Gebruikt je organisatie AI? Zo waarborg je AVG-compliance en dataveiligheid.

"Kunnen we ChatGPT gewoon gebruiken voor onze interne documenten?"

Het is de vraag die elke IT-afdeling de afgelopen twee jaar steeds vaker hoort. Soms gesteld door een enthousiaste collega die net heeft ontdekt hoeveel tijd AI bespaart. Soms door een bezorgde compliance-officer die net heeft gelezen wat er met je prompts kan gebeuren. En vaker dan menigeen zou willen al beantwoord door medewerkers zelf — die het gewoon doen, al dan niet vanaf hun privételefoon.

Medewerkers zien de snelheid en het gemak van AI. Even een document samenvatten, een lastige klantmail laten herschrijven, vergadernotulen omzetten in een nette actielijst, een berg losse informatie structureren tot één overzichtelijk verhaal. Wat vroeger uren kostte, kost nu minuten. Geen wonder dat het op de werkvloer wordt omarmd. Maar wat er ondertussen met die bedrijfsdata gebeurt zodra ze in een publieke AI-tool wordt gestopt, is bij de meeste organisaties niet helder. En precies daar ontstaat het risico.

De vraag die in 2026 op tafel ligt is daarom niet meer "gaan we AI gebruiken?" maar "hebben we het ook veilig ingericht?" Hoe waarborg je dat klantgegevens, contracten, broncode of strategiedocumenten niet ongecontroleerd in een publiek AI-model belanden? Hoe blijf je AVG-compliant? En hoe houd je grip als de tooling zich elke paar maanden opnieuw uitvindt?

In dit artikel laten we zien waar de risico's precies zitten, waarom een verbod averechts werkt, hoe je medewerkers wel meekrijgt en waarom een groeiend aantal Nederlandse organisaties kiest voor maatwerk: AI ingebouwd in eigen software, op eigen infrastructuur, binnen eigen kaders.

Een gratis AI-tool die de helft van je organisatie gebruikt is geen productiviteitsstrategie. Het is een open kraan waar je nog niet bij stilstaat dat hij loopt.

Wat er werkelijk gebeurt als je publieke AI gebruikt voor bedrijfsdata

Stel: een accountmanager plakt een Word-document met een conceptcontract in ChatGPT en vraagt om een nettere versie. Een controller laat Claude een spreadsheet samenvatten. Een ontwikkelaar plakt een stuk broncode in een gratis tool om een bug op te lossen. Alledaagse handelingen. En alle drie raken ze tegelijk drie grote thema's:

• AVG en privacy — zodra er persoonsgegevens van klanten, kandidaten of werknemers in een publiek AI-platform belanden, verlaten ze de gecontroleerde omgeving. Bij gratis varianten kun je niet garanderen waar de data staat, hoe lang ze bewaard wordt of dat ze gebruikt wordt om modellen te verbeteren. Jouw organisatie blijft als verwerkingsverantwoordelijke aansprakelijk. De Autoriteit Persoonsgegevens heeft de afgelopen jaren laten zien dat ze niet aarzelt om handhavend op te treden bij dit soort situaties.
• Intellectueel eigendom — strategiedocumenten, conceptproducten, broncode of klantcontracten in een publiek model stoppen geeft geen garantie dat die informatie niet ergens terugkomt. Bij sommige providers zijn prompts standaard onderdeel van de trainingsfeedback tenzij je dat actief uitschakelt. Bij gratis tiers is dat vaak juist de standaard. Wat eenmaal in een trainingsdataset zit, krijg je er niet meer uit.
• Vertrouwelijkheid en contractuele afspraken — veel klantcontracten en NDA's verbieden expliciet het delen van vertrouwelijke informatie met derden. Een publiek AI-platform is een derde. Een medewerker die snel een offerte laat herschrijven kan zonder het te beseffen contractbreuk plegen — en jij als organisatie draagt het risico.

Geen enkele medewerker doet dit met kwade bedoelingen. Iemand wil sneller werken of een deadline halen. Maar het cumulatieve effect op de organisatie is groot — juist omdat het zo onzichtbaar gebeurt. Dit fenomeen heet shadow AI: AI-gebruik dat zich buiten het zicht van IT afspeelt. En de praktijk leert dat het bestaat in vrijwel elke organisatie waar het "officieel niet mag".

