Er is een moment waarop “IT” niet meer de juiste plek is om naar te wijzen.
Niet omdat techniek onbelangrijk is. Juist omdat techniek vaak wél doet wat we gevraagd hebben. Steeds vaker zit het breekpunt elders: in besluiten die een organisatie neemt onder druk, met onvolledig bewijs, binnen impliciete mandaten.
Dit stuk gaat over governance: wie mag wat beslissen, op basis waarvan, en met welke aansprakelijkheid als het misgaat.
De breuklijn
Klassieke cybertaal suggereert een wereld van “inbraken”: iemand komt binnen, jij zet de deur sterker. Maar steeds vaker is de kwetsbaarheid geen deur. Het is een besluitketen.
Social engineering is psychologische manipulatie die inspeelt op basale menselijke reacties. En het NCSC zegt er iets bij dat ongemakkelijk is, maar belangrijk: het is erg lastig tegen te gaan.1
Je kent het soort moment. De telefoon gaat. Een medewerker klinkt gehaast, net iets te boos om het comfortabel te maken. “Ik lig eruit. Ik moet nu bij die klant. Als dit niet binnen tien minuten werkt, kunnen we vandaag niet leveren.” Op de achtergrond hoor je magazijn, productie, of gewoon een open kantoor waar iedereen meeluistert. Jij voelt de druk door de lijn heen.
Je kunt dit technisch bekijken als “toegang herstellen”. Maar in de praktijk is het een besluitmoment: mag jij dit doen, op basis waarvan, en wie draagt het mandaat als het niet klopt. COSO is hier ondubbelzinnig: systemen en procedures voorkomen niet dat onder druk een slecht besluit wordt genomen.2
Dat “lastig” is richtinggevend. Zodra een aanval slaagt via een legitieme handeling van iemand met bevoegdheid, verschuift het controlevlak naar mandaat, minimale bewijsroute, en stoprecht.
En daar zit de echte frictie. Je twijfelt één seconde te lang. Niet omdat je het niet kunt, maar omdat je voelt dat “stoppen” niet echt een optie is in de cultuur. De SLA is heilig. De boze toon is effectief. En het meest ongemakkelijke: je hebt geen expliciete dekking om te pauzeren. Dus ga je door, precies omdat je professioneel bent.
Waarom interne beheersing niet alles kan afdekken
Wanneer het mandaat in zo’n moment onduidelijk is, hopen we dat het systeem ons redt. Maar de theorie achter die systemen vertelt een ander verhaal.
COSO beschrijft interne beheersing als een proces, geen garantie. En COSO is expliciet over de limieten: zelfs een effectief stelsel kan slecht oordeel of slechte beslissingen niet voorkomen.
Daarmee komt iets bloot te liggen wat organisaties liever niet hardop zeggen: op kritieke momenten gaat het minder om systemen en meer om besluiten. Niet omdat controls waardeloos zijn, maar omdat controls niet de plaats innemen van oordeel en mandaat.
Wat je wél kunt ontwerpen is dit: welke besluiten zó onomkeerbaar zijn dat je vooraf een minimale bewijslast afdwingt, en dat het mandaat formeel is belegd. Dat sluit aan op CSF 2.0, waar risicobereidheid en risicogrenzen bedoeld zijn om operationele keuzes te sturen.
Dan verandert “bewijslast” van een beleidspdf naar een zin die je in de operatie kunt uitspreken. Een grens in het gesprek. Niet als wantrouwen, maar als professionele routine.3
En als die grens er niet is, wordt empathie een bypass. Niet omdat mensen slecht zijn, maar omdat ze mens zijn.
Van “inbraak” naar beslisvlak
Niet het aanvalsoppervlak van systemen, maar het beslisvlak waarop besluiten misbruikt kunnen worden.
ENISA classificeert social engineering threats als prime threat-categorie en wijst binnen die categorie op een scherpe toename van Business Email Compromise.4
In Nederland zie je de bestuurlijke pijn van dit type aanval in de cijfers rond CEO-fraude: de politie rapporteert voor 2023 een schade van € 13,0 miljoen en 545 registraties. Tegelijk staat er een waarschuwing naast die cijfers: onderaangifte betekent dat de werkelijke aantallen en schade aanzienlijk hoger liggen dan de registraties.5
Bij dit soort incidenten ligt het beslissende moment vaak niet in techniek, maar in legitimiteit: wie vond dit “genoeg” om door te zetten. De cijfers zijn bestuurlijk bruikbaar als ondergrens, maar vergelijkingen over categorieën heen blijven kwetsbaar als definities en registratiewijzen verschillen.
En dan die andere variant die je in het MKB vaak herkent: een bericht van een leverancier die je al jaren kent. Niet vreemd, niet slordig. Gewoon zakelijk. Er staat een wijziging in, een detail dat je normaal zonder nadenken verwerkt, want “dat gaat altijd zo”. De toon is correct, het format klopt, de handtekening is herkenbaar. En er zit precies genoeg urgentie in om het vandaag af te handelen.
