Ergens in je bedrijf plakt vandaag iemand een klantdossier in een gratis AI-tool om er een samenvatting van te maken. Diegene doet niets kwaads. Diegene werkt hard en heeft haast. En jij weet het niet.
Dat is shadow AI: AI-gebruik dat plaatsvindt zonder dat de organisatie het weet of heeft goedgekeurd. Geen sabotage, geen slordigheid — gewoon iemand die een hulpmiddel pakt omdat er geen ander is.
De term verscheen in Nederland pas begin 2026 in de zoekcijfers en groeide daarna snel door. Tegelijk steeg het zoekvolume op AI-beleid van ongeveer 110 naar 170 per maand. Dat zijn twee kanten van hetzelfde moment: bedrijven merken dat er iets gebeurt en zoeken naar een manier om het te ordenen.
Waarom dit geen IT-probleem is
De reflex is een verbod. Dat werkt niet, om dezelfde reden dat het bij shadow IT niet werkte: je verbiedt het gebruik, niet de behoefte.
Een medewerker die vier uur besteedt aan werk dat in twintig minuten kan, doet dat niet nog een keer omdat het in een reglement staat. Hij gaat het alleen niet meer vertellen. Daarmee heb je het risico niet weggenomen maar onzichtbaar gemaakt — en onzichtbaar risico is erger dan zichtbaar risico, want je kunt er niets meer aan doen.
De vraag is dus niet hoe je het tegenhoudt. De vraag is hoe je zorgt dat de goede route net zo makkelijk is als de snelle.
Waar het over gaat, in cijfers
1 op 6
Nederlandse bedrijven gebruikt AI — een verdubbeling in twee jaar tijd. Het gaat hier om het gebruik dat gemeten wordt; shadow AI zit daar per definitie niet in.
95%
van de zakelijke GenAI-pilots levert geen meetbaar resultaat op de winst-en-verliesrekening. De onderzoekers wijzen niet naar de modellen maar naar de integratie in werkprocessen.
Bron: CBS, 2025 (AI-gebruik Nederlandse bedrijven); MIT NANDA, The GenAI Divide: State of AI in Business 2025, augustus 2025 — onderzoek onder 300 implementaties en 150 leidinggevenden.
Dat cijfer van 95 procent wordt vaak verkeerd gebruikt
Je komt het overal tegen, meestal als bewijs dat AI niet werkt. Dat staat er niet.
- Het gaat over generatieve AI-pilots in het algemeen, niet over AI-agents en niet over workflow-automatisering.
- Het meet geen aantoonbaar rendement, niet ‘mislukt’ of ‘gestopt’. Dat is een wezenlijk verschil: veel pilots werden nooit gemeten.
- Het is geen Gartner-cijfer, hoewel het vaak in één adem wordt genoemd met de Gartner-voorspelling over agentic AI. Twee onderzoeken, twee onderwerpen.
Ik noem het hier omdat de verklaring relevant is, niet het percentage. De onderzoekers vonden dat succesvolle implementaties diep in bestaande werkprocessen zitten. Shadow AI is per definitie het tegenovergestelde: los gereedschap, naast het proces, zonder verbinding met de systemen waar het werk werkelijk gebeurt.
Wat het je concreet kost
Vier kosten, waarvan de laatste twee zelden worden meegerekend.
1 — Gegevens die je niet meer terug kunt halen
Zodra een klantdossier in een externe dienst is geplakt, is dat een verwerking van persoonsgegevens. Onder de AVG heb je daarvoor een grondslag nodig, een vermelding in je verwerkingsregister en meestal een verwerkersovereenkomst. Zonder dat kun je bij een vraag van een klant — of van de Autoriteit Persoonsgegevens — niet aantonen dat het goed zit.
Het punt is niet dat er per se iets misgaat. Het punt is dat je het niet weet en niet kunt onderbouwen.
2 — Aanbestedingen en leverancierstoetsen
Steeds meer opdrachtgevers vragen bij inkoop welke AI-systemen je gebruikt en hoe je die beheerst. Wie daar ‘dat weet ik niet precies’ antwoordt, valt af. Niet omdat het onveilig is, maar omdat het niet aantoonbaar veilig is — en inkopers moeten hun keuze verantwoorden.
3 — Kennis die het bedrijf verlaat met de medewerker
Dit is de onderschatte. Iemand die maandenlang een eigen AI-werkwijze heeft opgebouwd — met prompts die precies werken voor jullie type dossier — neemt die kennis mee bij vertrek. Er staat niets in een systeem, er is niets gedocumenteerd. Wat wél in je omgeving is gebouwd, blijft.
4 — Twintig oplossingen voor hetzelfde probleem
Zonder overzicht lost elke medewerker zijn eigen versie van hetzelfde knelpunt op. Vijf mensen die allemaal handmatig offertes samenvatten met vijf verschillende tools — dat is vijf keer leergeld voor iets wat één keer goed gebouwd had kunnen worden, en daarna voor iedereen werkt.
Voorbeeld: een adviesbureau ontdekt wat er al draait
VOORBEELD 1
De situatie. Een adviesbureau met veertien medewerkers vermoedde ‘wat AI-gebruik’ en wilde een beleid opstellen. De directie ging ervan uit dat het om twee of drie mensen ging.