Niet alleen de AVG: ook de EU AI Act

Sinds 2024 ligt er bovenop de AVG een tweede stuk wetgeving op tafel waar veel organisaties zich nog niet helemaal bewust van zijn: de EU AI Act, de Europese verordening over AI. Waar de AVG over persoonsgegevens gaat, gaat de AI Act over AI-systemen zelf — hoe je ze inzet, welke risico's eraan zitten en wat je moet kunnen aantonen.

De praktische gevolgen voor jouw organisatie zitten op drie vlakken:

• Transparantie — gebruikers moeten weten wanneer ze met AI te maken hebben. Een chatbot die zich voordoet als mens mag niet meer, en voor AI-gegenereerde tekst, beeld of audio gelden labelverplichtingen.
• Risicoclassificatie — niet elk AI-gebruik krijgt dezelfde behandeling. AI in HR-processen (cv-selectie, beoordelingen, kandidaatscreening), klantcontact bij financiële of medische dienstverlening en automatische besluitvorming met rechtsgevolgen — dat valt al snel in de categorie hoog-risico. En die brengt zwaardere verplichtingen mee: data-kwaliteit aantonen, menselijk toezicht inrichten, robuustheid en nauwkeurigheid kunnen onderbouwen.
• Documentatieplicht — je moet kunnen laten zien welke AI-systemen je inzet, waarvoor, met welke data en hoe je risico's beheerst. Niet eenmalig bij de start, maar doorlopend en bij audit op te leveren.

Bij een publieke AI-tool of een standaard enterprise-licentie zit je vast aan wat de leverancier documenteert. Dat is soms genoeg, vaak niet — en je hebt geen knop om er meer uit te halen. Bij maatwerk bouwen wij logging, audit trails, prompt- en outputregistratie en menselijke beoordelingsstappen in als onderdeel van de architectuur. Daarmee heb je de uitlegbaarheid en documentatie die de AI Act vereist, in plaats van te hopen dat een externe provider het voor je oplost.

De AI Act wordt gefaseerd ingevoerd. De eerste verplichtingen zijn sinds 2025 actief, de zwaardere regels voor hoog-risico AI worden deze zomer van kracht. Hoe je AI nu inricht bepaalt of je daar straks soepel doorheen rolt — of dat je onder druk moet verbouwen.

Verbieden werkt averechts — begeleiden wel

De makkelijkste reactie op deze risico's is een verbod. "We blokkeren ChatGPT op het netwerk en in het AI-beleid staat dat het niet mag." Het voelt veilig en is in een dag geregeld. In de praktijk werkt het bijna altijd averechts. Medewerkers ervaren AI als een productiviteitsversneller en zoeken alsnog manieren om het te gebruiken — vaak buiten het zicht van IT:

• De iPhone op het bureau kent het bedrijfsnetwerk niet en heeft ChatGPT er gewoon op staan. Een foto van een document is in vijf seconden gemaakt en geüpload.
• Sommige medewerkers nemen op de privécreditcard een Plus-abonnement omdat ze het werk niet meer zonder kunnen. De data gaat zonder enige zakelijke afspraak naar de provider.
• Tools die niet als "AI" herkend worden — Grammarly, Notion AI, Canva AI, transcriptietools, browser-samenvattingen — vallen buiten een verbod op "ChatGPT".
• Een groeiende productiviteitskloof ontstaat met concurrenten die het wel slim hebben ingericht. Op den duur leidt dat tot frustratie bij medewerkers die zien dat het elders wel kan.

De aanpak die wel werkt, draait om begeleiden in plaats van blokkeren. Vier elementen zijn daarin onmisbaar:

• Heldere AI-richtlijnen — een werkbare richtlijn van één A4 met "wat mag, wat mag niet, waar twijfel je". Geen vijftig pagina's compliance-document waar niemand naar kijkt, wel een leesbare set afspraken die mensen herkennen in hun dagelijkse werk.
• Veilige tooling — een verbod zonder alternatief blijft niet overeind. Bied minstens één veilige tool aan die mensen wel mogen gebruiken: een interne chatbot, een AI-feature in jullie eigen software of een enterprise-licentie binnen jullie tenant. De drempel om de veilige tool te pakken moet láger zijn dan de drempel om naar de privételefoon te grijpen.
• Praktisch beleid — beleid dat antwoord geeft op concrete vragen die mensen in hun werk tegenkomen. "Mag ik deze klantmail door AI laten herschrijven?" "Mag ik mijn vergadernotulen laten samenvatten?" Door scenario's te benoemen wordt het beleid bruikbaar in plaats van een vinkje op een lijstje.
• Medewerkers die weten wat verantwoord is — de meeste mensen willen het goed doen. Ze weten alleen niet altijd hoe. Een korte training of toolbox-moment van een uur — wat is een prompt, waar gaat je data heen, wat zegt de AVG, hoe gebruik je onze interne tool — voorkomt veel ongelukken. Begrip waarom iets wel of niet mag is belangrijker dan een handtekening onder een policy.

