Steeds meer medewerkers maken doorlopend gebruik van AI. Dit gebeurt meestal volgens de geldende bedrijfsrichtlijnen, maar ook regelmatig buiten de kaders. Hoe houd je als CIO grip op wat er met bedrijfsdata en kennis gebeurt? Erik de Jong, Chief Research Officer bij Tesorion, biedt praktische handvatten.
Terwijl je dit leest, wordt ergens in jouw organisatie AI gebruikt. Misschien laat een medewerker een document analyseren of vat iemand een intern verslag samen. Of er draait AI-functionaliteit in software waar je al jaren mee werkt. Zo lekt er ongemerkt iedere dag een beetje kennis en data de organisatie uit.
Soms kan dat zelfs om belangrijke informatie gaan, zoals toen engineers bij Samsung broncode met ChatGPT deelden. Of recenter bij de gemeente Eindhoven, wat leidde tot datalekken. Alles gedaan vanuit een goede intentie, maar met onbedoelde gevolgen. Hoe houd je grip op wat er met bedrijfsdata en kennis gebeurt bij de inzet van AI op de werkvloer?
Hoe data ongemerkt weglekt
Data die je in een publiek large language model (LLM) stopt, kan beschikbaar worden voor een grotere groep mensen dan je wellicht bedoeld had. De partijen achter de tools kunnen jouw data absorberen, bijvoorbeeld om hun modellen op te trainen.
Dit betekent niet direct dat jouw data op straat belandt zodra je het in een LLM stopt. Maar het verlaat de organisatie en wordt publiek beschikbaar. En als data eenmaal in een LLM zit, kun je het niet meer terughalen of laten verwijderen.
Het voor de hand liggende beeld hierbij is een medewerker die een offerte even snel in een gratis AI-tool plakt. Maar steeds vaker krijgt ook software die organisaties al jaren gebruiken, zoals een CRM-systeem, AI-functionaliteit. En deze functionaliteit staat vaak standaard aan. Niemand kiest hier bewust voor en toch komt data mogelijk op een nieuwe manier buiten je organisatie terecht.
Het risico zit in wat je niet merkt
Dit maakt AI op de werkvloer ongrijpbaar. Het risico zit in de mogelijkheid dat data die je als belangrijk beschouwt in handen komt van onbevoegden. Gaat het om persoonsgegevens, dan is er wettelijk gezien sprake van een datalek. Afhankelijk van het soort data dreigt bovendien naam- en reputatieschade of inkomstenderving.
“Vertrouw op het gezonde verstand van je medewerkers, maar ondersteun ze ook technisch en met duidelijke afspraken.”
Het ongemakkelijke is dat deze risico’s zich buiten je gezichtsveld afspelen. AI-tools verbieden lost dat niet op. Dit zorgt er alleen maar voor dat AI-gebruik zich nog verder aan je zicht onttrekt. De beste strategie: sta het gecontroleerd toe.
Veilig AI-gebruik
Hierbij dragen drie pijlers bij aan veilig AI-gebruik binnen de organisatie:
1. Informeer medewerkers over veilig gebruik
Vergelijkbaar met phishing moet je je mensen trainen op de risico’s van LLM’s. Dat begint met bewustwording en uitleg over hoe een LLM werkt en wat er met data gebeurt die je erin stopt. Maar ook: wat is binnen jouw organisatie eigenlijk vertrouwelijke informatie die niet in een LLM gestopt mag worden? Persoonsgegevens zijn meestal duidelijk, maar niet alle bedrijfsinformatie is even zwart-wit. En niet iedereen schat informatie op dezelfde waarde.
Daarbij wil je spelregels maken. Wat mag wel? Wat mag niet? Met richtlijnen op papier kun je mensen verantwoordelijk houden als het misgaat. Toch is alleen een AI-beleid op papier schijncontrole. Als mensen zich er niet aan houden, blijft er sprake van ongecontroleerd gebruik.
2. Ontwerp technische veiligheidsmaatregelen
Zorg er daarom ook voor dat je als organisatie gebruikmaakt van technische vangnetten. Zie het als het voetpedaal aan de fabrieksband die de band pas laat lopen als mensen het pedaal indrukken. Het is geen teken van wantrouwen naar je medewerkers, maar je dwingt technisch af dat mensen veilig gedrag vertonen. In het kader van security is dat gewoon winst.
Zo zijn er filters die je op laptops kunt zetten die meekijken met wat iemand in een LLM doet. Mocht gevoelige informatie bijna in een LLM belanden, dan houdt het filter dit tegen. En dat draagt weer bij aan bewustwording onder medewerkers.
3. Investeer in de juiste tools
Zorg dat de tools waarin mensen werken het risico op data- of kennisverlies al grotendeels afdekken. Voor LLM’s die medewerkers er zelf bij pakken geldt: zorg voor betaalde accounts. Dan blijft je data vaak binnen je eigen omgeving en wordt het niet gebruikt om modellen te trainen. Vaak is echter niet altijd, dus dit moet je altijd checken. Want wordt je data voor trainingsdoeleinden gebruikt, dan betekent dit ook dat je data publiek wordt.
Wat gebeurt er met data? Blijft het binnen je eigen omgeving of wordt er op de achtergrond een publieke LLM gebruikt? En kun je de AI-functionaliteit waar nodig uitzetten? De belangrijkste vraag is of data je eigen omgeving verlaat. Dit geldt voor nieuwe tools, maar ook voor bestaande software. Voor bestaande software waar AI aan is toegevoegd, is de belangrijkste route het nalopen van de tool. Als je dit per tool beantwoordt, heb je het grootste deel van het risico in kaart.
Verbieden geeft geen grip
AI-tools verbieden op de werkvloer heeft weinig zin. Het gebruik verdwijnt er niet door, het verdwijnt alleen van je radar. En daarmee creëer je controle die je geen grip geeft. Vertrouw daarom op het gezonde verstand van je medewerkers, maar ondersteun ze ook technisch en met duidelijke afspraken. Zo verdwijnt AI niet van je radar, maar komt het er juist op.