De aanpak. In plaats van een reglement te schrijven, werd eerst geïnventariseerd. Eén vraag per medewerker, expliciet zonder consequenties: welke tools gebruik je, en waarvoor? Antwoorden werden verzameld door iemand zonder leidinggevende rol.
Het resultaat. Elf van de veertien gebruikten iets. Samen negen verschillende tools, waarvan drie met klantgegevens. Twee medewerkers hadden een werkwijze ontwikkeld die zo goed was dat die vervolgens bedrijfsbreed is overgenomen — die was zonder de inventarisatie nooit zichtbaar geworden.
Wat er tegenvalt. De inventarisatie kostte vier uur en leverde meteen ongemak op: twee mensen voelden zich betrapt, ondanks de toezegging vooraf. Wie dit doet, moet die toezegging ook echt nakomen. Eén berisping en je krijgt bij de volgende inventarisatie alleen nog sociaal wenselijke antwoorden.
Rekenvoorbeeld op basis van gangbare MKB-volumes, geen klantcase. In de scan rekenen we jouw cijfers door.
Een beleid dat mensen niet wegjaagt
De meeste AI-gebruiksbeleiden zijn juridische documenten die niemand leest. Wat werkt, past op twee A4’tjes en beantwoordt vier vragen.
- Wat mag ik gebruiken? Een lijst met goedgekeurde tools. Niet ‘alles wat de IT afdeling toestaat’, maar concrete namen. Kort mag; lang is beter dan leeg.
- Wat mag er nooit in? Dit is de belangrijkste regel en de enige die je hard maakt. Bijvoorbeeld: geen persoonsgegevens van klanten, geen medische of financiële gegevens, geen broncode, geen contracten van derden. Wees concreet — ‘vertrouwelijke informatie’ is geen bruikbare grens.
- Wie beslist over iets nieuws? Eén naam, één werkwijze, en een toezegging over de reactietijd. Wie een week op antwoord moet wachten, vraagt de volgende keer niets meer.
- Wat doe ik bij twijfel? Het antwoord moet zijn: vragen, zonder gevolgen. Een beleid waarin twijfel wordt bestraft, produceert geen zorgvuldigheid maar stilte.
De zin die het meeste effect heeft
Zet dit letterlijk in je beleid, bovenaan:
“Gebruik je iets dat hier niet in staat en het helpt je werk? Meld het. Dan kijk ik of ik het kan toevoegen. Je krijgt hier geen gedoe over.”
Deze ene alinea bepaalt of je beleid informatie oplevert of stilte. Alle andere bepalingen zijn secundair aan de vraag of mensen je nog iets vertellen.
Wanneer je eigen omgeving het antwoord is
Self-hosting wordt vaak gepresenteerd als de oplossing voor shadow AI. Dat is het alleen onder één voorwaarde: de eigen omgeving moet net zo makkelijk zijn als de gratis tool.
Is hij trager, lelijker of omslachtiger, dan gebruiken mensen hem niet. Dan heb je een dure omgeving én shadow AI, en dat is de slechtste van alle uitkomsten.
FLOW 1
Interne kennisassistent op eigen omgeving
Voor wie: Organisaties waar medewerkers dagelijks in eigen documenten zoeken.
Wat het oplevert: Medewerkers krijgen antwoorden uit jullie eigen materiaal, met verwijzing naar het brondocument. De data verlaat de omgeving niet en elke vraag is herleidbaar.
Let op: Staat of valt met de kwaliteit van je documenten. Een assistent die uit verouderde handleidingen put, geeft met veel overtuiging verkeerde antwoorden — en dat is schadelijker dan geen assistent.
Merk op dat de laatste stap in die keten geen technische stap is. Niet gevonden? Eerlijk zeggen. Een assistent die altijd iets antwoordt, ondermijnt binnen een maand het vertrouwen van precies de mensen die hem moeten gebruiken.
Wanneer je hier nu níets mee hoeft
- Je werkt alleen. Dan is er geen schaduw. Leg wel voor jezelf vast wat je waar invoert — dat helpt bij de eerste opdrachtgever die ernaar vraagt.
- Je verwerkt geen persoonsgegevens en geen vertrouwelijke informatie van derden. Het risico is dan grotendeels theoretisch.
- Je hebt geen opdrachtgevers die hierop toetsen. Kijk hier over een jaar nog eens naar; deze vraag verschuift snel.
Voor iedereen daarbuiten geldt: de inventarisatie kost een halve dag en geeft je informatie die je nu niet hebt. Dat is de goedkoopste stap in dit hele onderwerp.
Kort samengevat
- Shadow AI is geen ongehoorzaamheid maar een signaal dat het aangeboden alternatief ontbreekt of te omslachtig is.
- Verbieden verplaatst het risico naar het onzichtbare. Inventariseren maakt het beheersbaar.
- Begin met vragen, niet met een reglement. Vier uur inventarisatie levert meer op dan tien pagina’s beleid.
- Een beleid werkt alleen als melden zonder gevolgen blijft.
- Een eigen omgeving lost het pas op als hij net zo prettig werkt als de gratis tool.
