzienlijke marge. Het verschijnt op 91 procent van de niet‑goedgekeurde iOS‑apparaten en 61 procent van de niet‑goedgekeurde Android‑apparaten, terwijl Gemini het grootste deel van de resterende Android‑gebruik uitmaakt.

Goedgekeurde en zelfgekozen diensten kunnen gemakkelijk naast elkaar bestaan binnen één werkomgeving. Werknemers hebben mogelijk toegang tot de bedrijfs‑AI‑service en schakelen toch over op een andere tool omdat die sneller, vertrouwd of beter geschikt is voor een specifieke taak. Vanuit hun perspectief is dit vaak de praktischste en snelste manier om hun werk te voltooien. Voor IT‑ en compliance‑teams schept dit onzekerheid over welke applicaties bedrijfsinformatie verwerken en of de bestaande governance‑richtlijnen worden nageleefd.

Het patroon binnen communicatiesoftware is vergelijkbaar. Consumentgerichte berichtentoepassingen vormen bijna de helft van de communicatietools die op beheerde desktopplatformen zijn geïnstalleerd, naast Teams, Zoom en Slack. Financiële diensten en de gezondheidszorg, ondanks hun strenge bewaarplicht, zijn niet uitgesloten. Het compliance‑probleem ontstaat wanneer een organisatie ervan uitgaat dat gevoelige gesprekken binnen goedgekeurde kanalen blijven. Een beleidsvraag, patiëntbespreking of interne beslissing die naar een consumententoepassing wordt verplaatst, valt mogelijk niet meer onder de systemen die worden gebruikt voor retentie, monitoring of onderzoek. De betrokken werknemer heeft misschien niet de intentie om controles te omzeilen en gebruikt simpelweg het kanaal waarop een collega het snelst reageert.

Deze patronen wijzen op een bredere verschuiving in de manier waarop werk wordt uitgevoerd. Werknemers bewegen zich steeds meer tussen applicaties, browsers en AI‑services die niet altijd netjes passen binnen traditionele beheer‑modellen. De uitdaging is niet alleen het identificeren van een nieuwe applicatie. Het gaat erom een helder inzicht te behouden in hoe werk plaatsvindt binnen de gehele omgeving, zodat governance kan bijhouden met het gedrag van werknemers.

AI‑adoptie en apparaat‑hygiëne verlopen op verschillende snelheden

De snelle adoptie van AI heeft een andere realiteit van enterprise‑IT blootgelegd: technologie evolueert niet in hetzelfde tempo binnen de organisatie. Werknemers kunnen binnen enkele minuten een AI‑service gaan gebruiken, zonder een inkoopproces of een supportticket.

Het dichten van een apparaat‑beheer‑kloof kan maanden duren, vooral in gemengde omgevingen met bedrijfs‑laptops, gedeelde apparaten, robuuste hardware en door werknemers eigendom zijnde telefoons. De telemetrie toont een grote variatie in patch‑snelheid. iOS‑apparaten bereiken de nieuwste versie ongeveer acht keer sneller dan Android‑apparaten, terwijl macOS‑updates ongeveer anderhalve keer sneller zijn dan Windows.

De encryptie‑dekking is ook ongelijk; 23 procent van de desktops in de bankensector is niet versleuteld, en het cijfer stijgt naar ongeveer 27 procent in de gezondheidszorg en high‑tech, en 28 procent in media en entertainment. Meer dan de helft van de desktop‑ en mobiele apparaten in het onderwijs is niet versleuteld, terwijl in de overheid één op de vijf desktops geen encryptie heeft.

De sectorale uitsplitsing van besturingssysteem‑updates geeft extra context. De gezondheidszorg, farmaceutische industrie en detail‑ en groothandel hebben de hoogste concentraties Android‑apparaten die vier of vijf generaties achter de huidige release lopen. De informatie die door een gemiste patch wordt blootgesteld, verschilt per omgeving, van patiëntendossiers en klinische data tot geneesmiddelenonderzoek en betalingsinformatie.

Oudere apparaten zijn vaak ingebed in operationele omgevingen waar vervanging en onderhoud moeilijk zijn. Een robuuste handheld op een ziekenhuisafdeling of magazijnvloer kan nog steeds een besturingssysteem draaien dat meerdere hoofdversies verouderd is, terwijl het personeel in die omgeving toegang heeft tot de nieuwste publieke AI‑services. Het AI‑gebruik kan directe bezorgdheid oproepen, hoewel het verouderde eindpunt een al langer bestaande route naar gevoelige informatie vormt.

Hier wordt de relatie tussen AI‑adoptie en eindpunt‑beheer duidelijker. Het rapport plaatst shadow‑perimeter‑risico en beveiligings‑hygiëne in afzonderlijke hoofdstukken, maar de gezondheidszorg komt in beide voor. Het wordt geïdentificeerd vanwege compliance‑blootstelling door ongeautoriseerde applicaties, en verschijnt vervolgens opnieuw vanwege trage besturingssysteem‑updates en een relatief hoog percentage niet‑geëncrypteerde desktops. Die overlap kan verborgen blijven wanneer beveiliging, apparaatbeheer en applicatie‑informatie in afzonderlijke systemen staan. Elk team heeft mogelijk een nauwkeurig beeld van zijn eigen deel van de omgeving, maar mist de concentratie van risico’s over de hele omgeving.