Later blijkt dat de leverancier als organisatie er nog steeds is, maar dat de communicatie op dat moment niet meer betrouwbaar was. Het is geen spektakel. Het is een administratieve beweging met onomkeerbare gevolgen.
Daarom breekt het waar mandaat impliciet is, bewijs te dun is, en onomkeerbaarheid onderschat wordt.
Governance wordt uitgesproken in normen en frameworks
NIST CSF 2.0 maakt governance zichtbaar door een GOVERN-functie toe te voegen. Die functie gaat over strategie, beleid, rollen en autoriteiten, en toezicht.
CSF 2.0 noemt ook dat risicobereidheid en risicogrenzen organisatiebreed moeten worden vastgesteld en onderhouden om operationele keuzes te sturen. Dat klinkt abstract, tot je het vertaalt: dit is de zin die je mist als iemand belt met spoed.
NIST AI RMF 1.0 positioneert governance als dwarsdoorsnijdend en legt verantwoordelijkheid voor AI-risicobeslissingen bij executive leadership. Het benadrukt dat rollen en verantwoordelijkheden in human-AI configuraties moeten zijn toegewezen, en dat documentatie human review en accountability ondersteunt.6
De wettelijke zwaartekracht
Tot nu toe waren dit richtinggevende kaders. Vanaf hier wordt het juridisch toetsbaar en afdwingbaar.
NIS2 legt verantwoordelijkheden bij management bodies: zij moeten maatregelen goedkeuren, uitvoering superviseren en verantwoordelijkheid dragen bij niet-naleving. NIS2 bevat ook een trainingsplicht voor leden van management bodies.7
De EU AI Act werkt met een high-risk kader. Art. 6(2) stelt dat AI-systemen onder Annex III in beginsel als high-risk worden beschouwd. Annex III noemt onder meer employment en workers management use-cases zoals recruitment en selection, promotion en termination en monitoring en evaluation.
Als iets high-risk is, volgt een pakket eisen dat direct raakt aan bestuurbaarheid: een logspoor en record-keeping over de levensduur, menselijk toezicht dat kan ingrijpen, en nauwkeurigheid, weerbaarheid en cybersecurity als lifecycle-eis.8
Dit is de infrastructuur waarmee je achteraf kunt reconstrueren: wie deed wat, waarom, op basis waarvan, en met welk mandaat.
Samengevat: mandaat wordt zichtbaar via toezicht, bewijs via reconstructiespoor, en onomkeerbaarheid via de impact van beslissingen in gevoelige domeinen.
Dat is het juridische frame. Maar operationeel knarst het omdat AI-assistenten de beslisketen verkorten: ze produceren sneller taal die klinkt als zekerheid, en waar iets klinkt als zekerheid zakt de bewijslast vanzelf naar beneden.
In effect lijkt dat op social engineering. Niet omdat er een mens aan de andere kant zit, maar omdat dezelfde reflex geraakt wordt: tempo, vertrouwen, doorpakken.
Daarom is de kern niet AI als techniek, maar governance van de output: wie draagt het mandaat voor wat er als “waar” door de organisatie heen gaat.
AI-assistenten en de nieuwe fragiliteit: plausibel onjuist
Dit gaat niet over “AI is slecht”. Dit gaat over plausibel-onjuiste output die als zekerheid kan binnenkomen, precies op het moment dat iemand tempo wil. Daarmee verhoogt AI de druk op de beslisketen. Daarom vereist het governance.9
Onderzoek laat zien dat ‘hallucinatie’ in studies verschillend wordt gemeten, en dat fout- en fabricatiepercentages sterk variëren per taak. In een klinische stress-test waarbij bewust één gefabriceerd detail in de casus werd geplaatst, namen geteste modellen dat detail in 50–82% van de antwoorden over, afhankelijk van model en promptconditie. Dat is geen basispercentage voor elk gebruik, maar wél een harde reminder: een overtuigend antwoord kan een onwaar detail dragen.10
De kern is niet “AI is altijd fout”. De kern is: plausibel-onjuiste output bestaat. En daarom helpt het om bewijslast en oversight zó te ontwerpen dat de organisatie niet automatisch meebeweegt met een overtuigend verhaal.
Tegelijk is de adoptie hard en de governance vaak zacht. NCSC rapporteert aanzienlijk gebruik van generatieve AI onder medewerkers: circa de helft gebruikt genAI, met 35% incidenteel en 14% structureel. In dezelfde context ervaart slechts 26% duidelijke richtlijnen, en 38% kan het niet beoordelen.11
Indirect prompt injection: aansturing via besmette brondata
CERT-EU beschrijft indirect prompt injection, indirecte promptinjectie, als risico wanneer modellen externe data gebruiken die onder controle van kwaadwillenden kan staan. CERT-EU stelt ook dat er geen voor de hand liggende definitieve oplossing is om dit permanent te fixen.12
Dat maakt dit niet alleen een IT-issue dat je “oplost”, maar een governance-issue: het zwaartepunt verschuift naar expliciet sturen op acceptatie, vermijding, of mitigatie via besluitrecht en bewijslast.