Verbieden is een eindstand. Begeleiden is een proces. En het proces levert in vrijwel alle gevallen veiligere én productievere medewerkers op.

De vraag is alleen: wat is die veilige tool dan? Welk alternatief bied je aan? Daarvoor kijken we eerst naar de drie tools die nu het meest gebruikt worden — ChatGPT, Microsoft Copilot en Claude — en daarna naar waarom een interne AI-omgeving voor veel organisaties de echte oplossing is.

De drie grote tools onder de loep

De tools die het vaakst genoemd worden — ChatGPT (OpenAI), Microsoft Copilot en Claude (Anthropic) — gaan elk anders om met data. Een korte vergelijking, op basis van wat de providers zelf publiceren.

ChatGPT (OpenAI)

In de gratis en Plus-versie worden gesprekken standaard opgeslagen en kunnen ze gebruikt worden om modellen te verbeteren, tenzij je dat handmatig uitschakelt of via een Temporary Chat werkt. De data wordt veelal in de Verenigde Staten verwerkt. Voor zakelijk gebruik biedt ChatGPT Enterprise of Team wel een DPA, geen training op je prompts en EU-residency-opties. Voor maatwerktoepassingen biedt de OpenAI API met EU-endpoint dezelfde garanties — en geeft je tegelijk de controle om er je eigen applicatie omheen te bouwen.

Microsoft Copilot

De gratis Copilot in Bing of Edge gedraagt zich vergelijkbaar met de gratis ChatGPT en is niet bedoeld voor vertrouwelijke bedrijfsdata. Microsoft 365 Copilot (de betaalde licentie binnen je tenant) is een ander verhaal: data blijft binnen je Microsoft 365-omgeving en wordt niet gebruikt om modellen te trainen. Een belangrijke kanttekening: Copilot ziet alles wat de ingelogde gebruiker mag zien. Als je informatieclassificatie en SharePoint-permissies niet op orde zijn, brengt Copilot opeens documenten naar boven waar mensen formeel wel bij konden maar in de praktijk nooit naar keken.

Claude (Anthropic)

De consumentenversie op Claude.ai gebruikt prompts standaard niet voor modeltraining — een bewuste keuze van Anthropic die het iets prettiger maakt om mee te experimenteren. Voor productiegebruik kies je Claude voor enterprise of de Claude API via Anthropic, AWS Bedrock of Google Cloud. Met EU-hosting via AWS Bedrock in Frankfurt is Claude AVG-compliant inzetbaar. Net als bij OpenAI geldt: pas met de API heb je echte controle over hoe AI in je processen wordt gebruikt.

De rode draad: gratis is geen optie voor bedrijfsdata, en enterprise-licenties lossen de juridische randvoorwaarden op. Maar dat is niet hetzelfde als "klaar". Want zelfs met een keurige Microsoft 365 Copilot-licentie blijf je een standaardproduct gebruiken, op de manier waarop Microsoft denkt dat het hoort. En dat is precies waar de meeste organisaties tegen de grenzen aanlopen.

Waarom een enterprise-abonnement vaak niet genoeg is

Een Microsoft 365 Copilot- of ChatGPT Enterprise-licentie is een verstandige stap voor algemeen gebruik. Maar er zijn vier redenen waarom organisaties al snel verder kijken:

• Je blijft vastzitten aan de keuzes van de leverancier. Welke modellen je krijgt, welke features beschikbaar zijn, hoe de UI eruitziet, hoe data wordt verwerkt — dat bepaalt de leverancier. Een nieuwe release kan je proces overhoop halen, en je hebt er geen invloed op.
• Je eigen processen en data passen niet zomaar in een standaardproduct. Copilot kent SharePoint en Teams, maar niet jullie maatwerk-CRM, jullie Laravel-platform of jullie boekhouding. Voor de plekken waar de meeste waarde ligt, biedt de standaardlicentie geen integratie.
• Permissies zijn grof. Copilot werkt op gebruikersniveau: ziet de gebruiker een bestand, dan ziet de AI dat ook. In maatwerk bouwen wij preciezere logica: deze rol mag deze tool aanroepen, op deze data, met deze beperkingen. Daar zit het verschil tussen "werkt" en "werkt veilig".
• Vendor lock-in — als je over twee jaar liever met Claude werkt in plaats van GPT, of een open-source model wilt inzetten, ben je met een gestandaardiseerd abonnement aan handen en voeten gebonden. Met maatwerk bovenop de API kun je vrijwel zonder pijn van model wisselen.

