AI veilig gebruiken: privacy en security tips (2026)

AI veilig gebruiken begint niet bij één privacyknop, maar bij een afgebakende taak, minimale gegevens en beperkte rechten. Laat een AI-tool alleen zien en doen wat nodig is en bouw menselijke controle in vóór een belangrijke of moeilijk terug te draaien actie.

In het kort

• Classificeer de gegevens voordat je ze in een AI-dienst verwerkt.
• Controleer product, account, contract, opslag, gekoppelde bronnen en instellingen als één geheel.
• Geef een AI-systeem zo weinig mogelijk lees-, schrijf- en uitvoerrechten.
• Behandel webpagina's, bestanden, e-mails en toolresultaten als onbetrouwbare invoer.
• Controleer AI-uitvoer voordat die naar code, communicatie, betalingen of beslissingen doorstroomt.
• Log wat nodig is voor onderzoek en toezicht, zonder extra gevoelige inhoud te verzamelen.
• Train medewerkers voor hun echte taken, bevoegdheden en risico's.

De risico's verschillen per toepassing. Een losse brainstorm met openbare informatie vraagt andere maatregelen dan een agent die klantgegevens leest en zelfstandig acties in meerdere systemen kan uitvoeren.

Begin met een eenvoudig risicomodel

Beantwoord vóór ieder gebruik vier vragen:

1. Welke gegevens kan de AI zien? Denk aan je prompt, bestanden, scherminhoud, chatgeschiedenis, gekoppelde apps en automatisch opgehaalde context.
2. Welke acties kan de AI uitvoeren? Alleen tekst voorstellen is iets anders dan e-mail versturen, code wijzigen, een betaling voorbereiden of gegevens publiceren.
3. Wie kan het resultaat gebruiken of zien? Controleer gebruikers, beheerders, leveranciers, ontvangers en eventuele menselijke reviewers.
4. Wat gebeurt er bij een fout? Kijk naar privacy, beveiliging, financiën, rechten van mensen, continuïteit en herstelbaarheid.

NIST behandelt risico's van generatieve AI als onderdeel van de volledige levenscyclus: ontwerp, gebruik, evaluatie en monitoring. Dat voorkomt dat alle aandacht naar de prompt gaat terwijl een koppeling, onveilige uitvoer of te ruime bevoegdheid het echte risico vormt.

Wil je eerst nagaan welke tool bij je taak en organisatie past, gebruik dan de controlecriteria voor AI-tools. Voor feitelijke fouten en verzonnen bronverwijzingen bestaat de aparte gids AI-hallucinaties herkennen en beperken.

Stappenplan: AI veilig inzetten

Stap 1: beschrijf de taak en wijs een eigenaar aan

Schrijf in één alinea op:

• welk probleem de AI mag helpen oplossen;
• welke invoer noodzakelijk is;
• welke uitvoer je verwacht;
• welke handelingen buiten scope vallen;
• wie de toepassing beheert;
• wie resultaten mag goedkeuren;
• wanneer de proef moet stoppen.

Een eigenaar is niet alleen verantwoordelijk voor aanschaf. Die persoon bewaakt ook wijzigingen in productfuncties, gekoppelde bronnen, modellen, voorwaarden en incidenten.

Stap 2: classificeer gegevens vóór gebruik

Gebruik een bestaande dataclassificatie of maak minimaal onderscheid tussen:

Anonimiseren is meer dan namen vervangen. Combinaties van functie, datum, locatie, gebeurtenis en inhoud kunnen iemand alsnog herkenbaar maken. Test bij voorkeur met synthetische gegevens die geen echte persoon of klant beschrijven.

Voor een persoonsgegevenscheck kun je de AVG-route voor ChatGPT en andere AI-diensten volgen. Dezelfde kernvragen gelden ook wanneer je een andere leverancier gebruikt.

Stap 3: controleer dienst, account en gegevensstroom

Leg voor de gekozen toepassing vast:

• de exacte dienst en productvariant;
• het accounttype en de organisatie die het beheert;
• waar invoer, uitvoer en logs worden opgeslagen;
• welke gegevens voor verbetering of beoordeling kunnen worden gebruikt;
• welke bewaartermijnen en verwijdermogelijkheden gelden;
• welke subverwerkers en doorgiften relevant zijn;
• welke Connected Apps, plug-ins, tools of databronnen actief zijn;
• of gebruikers feedback kunnen insturen met gevoelige inhoud.