Een werkmodel: besluitrecht x bewijslast x onomkeerbaarheid
Om dit bestuurbaar te maken helpt een compact werkmodel met drie assen.
- Besluitrecht (decision rights): wie mag ‘ja’ zeggen, niet wie het uitvoert, maar wie het draagt.
- Bewijslast: het minimale besluit-evidence dat je vooraf “genoeg” verklaart, passend bij risico en onomkeerbaarheid.
- Onomkeerbaarheid: hoe groot is de schade en hoe beperkt is herstel als het misgaat.13
En nu weer terug naar die servicedeskrealiteit, omdat daar alles samenkomt. In de praktijk botst dit niet op techniek, maar op spanning. Als jij als servicedesk “nee” zegt, stopt er iets. Als jij “ja” zegt, kan er ook iets stoppen, alleen later en duurder. En als niemand vooraf besluit wie die grens bewaakt, dan bewaak jij hem met je eigen zenuwstelsel.
Er is één uitbreiding die het model realistischer maakt: een expliciete uitzonderingsroute. Onder tijdsdruk ontstaan uitzonderingen. Je kunt dat ontkennen, of je kunt een route ontwerpen met vooraf afgesproken mandaat en minimale bewijsroute.
Drie bestuurlijke faalpatronen die telkens terugkomen
Dit zijn geen aanvallen. Dit zijn bestuurlijke faalpatronen.
- Soms wordt mandaat impliciet: “wij doen dit altijd” verschuift ongemerkt naar “wij beslissen dit”.
- Soms wordt bewijs cosmetisch: er is iets vastgelegd, maar niet toetsbaar, niet herleidbaar, niet geschikt om besluitkwaliteit te dragen.
- En soms wordt onomkeerbaarheid te klein gedacht: men ziet de handeling, niet de downstream schade en de nasleep.
Daarna komt de keten. Servicedesk krijgt “hoe kon dit”, finance krijgt “wie fiatteerde dit”, directie krijgt “waarom hadden we geen grip”, en de leverancier krijgt “jullie hebben onze factuur betaald, toch”. En ergens, tussen die stemmen, valt de zin: “We dachten dat dit onder IT viel.” Dan zie je de structurele limiet.
Slot: wat bestuur wél kan sturen
Je bestuurt moderne cyber en AI-risico’s niet primair met meer IT-controls, maar met betere besluitarchitectuur.
CSF 2.0 legt risicobereidheid en risicogrenzen vast. NIS2 maakt bestuurstaken en training afdwingbaar. De EU AI Act maakt logsporen, toezicht en robustness verplicht voor high-risk AI. Delegatie blijft mogelijk, maar verantwoordelijkheid verschuift niet mee.
Uiteindelijk kom je steeds terug bij dezelfde drie ankers: wie draagt het mandaat op de momenten met de hoogste onomkeerbaarheid, welke minimale bewijslast verklaar je vooraf “genoeg” zodat je niet pas na het incident gaat onderhandelen over wat bewijs is, en welke uitzonderingsroute is expliciet zodat spoed niet langzaam verandert in schaduwbeleid.
Want uiteindelijk is een configuratie geen beleid. En het aanzetten van een knop is nooit een vervanging voor bestuur.14
Methodologische noot
Politiecijfers zijn registraties en daardoor een ondergrens; ENISA geeft context op dreigingsniveau en is geen directe NL-claim. De vergelijking tussen AI-output en social engineering wordt gebruikt als een gedragsmatige analogie: het beschrijft het vergelijkbare psychologische effect op de beslisser (tempo, vertrouwen, doorpakken) en impliceert nadrukkelijk geen menselijke opzet (intentie) in de generatieve modellen zelf.
Bronnenlijst
- NCSC, Social engineering (mensgerichte beveiliging). ↩︎
- COSO, Internal Control Integrated Framework (Executive Summary). ↩︎
- NIST, Cybersecurity Framework (CSF) 2.0 (CSWP 29). ↩︎
- ENISA, Threat Landscape 2024. ↩︎
- Politie, publicatie over BEC/CEO-fraude (cijfers en onderaangiftewaarschuwing). ↩︎
- NIST, AI Risk Management Framework (AI RMF) 1.0. ↩︎
- Europese Unie, NIS2-richtlijn (Publicatieblad). ↩︎
- Europese Unie, AI Act (Consilium PDF). ↩︎
- JMIR, studie over hallucination rates in professionele context. ↩︎
- PMC, studie met klinische vignetten (hallucination rates). ↩︎
- NCSC, aanzienlijk gebruik van generatieve AI onder medewerkers. ↩︎
- CERT-EU, Generative AI in cybersecurity: balancing innovation and risk (guidance). ↩︎
- NBA, NV COS 500 Controle-informatie. ↩︎
- NCTV, Cyberbeveiligingswet: bestuurlijke verantwoordelijkheid en opleidingsplicht voor bestuurders. ↩︎
Laatst bijgewerkt: 19-02-2026
Wijziging: nuancering aangebracht in de duiding van “hallucinatie”-metingen en context van gerapporteerde percentages.