Het regelgevingsrooster is gewijzigd

Sommige organisaties verwachtten dat regelgeving de druk zou creëren die nodig is om deze lacunes aan te pakken, hoewel het tijdschema nu langer is dan voorheen werd verwacht. Volgens de politieke overeenkomst bereikt door EU‑onderhandelaars op 7 mei zijn de hoogrisicobepalingen van de AI‑wet voor zelfstandige systemen onder Bijlage III verschoven van augustus 2026 naar december 2027. Dit is de categorie waaronder veel enterprise‑AI‑implementaties naar verwachting vallen. Transparantie‑verplichtingen blijven gelden vanaf augustus 2026, terwijl de bredere eisen die veel organisaties zouden aanzetten tot het opstellen van AI‑inventarissen en formele risico‑analyses nu zestien maanden later ingaan.

De vertraging geeft organisaties meer tijd om zich voor te bereiden, maar verwijdert ook een directe externe deadline die de investeringen mogelijk had versneld.

De markt reageert op een erkend governance‑gat, hoewel de waarde van die uitgaven afhangt van hoe goed die platformen aansluiten op de bredere eindpunt‑omgeving. Een afzonderlijk AI‑governance‑dashboard kan identificeren welke tools in gebruik zijn, terwijl de apparaatconditie, encryptie en applicatie‑prestaties ergens anders blijven. Regelgeving kan verwachtingen scheppen en verantwoordelijkheid definiëren, maar kan geen volledig operationeel beeld creëren tenzij de onderliggende gegevens worden samengebracht.

Het eindpunt is van belang voor iedereen die AI implementeert

De AI‑strategie van elke organisatie zal uiteindelijk afhangen van de apparaten die werknemers dagelijks gebruiken. Dat geldt ongeacht of AI wordt geleverd via een browser, ingebed in een zakelijke applicatie of direct op het eindpunt draait.

Ontwikkelaars en enterprise‑teams die assistenten, agents of on‑device‑modellen implementeren, moeten werken met de apparaten die werknemers al gebruiken. Deze apparaten kunnen ouder, sterk beheerd of al onder prestatiedruk staan. Op Windows‑desktops vormen IT‑administratie, beveiliging en systeemtools bijna twee‑derde van de geïnstalleerde softwarestack. Eindpunt‑beveiliging, patch‑beheer, encryptie en asset‑inventaris‑agents concurreren allemaal om processor‑capaciteit en geheugen voordat een AI‑werkbelasting begint.

Het toevoegen van een assistent aan die omgeving verandert de eisen die aan het apparaat worden gesteld. Dit is vooral relevant voor on‑device inference en agent‑gebaseerde workflows, waar betrouwbaarheid en beschikbare rekenresources bepalen of de service naar verwachting reageert. The Digital Workspace 2026 Report constateerde dat Windows‑apparaten 3,1 keer meer geforceerde afsluitingen en 7,5 keer meer niet‑responsieve applicatiestatussen ervaren dan Macs. Naarmate werknemers steeds meer afhankelijk worden van AI‑assistenten tijdens routinematig werk, hebben die betrouwbaarheidsverschillen een directe impact op adoptie en vertrouwen. Een service die op het moment dat hij nodig is niet beschikbaar, traag of inconsistent is, zal snel worden omzeild.

Een recent uitgegeven executive‑laptop en een gedeeld klinisch apparaat kunnen tot dezelfde organisatie behoren, maar bevinden zich aan tegenovergestelde uiteenden van patching, prestaties en controle. Het ontwerpen van een AI‑implementatie rond een geïdealiseerd eindpunt brengt het risico met zich mee dat de plekken over het hoofd worden gezien waar de implementatie het moeilijkst zal zijn. Die zwaktes concentreren zich vaak in gereguleerde en operationele omgevingen, waar apparaten langer in gebruik blijven en onderbrekingen frontliniewerk kunnen beïnvloeden. Dit zijn ook de settings waarin een gebrek aan zichtbaarheid de grootste consequenties heeft.

Het volledige ecosysteem zien

Beleid blijft noodzakelijk, maar de reikwijdte is beperkt wanneer een organisatie niet kan zien welke tools werknemers gebruiken of in welke staat de apparaten zijn waarmee ze toegang krijgen. Werknemers zullen blijven kiezen voor services die hen helpen een taak snel af te ronden. Sommigen gebruiken een goedgekeurde assistent, terwijl anderen een publieke service kiezen die gemakkelijker aanvoelt of een beter resultaat oplevert. Louter geschreven regels zullen IT‑teams geen nauwkeurig beeld geven van dat gedrag.

De operationele uitdaging is AI‑gebruik in context te begrijpen, wat onder meer de leeftijd van het apparaat, het besturingssysteem, de patch‑status, de encryptie‑dekking en de reeds draaiende applicaties kan omvatten. Elk gegevensset afzonderlijk bekeken lijkt beheersbaar. Gecombineerd kunnen ze onthullen waar meerdere zwaktes zich ophopen rond dezelfde werknemers, apparaten of bedrijfsprocessen. Gereguleerde organisaties moeten beginnen met het samenbrengen van AI‑gebruik, patch‑ en encryptie‑informatie in één gedeerd overzicht, en vervolgens de delen van de omgeving identificeren die herhaaldelijk in die gegevenssets voorkomen. Shadow AI kan het meest zichtbare teken van het probleem zijn, terwijl het bredere risico zich bevindt in de gaten tussen de systemen die worden gebruikt om de werkplek te beheren.