Vertrouw niet op een algemene merkclaim. Voorwaarden kunnen per consumentenapp, zakelijke werkruimte, API, regio en beheerinstelling verschillen. Bewaar een datum en bron bij je beoordeling en controleer die opnieuw na een belangrijke productwijziging.

Stap 4: beperk identiteiten, bronnen en acties

Pas het beginsel van minimale rechten toe:

1. geef alleen toegang aan de mensen die de toepassing nodig hebben;
2. gebruik aparte test- en productieomgevingen;
3. verbind alleen de noodzakelijke mappen, mailboxen, repositories of tools;
4. begin met alleen-lezen;
5. laat schrijven, verzenden, publiceren en verwijderen afzonderlijk autoriseren;
6. stel limieten in voor volume, tijd en bereik;
7. zorg voor een snelle manier om toegang of automatisering uit te schakelen.

Een AI-agent met een brede mailbox, gedeelde schijf en publicatierechten heeft een groter aanvalsoppervlak dan een chatbot zonder koppelingen. De kwaliteit van het model verandert dat toegangsrisico niet.

Stap 5: test prompt injection en onveilige uitvoer

De actuele OWASP LLM Top 10 van 2025 noemt prompt injection, onveilige verwerking van modeluitvoer, gevoelige-informatielekken en te veel autonomie als belangrijke risico's voor toepassingen met taalmodellen.

Prompt injection kan direct in een chat staan, maar ook indirect in een document, webpagina, e-mail, afbeelding of toolresultaat. Een aanvaller kan bijvoorbeeld tekst toevoegen die de AI probeert te laten afwijken van jouw opdracht of gegevens naar een andere bestemming laat sturen.

Test daarom minimaal:

• een bron met een verborgen of misleidende instructie;
• een verzoek om systeeminstructies of geheimen te tonen;
• een uitvoer met HTML, code, formule of commando dat niet mag worden uitgevoerd;
• een toolactie buiten de bedoelde map, gebruiker of periode;
• een geweigerde actie en een gedeeltelijk mislukte actie;
• een bron die feitelijk niet bestaat.

Behandel modeluitvoer nooit automatisch als veilige code of invoer. Valideer structuur en toegestane waarden en encodeer of escape inhoud voor de plek waar je die gebruikt.

Stap 6: bouw menselijke goedkeuring op het juiste punt in

Kies menselijke goedkeuring als risicogestuurde veiligheidsmaatregel wanneer een fout merkbare gevolgen kan hebben of een actie ernstig of moeilijk herstelbaar is. Denk afhankelijk van de context aan:

• verzending naar een klant, medewerker of externe partij;
• publicatie op een website of sociaal kanaal;
• een betaling, bestelling of contractuele toezegging;
• een beslissing over iemand;
• wijziging of verwijdering van gegevens;
• uitvoering van code of infrastructuurcommando's;
• een beveiligings- of privacyconclusie.

Een goede controleur heeft de oorspronkelijke bron, beoordelingscriteria en bevoegdheid om de actie te stoppen. Alleen een knop met "goedkeuren" toevoegen is onvoldoende wanneer de beoordelaar de context niet kan zien.

Stap 7: monitor, oefen herstel en herbeoordeel

Leg vast welke gebeurtenissen je nodig hebt om fouten en misbruik te onderzoeken, bijvoorbeeld account, tijdstip, bron, toolactie, goedkeuring en resultaatstatus. Verzamel niet automatisch volledige prompts of documenten als dat nieuwe privacy- of beveiligingsrisico's creëert.

Test ook herstel:

1. kun je een koppeling direct uitschakelen;
2. kun je een actie terugdraaien;
3. weet een gebruiker waar een incident moet worden gemeld;
4. kun je achterhalen welke gegevens en personen geraakt zijn;
5. kun je na een wijziging dezelfde veiligheidstests opnieuw uitvoeren.

Herbeoordeel de toepassing bij een nieuw model, nieuwe koppeling, groter gegevensbereik, andere gebruikersgroep of gewijzigde voorwaarden.

