Shadow AI in kaart brengen: de AI-inventarisatie voor ISO 42001 en de AI Act

Wie met AI-governance begint, wil meestal eerst beleid schrijven. De betere eerste vraag is welke AI de organisatie nu al gebruikt. Het antwoord is vrijwel altijd breder dan wat IT in beeld heeft. Medewerkers werken met eigen accounts op gratis chatdiensten, afdelingen sluiten zelf abonnementen af en leveranciers zetten AI-functies aan in software die al jaren draait. Dat gebruik buiten het zicht van IT en compliance heet shadow AI.

Waarom shadow AI ontstaat

Shadow AI komt zelden voort uit kwade wil. De tools zijn gratis of goedkoop, werken direct in de browser en helpen bij gewoon werk: een rapport samenvatten, een e-mail opstellen, code nakijken. Is er geen beleid, of is het zo streng dat niemand er iets mee kan, dan zoekt de praktijk een weg eromheen.

Het risico zit in wat er onderweg gebeurt. Vertrouwelijke documenten of persoonsgegevens gaan naar een externe dienst zonder verwerkersovereenkomst. Bij gratis versies kan ingevoerde informatie worden bewaard en voor training worden gebruikt. Besluiten steunen mede op een uitkomst waarvan niemand de betrouwbaarheid heeft beoordeeld. De Autoriteit Persoonsgegevens meldde eind 2025 dat het aantal datalekmeldingen door het gebruik van AI-chatbots door medewerkers snel stijgt. Haar advies: leg vast welke gegevens wel en niet in AI-systemen mogen worden ingevoerd.

Wat telt als AI in de inventarisatie

De AI Act definieert een AI-systeem in artikel 3, lid 1: een machinaal systeem dat met een zekere mate van autonomie werkt en uit invoer afleidt hoe het uitvoer genereert, zoals voorspellingen, inhoud, aanbevelingen of besluiten. De Europese Commissie heeft in februari 2025 richtsnoeren over die definitie gepubliceerd. Niet elke software met een slimme functie valt eronder. Begin voor de inventarisatie toch ruim en filter daarna, want een toepassing die je niet hebt opgeschreven, kun je ook niet onderbouwd uitsluiten.

Denk naast eigen modellen en een centrale chatassistent aan lead scoring in een CRM, cv-screening in HR-software, sentimentanalyse in klantenservicetools, schrijfhulpen in kantoorpakketten en fraudesignalering in financiële systemen. Veel daarvan zit als functie in software die al lang in gebruik is en is ooit door een leverancier toegevoegd.

Waar de norm en de wet om vragen

ISO/IEC 42001 vraagt in clausule 4.3 dat je de scope van het AI-managementsysteem bepaalt. Die scope kun je niet onderbouwen zonder te weten welke AI-systemen er zijn. Annex A sluit daarop aan. A.4 vraagt om de middelen voor AI-systemen vast te leggen: data, tooling, systemen en rekenkracht, en mensen. A.9 gaat over het gebruik van AI-systemen volgens het beoogde doel, A.10 over leveranciers en klanten. Meer over de opbouw van de norm staat in ISO 42001 uitgelegd.

De AI Act vraagt niet om een register van al je AI-gebruik. Je verplichtingen hangen wel af van je rol per systeem (aanbieder, gebruiksverantwoordelijke, importeur of distributeur) en van de risicoklasse, en die kun je zonder overzicht niet bepalen. Hoe je de risicoklasse vaststelt, staat in risicoclassificatie onder de EU AI Act. Ook de maatregelen voor AI-geletterdheid uit artikel 4 veronderstellen dat je weet met welke systemen medewerkers werken (zie AI-geletterdheid onder artikel 4). Worden er persoonsgegevens verwerkt, dan hoort die verwerking daarnaast in het register van verwerkingsactiviteiten onder de AVG.

Hoe je de inventarisatie aanpakt

Werk vanuit meerdere bronnen tegelijk, want elke bron mist iets.

Vraag het per afdeling en niet alleen aan IT. Bij marketing, sales, finance en HR zit vaak het meeste gebruik. Stel concrete vragen: welke tools gebruiken jullie, welke hebben AI-functies, welke gegevens gaan erin en welke besluiten steunen op de uitkomst?

Kijk in de administratie. Inkoopfacturen, creditcardafschriften en declaraties laten abonnementen zien die nooit via IT zijn gegaan.

Kijk in de techniek. Logging van proxy of firewall, de gekoppelde apps en OAuth-toestemmingen in de identiteitsomgeving en geïnstalleerde browserextensies laten zien welke diensten feitelijk worden gebruikt.

Vraag het aan leveranciers. Neem in het leveranciersbeheer de vraag op of een product AI-functies bevat, of die standaard aan staan en wat er met de gegevens gebeurt. Hier raakt AI-governance aan third-party risk management.

Wat je per systeem vastlegt

Leg per systeem minimaal vast: het doel, de eigenaar, de leverancier, de afdelingen die het gebruiken, de gegevens die erin gaan en of daar persoonsgegevens bij zijn, de besluiten die op de uitkomst steunen, je rol onder de AI Act en een eerste inschatting van de risicoklasse. Met die gegevens kun je daarna de risicobeoordeling doen en, waar nodig, een impactbeoordeling volgens ISO 42005.

Van momentopname naar proces

Een inventarisatie die alleen bij de start is ingevuld, loopt snel achter. Leveranciers voegen functies toe en medewerkers nemen nieuwe tools in gebruik. Koppel het register daarom aan processen die er al zijn: inkoop en contractbeheer, change management, de introductie van nieuwe applicaties en een periodieke herbeoordeling met een vaste eigenaar. Geef medewerkers een eenvoudige route om een nieuwe tool aan te melden.

Wij raden af om shadow AI met alleen een verbod te bestrijden. Een verbod zonder alternatief maakt het gebruik vooral onzichtbaar. Een goedgekeurde zakelijke variant met afspraken over gegevens, plus duidelijke regels over wat er niet in mag, geeft meer grip.

Waar een auditor naar kijkt

Bij een ISO 42001-audit toetst de auditor of scope en register kloppen met de praktijk, onder meer met steekproeven en interviews. Vindt de auditor bij een afdeling een AI-toepassing die niet in het register staat, dan staat de scope ter discussie en daarmee ook de risicobeoordeling die erop rust. Laat daarom zien hoe je het register actueel houdt: wanneer het is herzien, door wie en met welke bronnen. Wat auditors verder tegenkomen, staat in ISO 42001-certificering in de praktijk. Wil je de inventarisatie laten inrichten of toetsen, kijk dan naar ons werk op het gebied van compliance.