Een licentie regelt het minimum. Maatwerk regelt wat jouw organisatie écht nodig heeft.

Maatwerk AI: de oplossing voor organisaties die controle willen houden

Bij maatwerk AI bouwen we een applicatie die AI gecontroleerd inzet binnen jouw eigen omgeving. Concreet betekent dat:

• De interface (chatbot, assistent of ingebouwde feature) draait op infrastructuur die jij controleert — meestal AWS in Frankfurt, Azure West Europe of een eigen Europese cloud.
• Het AI-model wordt aangeroepen via een API met een verwerkersovereenkomst en de garantie dat je data niet gebruikt wordt voor modeltraining. Je kunt kiezen voor Claude (via Anthropic of AWS Bedrock), GPT (via Azure OpenAI of OpenAI EU-endpoint), of een self-hosted open-source model als Llama 4 of DeepSeek V4.
• Permissies, audit logging en datafilters bouwen wij in op het niveau van jouw eigen rollen — vaak hergebruiken we de bestaande Spatie Permission-rollen uit je Laravel-applicatie.
• Via Model Context Protocol (MCP) koppelen we de AI gecontroleerd aan je eigen systemen: CRM, ERP, boekhouding, eigen software. De AI kan precies dat doen wat jij toestaat — niets meer.
• Logging, monitoring en compliance-rapportage zijn standaard onderdeel. Je weet wie wat wanneer heeft gevraagd, en je kunt het laten zien bij een audit.

Waar een enterprise-licentie je een generieke chatbot geeft die op jouw SharePoint kan, geeft maatwerk je een AI die op jouw manier werkt: in jouw processen, met jouw data, binnen jouw regels.

Wat we concreet bouwen

De projecten die wij doen verschillen sterk in scope, maar passen vrijwel altijd in een van deze vier categorieën:

Interne AI-chatbots

Een veilige AI-omgeving waarin medewerkers vragen kunnen stellen, documenten kunnen raadplegen en informatie kunnen samenvatten — binnen de kaders van jullie organisatie. Gebruikers loggen in met hun bestaande account (SSO via Microsoft, Google of een eigen identity provider), stellen vragen in een vertrouwde chatinterface en krijgen antwoord op infrastructuur die jullie controleren. Standaard met audit logging, permissies, EU-hosting en de modelkeuze van jullie voorkeur. Voor organisaties die een veilig alternatief willen bieden voor ChatGPT en Claude.ai — zonder hun mensen iets minder krachtigs te geven dan wat ze nu privé gebruiken. Dit is precies het type tool dat hoort bij "begeleiden in plaats van blokkeren": het verlaagt de drempel om iets verantwoords te doen tot lager dan de drempel om iets onverantwoords te doen.

AI-integraties in bestaande software

AI-features ingebouwd in je eigen Laravel-, SaaS- of webapplicatie. Denk aan een "help me schrijven"-knop in een offerte-tool, automatische classificatie van inkomende mails, of een AI-assistent in jullie eigen klantportaal. Vaak met EU-hosting, een verwerkersovereenkomst en logging die je in je eigen omgeving kunt analyseren. Lees meer over AI-integratie in bedrijfsprocessen.

MCP-koppelingen met bestaande systemen

Met Model Context Protocol koppelen we AI aan jullie eigen Laravel-applicatie, je CRM, je ERP of je boekhouding. Medewerkers stellen vragen in natuurlijke taal aan de eigen systemen — zonder dat data het EU-gebied verlaat. Zie ons artikel over praten met je data via MCP voor concrete voorbeelden.

Document- en e-mailverwerking

AI die automatisch facturen, contracten of inkomende e-mails uitleest, classificeert en doorzet naar het juiste systeem. Bouwen we vrijwel altijd binnen jullie eigen omgeving, met audit trail en human-in-the-loop voor uitzonderingen. Voor organisaties die documentverwerking willen automatiseren zonder dat gevoelige informatie naar derden gaat.