Dagelijkse checklist voor gebruikers

Controleer vóór een prompt:

• gebruik ik het bedoelde werk- of persoonlijke account;
• is deze dienst goedgekeurd voor deze taak;
• bevat mijn invoer meer gegevens dan noodzakelijk;
• staan er geheimen, persoonsgegevens of vertrouwelijke details in;
• heeft Gemini, ChatGPT, Claude, Copilot of een andere tool gekoppelde bronnen die niet nodig zijn;
• kan het resultaat direct een actie uitvoeren;
• weet ik wie de uitkomst controleert.

Controleer na het antwoord:

• zijn feiten, cijfers, namen en datums terug te vinden in de bron;
• heeft de AI een instructie uit een bestand of webpagina gevolgd die niet van mij kwam;
• staat er code, een link, formule of commando in dat eerst veilig getest moet worden;
• is duidelijk wat de AI niet heeft kunnen controleren;
• is verzending, publicatie of uitvoering nog geblokkeerd tot goedkeuring.

Maatregelen voor organisaties

Richt beleid op toepassingen, niet alleen op merknamen

Een lijst met toegestane merken is te grof. Leg per toepassing vast welke productvariant, accounts, gegevens, koppelingen en acties zijn toegestaan.

Een praktisch register bevat:

• toepassing en eigenaar;
• doel en gebruikersgroep;
• dataklassen en bronnen;
• leverancier en productvariant;
• rollen en bevoegdheden;
• menselijke goedkeuringspunten;
• testresultaten en restrisico;
• logging en bewaartermijn;
• incidentroute;
• datum voor herbeoordeling.

Combineer techniek en werkafspraken

Afhankelijk van het risico kunnen identiteitsbeheer, multifactor-authenticatie, DLP, een AI-gateway, netwerkregels, sandboxing, uitvoervalidatie en centrale logging passend zijn. Techniek vervangt geen heldere instructie over wat gebruikers wel en niet mogen doen.

Een blokkade zonder werkbaar alternatief kan tot schaduwgebruik leiden. Geef daarom een goedgekeurde route voor veelvoorkomende taken en maak duidelijk waar medewerkers hulp of toestemming kunnen vragen.

Maak AI-geletterdheid taakspecifiek

De Autoriteit Persoonsgegevens beschrijft in haar praktische handreiking uit 2025 AI-geletterdheid als een structurele aanpak met technische, praktische, sociale en ethische kennis. De op 27 juli 2026 bijgewerkte uitleg van de Europese Commissie maakt daarbij een belangrijk juridisch onderscheid: na de wijziging van artikel 4 blijft het nemen van ondersteunende maatregelen een verplichting voor aanbieders en gebruiksverantwoordelijken, maar is geen specifiek of "toereikend" individueel niveau voorgeschreven.

Dat betekent in de praktijk:

• algemene basiskennis voor iedereen die AI gebruikt;
• extra training voor beheerders en ontwikkelaars;
• oefencases met de echte gegevens- en actierisico's van een functie;
• instructie over foutdetectie, escalatie en incidentmelding;
• herhaling na belangrijke product- of proceswijzigingen.

Een eenmalige presentatie is geen bewijs dat medewerkers een veranderde toepassing veilig kunnen gebruiken. Test of mensen de regels in realistische scenario's kunnen toepassen.

Prompt injection in gewone taal

Een taalmodel maakt niet vanzelf betrouwbaar onderscheid tussen jouw opdracht en tekst die het uit een externe bron leest. Daardoor kan een instructie in een document of webpagina invloed krijgen op het gedrag van het systeem.

Beschermingslagen zijn onder meer:

1. externe inhoud expliciet als onbetrouwbare data behandelen;
2. systeemregels en gebruikersdata technisch scheiden waar het product dat ondersteunt;
3. toegestane tools, doelen en argumenten begrenzen;
4. uitgaande gegevens en acties valideren;
5. gevoelige acties opnieuw laten bevestigen buiten de onbetrouwbare context;
6. testen met aanvallende voorbeelden;
7. logging en alarmering voor afwijkend toolgebruik.

Geen enkele prompttekst maakt prompt injection volledig onmogelijk. Ontwerp de omgeving zo dat een geslaagde manipulatie weinig kan zien, weinig kan doen en snel kan worden gestopt.

