Shadow AI is geen personeelsprobleem. Het is een bestuurlijke ontwerpfout.

De waarschuwing van Nieuwsuur over werknemers die vertrouwelijke informatie in publieke AI-tools stoppen, raakt een pijnlijk punt. Niet omdat medewerkers massaal roekeloos zouden zijn. Juist niet. Het probleem begint vaak bij het tegenovergestelde: mensen proberen hun werk beter, sneller of zorgvuldiger te doen, maar doen dat in een omgeving waarin de organisatie nog niet heeft bepaald hoe AI veilig gebruikt mag worden.

Dit toont aan dat ‘Shadow AI’ geen randverschijnsel is, maar een waarschuwing voor een groter, onderliggend probleem.

Wanneer een arts een verwijsbrief wil voorbereiden, een advocaat een dossier wil samenvatten of een journalist een interview wil uitwerken, is de aantrekkingskracht van generatieve AI begrijpelijk. Het werk vraagt om snelheid, taalvaardigheid, ordening en samenvatting. Precies daar zijn systemen als ChatGPT, Gemini en Claude sterk in. Maar als werknemers daarbij persoonsgegevens, bedrijfsgeheimen of vertrouwelijke dossiers in publieke AI-systemen invoeren, ontstaat een bestuurlijk risico dat veel verder gaat dan individueel gedrag. Nieuwsuur beschrijft dat organisaties vaak nog weinig zicht hebben op wat medewerkers invoeren in AI-modellen en dat duidelijke regels daarvoor regelmatig ontbreken.

De reflex is dan snel: verbieden.

Dat is begrijpelijk, maar het is ook onvoldoende.

Een verbod geeft bestuurders tijdelijk het gevoel dat het risico is afgedekt. Maar het neemt de onderliggende behoefte niet weg. Mensen blijven zoeken naar hulpmiddelen die hun werk verlichten. Als de organisatie geen veilige route aanbiedt, ontstaat vanzelf een informele route. Niet omdat medewerkers tegen de organisatie willen werken, maar omdat de formele organisatie achterloopt op het werkelijke werk.

Dat is de kern van Shadow AI: niet alleen het gebruik van AI buiten het zicht van de organisatie, maar het bewijs dat de organisatie nog geen geloofwaardig antwoord heeft gegeven op de vraag hoe AI wél gebruikt mag worden.

Het voorbeeld van de gemeente Eindhoven maakt dat concreet. Volgens Nieuwsuur bleek uit een steekproef dat medewerkers in één maand meer dan duizend documenten met persoonsgegevens naar externe AI-tools hadden geüpload. Het ging volgens betrokkenen onder meer om BSN-nummers, Wmo-gegevens, gegevens over verslavingsgevoeligheid en financieel gevoelige data. De gemeente meldde het datalek bij de Autoriteit Persoonsgegevens, blokkeerde het gebruik van openbare AI-modellen voor medewerkers en vroeg OpenAI om de gegevens te verwijderen. Er was volgens de gemeente geen bevestiging van OpenAI dat dit ook is gebeurd.

Dit is precies de bestuurlijke les: zodra gevoelige informatie een externe AI-omgeving is ingegaan, is controle niet meer vanzelfsprekend. De organisatie kan achteraf melden, blokkeren en verzoeken tot verwijdering. Maar de oorspronkelijke bestuurlijke vraag komt eerder: waarom was er geen veilige, begrijpelijke en werkbare route vóórdat medewerkers zelf gingen experimenteren?

De fout zit dus niet alleen in het uploaden van documenten. De fout zit in het ontbreken van een institutioneel ontwerp.

AI-governance wordt vaak besproken alsof het begint bij beleid. Maar beleid dat niet aansluit op het dagelijkse werk blijft papier. De echte vraag is praktischer: weet een medewerker wat hij wel en niet mag invoeren? Is er een veilige AI-omgeving beschikbaar? Wordt gevoelige data automatisch herkend of afgeschermd? Zijn er voorbeelden per functie of proces? Is er toezicht zonder dat medewerkers het gevoel krijgen dat ieder experiment verdacht is? En weet het management eigenlijk welke taken mensen al met AI proberen te versnellen?

Een organisatie die deze vragen niet beantwoordt, krijgt geen AI-vrije organisatie. Zij krijgt een blinde organisatie.