Waarom een specialist het verschil maakt

Een AI-integratie zelf in elkaar zetten is technisch best te doen. Maar "werkt op een demo" en "werkt veilig in productie" zijn twee heel andere dingen. De plekken waar het misgaat bij DIY-trajecten zien wij elke maand opnieuw:

• Hosting buiten de EU omdat het sneller leek — tot de eerste AVG-vraag binnenkomt.
• Prompts zonder validatie die kwetsbaar zijn voor prompt injection, waardoor een gebruiker via een ingelezen e-mail de AI kan laten doen wat hij niet zou mogen.
• Permissies op het niveau van "ingelogde gebruiker" in plaats van rol- of veldgebaseerd. Iedereen ziet alles — precies wat je niet wilde.
• Geen audit logging, waardoor je achteraf niet kunt reconstrueren wat er is gebeurd. Bij een incident is dat een groot probleem.
• Geen schaal-strategie — een prototype dat in productie razendsnel onhoudbaar duur wordt omdat elke vraag de helft van je database als context meestuurt.
• Vendor lock-in doordat de code zo strak tegen één provider is aangebouwd dat overstappen onbetaalbaar wordt zodra er een betere of goedkopere optie is.

Coding Agency bouwt al sinds 2012 maatwerk software in Laravel en zet sinds 2023 AI in op productieniveau. Wij kennen de architectuurpatronen die werken op schaal, weten welke AVG-randvoorwaarden in welke setup gelden en hebben de patronen voor permissies, logging en model-onafhankelijkheid al klaarliggen. Daardoor begin je niet bij nul — en kom je niet voor verrassingen te staan zes maanden nadat je AI live is gegaan.

Hoe wij beginnen

Een AI-maatwerktraject hoeft geen groot programma te zijn. De aanpak die wij het meest succesvol zien:

1. Vrijblijvend kennismakingsgesprek — wat speelt er, welke AI-tools worden nu gebruikt, waar zit de gevoeligheid en wat is de eerste meetbare waarde die je wilt realiseren?
2. Korte adviesfase — we kiezen de eerste use case, de architectuur (Azure OpenAI, AWS Bedrock, Claude API, self-hosted) en de juridische randvoorwaarden (DPA, EU-hosting, dataretentie).
3. Bouw van een eerste werkende oplossing — meestal in 4 tot 8 weken live, met SSO, permissies, audit logging en EU-hosting.
4. Uitrol en begeleiding — korte introductie voor medewerkers, beheerdocumentatie voor IT, en een werkbaar AI-beleid van één A4. Geen vijftig pagina's compliance-theater, wel een werkbare praktijk.
5. Doorontwikkeling — elke maand kleine uitbreidingen op basis van wat gebruikt wordt. Daarmee groeit de oplossing mee met de organisatie in plaats van bevroren in scope te raken.

In vrijwel alle gevallen kies je voor klein beginnen: één afgebakende use case waarvan je weet dat hij waarde oplevert, leren waar de meeste waarde zit, en daarna uitbreiden. Dat voorkomt het bekende AI-prestigeproject dat uiteindelijk niemand gebruikt en levert binnen weken een werkende oplossing op waar je mensen echt iets aan hebben.

De vraag is niet of jullie AI gebruiken — dat gebeurt al. De vraag is of dat ook binnen jullie eigen kaders gebeurt. En zo niet, hoe snel je dat kunt veranderen.

Tijd om de kraan dicht te draaien

Als je dit artikel leest en denkt "ik weet eigenlijk niet welke AI-tools onze mensen gebruiken, met welke data", dan is dat het belangrijkste signaal. AI gaat niet weg. Sterker: het gebruik groeit elke maand. Hoe langer je wacht met het inrichten van een veilige route, hoe meer bedrijfsdata buiten je controle komt te liggen.

De goede route is geen verbod — dat werkt averechts. De goede route is een veilig, AVG-compliant alternatief dat minstens zo prettig werkt als de tools die je mensen nu privé gebruiken. Een interne AI-chatbot, een AI-feature in jullie eigen software, een MCP-koppeling met de systemen die jullie al hebben. Maatwerk dat doet wat jullie nodig hebben, op infrastructuur die jullie controleren.

Wij denken graag mee over wat dat voor jullie zou betekenen. Geen verkooppraatje, gewoon een gesprek over wat er speelt en wat een eerste werkende oplossing zou kunnen zijn. Neem contact op voor een vrijblijvend kennismakingsgesprek — daarna weet je of een AI-maatwerktraject voor jullie de juiste route is.