Veelgemaakte fouten

Alleen privacy-instellingen controleren

Een instelling zegt niets over te ruime maprechten, een gekoppelde mailbox, onveilige uitvoer of een ontbrekend goedkeuringspunt. Controleer de hele gegevens- en actieketen.

Aannemen dat enterprise automatisch veilig is

Zakelijke functies kunnen helpen, maar een verkeerd account, brede koppeling, lange bewaartermijn of te ruime rol blijft een risico. Verifieer de concrete configuratie.

Persoonsgegevens alleen pseudonimiseren

Een vervangende naam voorkomt niet altijd herkenning. Beoordeel ook combinaties van kenmerken en gebruik waar mogelijk synthetische testdata.

Modeluitvoer direct uitvoeren

Code, HTML, formules en commando's kunnen onjuist of kwaadaardig beïnvloed zijn. Valideer en test in een beperkte omgeving.

Een goedkeuringsknop zonder bron tonen

Een beoordelaar kan geen betekenisvolle controle uitvoeren zonder oorspronkelijke informatie, criteria en gevolgen van de actie.

Training als eenmalig project behandelen

Producten, koppelingen en werkzaamheden veranderen. Koppel herhaling aan nieuwe functies, incidenten en periodieke herbeoordeling.

Veelgestelde vragen

Is het veilig om een AI-tool te gebruiken?

Dat hangt af van de taak, gegevens, gekozen dienst, configuratie, toegangsrechten en mogelijke gevolgen. Begin met niet-gevoelige testdata, beperk wat de tool kan zien en doen en laat belangrijke uitkomsten door een bevoegde persoon controleren.

Welke gegevens moet ik niet in een AI-tool zetten?

Voer geen wachtwoorden, API-sleutels, volledige identiteitsdocumenten of andere live geheimen in. Beoordeel persoonsgegevens apart op doel, grondslag, dataminimalisatie, beveiliging en privacyrechten. Behandel vertrouwelijke bedrijfsinformatie volgens je dataclassificatie, geheimhoudingsafspraken en goedgekeurde werkomgeving.

Is een zakelijke of enterprise-AI-tool automatisch veilig?

Nee. Zakelijke functies kunnen extra beheer en contractuele waarborgen bieden, maar veiligheid hangt nog steeds af van de gekozen dienst, instellingen, accounts, gekoppelde bronnen, bewaartermijnen, rechten, logging en het gedrag van gebruikers.

Wat is prompt injection?

Prompt injection is manipulatie waarbij onbetrouwbare tekst, een bestand, webpagina of gekoppelde bron instructies bevat die het AI-systeem probeert te volgen. Behandel externe inhoud als data, beperk toolrechten en laat risicovolle acties apart bevestigen.

Mag ik persoonsgegevens met generatieve AI verwerken?

Dat mag niet automatisch voor iedere taak of dienst. Leg doel en grondslag vast, minimaliseer de gegevens en beoordeel beveiliging, leveranciersrol, toepasselijke afspraken, doorgifte, bewaartermijn, privacyrechten en of het hoge risico een DPIA vereist.

Wat hoort in een AI-veiligheidsbeleid?

Leg goedgekeurde toepassingen en diensten, dataklassen, rollen, toegangsrechten, menselijke goedkeuring, logging, leverancierscontrole, testcriteria, incidentmelding en periodieke herbeoordeling vast. Koppel training aan de echte taken en risico's van medewerkers.

Wanneer is menselijke controle nodig?

Gebruik menselijke controle als risicogestuurde veiligheidsmaatregel bij beslissingen met merkbare gevolgen en acties met ernstige of moeilijk herstelbare impact. De diepgang hangt af van het risico; de controleur moet bevoegd zijn en toegang hebben tot de bron en beoordelingscriteria.

Bronnen

• OWASP GenAI Security Project: LLM Top 10 (2025)
• NIST AI 600-1: Generative AI Profile
• Autoriteit Persoonsgegevens: aan de slag met AI-geletterdheid
• Autoriteit Persoonsgegevens: verantwoordingsplicht onder de AVG
• Europese Commissie: vragen en antwoorden over AI-geletterdheid

Laatst inhoudelijk gecontroleerd: 29 juli 2026.