Daarom is een absoluut verbod vaak een zwakke vorm van governance. Het kan tijdelijk nodig zijn bij acute risico’s, maar als structurele strategie duwt het gebruik naar de schaduw. Een organisatie die alleen zegt “dit mag niet”, zonder een geloofwaardige veilige route te bieden, creëert precies de situatie waarin medewerkers gaan improviseren.

De betere route is begrensde facilitering.

Niet: iedereen mag alles met AI doen. Ook niet: niemand mag iets met AI doen. Maar: dit zijn de veilige toepassingen, dit zijn verboden datatypes, dit zijn goedgekeurde tools, dit zijn logging- en monitoringafspraken, dit zijn de uitzonderingen, en dit is de plek waar twijfel kan worden besproken.

Dat is minder spectaculair dan een verbod, maar veel effectiever.

Nieuwsuur citeert cybersecuritydeskundige Jan van der Put met de strekking dat het uiteindelijk beter is om AI-gebruik te faciliteren, zodat het ook gemonitord kan worden. Dat is een belangrijk governanceprincipe. Monitoring begint niet bij wantrouwen. Monitoring begint bij verantwoordelijkheid. Als een organisatie AI-gebruik onzichtbaar laat, kan zij risico’s niet beheersen, fouten niet herstellen en geen structureel leerproces opbouwen.

Daar komt nog iets bij: AI-gebruik is geen puur technisch vraagstuk. Het raakt juridische, ethische, operationele en menselijke verantwoordelijkheden tegelijk. Privacy officers kunnen dit niet alleen oplossen. IT kan het niet alleen oplossen. Juristen kunnen het niet alleen oplossen. En medewerkers kunnen het zeker niet alleen oplossen door “gewoon voorzichtig” te zijn.

De organisatie moet de vertaalslag maken van abstracte risico’s naar concreet handelingsvermogen.

Dat begint met drie eenvoudige, maar vaak ontbrekende afspraken.

Ten eerste: maak zichtbaar welke gegevens nooit in publieke AI-tools mogen. Niet in algemene termen, maar met herkenbare voorbeelden uit het werk: klantdossiers, patiëntgegevens, interne contracten, personeelsinformatie, bronmateriaal, financiële gegevens, conceptbesluiten.

Ten tweede: bied een veilige route. Dat kan een goedgekeurde AI-omgeving zijn, een intern protocol, een data-anonimisatiestap of een tool die waarschuwt wanneer gevoelige informatie wordt ingevoerd. Of, zoals Nieuwsuur benoemt, software die werknemers waarschuwt of gegevens automatisch anonimiseert wanneer vertrouwelijke informatie in een AI-systeem dreigt te belanden.

Ten derde: behandel AI-geletterdheid niet als een training van één middag. Medewerkers moeten leren wanneer AI nuttig is, wanneer het gevaarlijk wordt, welke informatie gevoelig is, hoe outputs gecontroleerd moeten worden en wanneer menselijk oordeel verplicht blijft. AI-geletterdheid is geen vaardigheid naast het werk. Het wordt onderdeel van professioneel handelen.

De diepere bestuurlijke les is dat AI niet wacht tot organisaties klaar zijn. Het gebruik begint al in de praktijk, vaak voordat beleid, tools en toezicht zijn ingericht. Dat maakt Shadow AI zo ongemakkelijk: het laat zien dat de werkvloer sneller leert dan de bestuurlijke structuur.

Maar dat hoeft geen bedreiging te zijn. Het kan ook een startpunt zijn.

De vraag is niet of medewerkers met AI aan de slag gaan. Dat doen ze al. De vraag is of de organisatie volwassen genoeg is om dat gebruik uit de schaduw te halen, te begrenzen en ervan te leren.

Een organisatie die AI alleen verbiedt, verplaatst het probleem. Een organisatie die AI alleen aanmoedigt, vergroot het risico. Een organisatie die AI bestuurbaar maakt, doet iets moeilijkers: zij erkent de behoefte, begrenst het gebruik en houdt menselijke verantwoordelijkheid centraal.

Dat is geen fundamentele benadering.

De oplossing zit niet in AI uitbannen. Niet in AI loslaten. Maar AI-gebruik zo ontwerpen dat mensen sneller kunnen werken zonder dat vertrouwen, privacy en verantwoordelijkheid uit handen vallen. Daar begint volwassen AI-governance en is daarmee het enige juiste startpunt voor AI adoptie.

---

Dit artikel verscheen oorspronkelijk in The IC Institute op Substack.