Vandaag de dag kan AI teksten schrijven, data analyseren en vergaderingen samenvatten. Morgen zal het beslissingen nemen, workflows goedkeuren en direct ingrijpen in de bedrijfssystemen. Voor veel organisaties is de grootste uitdaging met AI niet langer welk model te gebruiken, maar welke infrastructuur bepaalt wat het model daadwerkelijk mag doen.
Generatieve AI is de afgelopen jaren geëvolueerd van een experiment tot een vanzelfsprekend instrument in veel bedrijven. Microsoft Copilot, ChatGPT Enterprise, Google Gemini, Salesforce Agentforce en andere AI-platformen worden gebruikt. Het is al de bedoeling om alles te stroomlijnen, van klantenservice en marketing tot softwareontwikkeling en financiële administratie.
De bedrijven staan nu voor de volgende grote stap.
AI evolueert snel van een digitale assistent naar een autonome actor die taken zelfstandig kan uitvoeren. Deze ontwikkeling, vaak aangeduid als agentische AI, betekent dat AI niet alleen vragen kan beantwoorden, maar ook kan plannen, prioriteren, tools gebruiken en werkstappen kan uitvoeren binnen de bedrijfsvoering.
Voor bedrijfsmanagement betekent dit de mogelijkheid om aanzienlijk meer te automatiseren dan voorheen. Maar het betekent ook dat er een compleet nieuwe technische vraag op de agenda staat: waar in de architectuur bevindt zich de controle over de acties van AI-agenten?
Echt concurrentievoordeel draait niet langer om wie de meest geavanceerde technologie heeft. Het AI-model. Het gaat erom wie de infrastructuur heeft om AI op een veilige, transparante en gecontroleerde manier te laten functioneren. Dit wordt genoemd AI-actieautoriteit.
AI krijgt nieuwe mogelijkheden.
Stel je het volgende scenario voor.
Een AI-agent wordt ingezet om de financiële afdeling te helpen bij de voorbereiding van de financiële overzichten van de maand.
Binnen enkele seconden haalt het informatie op van het ERP-systeem van het bedrijf, vergelijk de cijfers met het CRM-platform., Hij analyseert facturen van leveranciers, identificeert afwijkingen, stuurt vragen door naar de verantwoordelijke managers en stelt een rapport op voor de CFO.
Technisch gezien is dit al mogelijk.
De volgende stap is dat AI niet alleen acties aanbeveelt, maar ze ook uitvoert.
Het kan gebruikersaccounts aanmaken, klantgegevens bijwerken, aankopen initiëren, workflows starten of communiceren met andere AI-agenten zonder dat een mens elke stap hoeft goed te keuren.
Op dat moment ontbreekt een cruciaal onderdeel in de meeste IT-omgevingen: een controlelaag die bepaalt of elke individuele AI-actie moet worden goedgekeurd, gepauzeerd, beoordeeld of geblokkeerd voordat deze wordt uitgevoerd.
De vraag is niet langer of AI beslissingen kan nemen.
De vraag is welke infrastructuur bepaalt welke beslissingen zij mag nemen.
Waarom beleid en traditioneel bestuur niet langer volstaan
Databeheer draait al jaren voornamelijk om datakwaliteit, informatieclassificatie en naleving van wet- en regelgeving.
Organisaties hebben datawarehouses gebouwd, informatie gecatalogiseerd en het eigenaarschap van bedrijfskritische gegevens vastgelegd. Veel organisaties hebben ook AI-beleid ontwikkeld waarin wordt beschreven hoe de technologie mag worden gebruikt.
Dat werk is nog steeds cruciaal.
Maar een beleidsdocument kan een AI-agent niet in realtime tegenhouden.
Wanneer AI in bedrijfssystemen wordt ingezet, veranderen de omstandigheden fundamenteel. Als klantgegevens onjuist zijn, trekt AI verkeerde conclusies. Als autorisatiemodellen onduidelijk zijn, kan AI toegang krijgen tot informatie die het nooit had mogen zien. Als er geen auditsporen zijn, wordt het moeilijk te achterhalen waarom een bepaalde actie is ondernomen.
Het verschil met voorheen is dat de gevolgen niet langer beperkt blijven tot een onjuiste melding. Ze manifesteren zich direct in de bedrijfsvoering, in de vorm van voltooide transacties, gewijzigde machtigingen of gestarte processen.
Dit betekent dat de controle over AI-acties verschuift van een administratieve discipline naar een kwestie van technische infrastructuur.
AI heeft dezelfde controlestructuur nodig als mensen, maar dan met de snelheid van een machine.
Een menselijke medewerker heeft doorgaans geen onbeperkte toegang tot de systemen van een bedrijf.
Toegangsrechten worden bepaald door rol, verantwoordelijkheid en bedrijfsbehoeften. Acties worden geregistreerd. Gevoelige beslissingen vereisen goedkeuring.
Hetzelfde principe moet ook gelden voor AI.
Een AI-agent mag niet meer informatie kunnen lezen dan de gebruiker die de taak initieert mag inzien. Evenmin mag de agent acties uitvoeren waarvoor de gebruiker zelf geen bevoegdheid heeft.
Het klinkt misschien vanzelfsprekend, maar in de praktijk is het veel ingewikkelder.
Menselijke handelingen verlopen in een menselijk tempo en kunnen worden beoordeeld door collega's en managers. AI-agenten kunnen honderden handelingen per minuut uitvoeren, gelijktijdig op meerdere systemen. Geen enkel handmatig goedkeuringsproces ter wereld kan dat tempo bijhouden.
Daarom moet de controle geautomatiseerd worden en als een eigen infrastructuurlaag worden ingebouwd: een instantie tussen het AI-model en de bedrijfssystemen die de identiteit in realtime verifieert, de autorisatie controleert, beleid toepast en elke actie registreert voordat deze in productie wordt genomen.
Het verborgen risico schuilt tussen de systemen.
Veel bedrijven hebben aanzienlijke middelen geïnvesteerd in cyberbeveiliging.
Firewalls, identiteitsbeheer en endpointbeveiliging zijn standaard geworden.
Maar AI introduceert een nieuw soort risico.
Het probleem zit hem zelden in het taalmodel zelf. Het probleem ontstaat wanneer het model de mogelijkheid krijgt om gelijktijdig in verschillende systemen te functioneren.
Een AI-agent met toegang tot Microsoft 365, SAP, Salesforce, ServiceNow en interne databases wordt al snel een zeer krachtige gebruiker. Elke integratie is vaak afzonderlijk beveiligd, maar er is zelden een component die het grotere geheel overziet en de algehele impact van een reeks acties kan inschatten.
Precies daar hoort een Action Authority-laag thuis in de architectuur: niet binnen één enkele applicatie, maar tussen de AI-modellen en de systemen waar de acties daadwerkelijk impact hebben.
Als die laag ontbreekt, kunnen de gevolgen verstrekkend zijn. Het gaat niet alleen om informatiebeveiliging, maar ook om operationele risico's.
Van AI-projecten tot AI-infrastructuur
De afgelopen twee jaar hebben veel organisaties zich gericht op het testen van AI.
Er zijn pilotprojecten uitgevoerd op het gebied van personeelszaken, marketing, klantenservice en ontwikkeling.
De volgende fase draait niet om meer pilotprojecten. Het gaat erom de infrastructuur op te bouwen die de overgang van pilot naar operationele fase mogelijk maakt.
Naarmate AI een integraal onderdeel wordt van de kernprocessen van bedrijven, moet elke actie die een AI-agent wil uitvoeren dezelfde controles doorstaan als die welke gelden voor mensen en bedrijfssystemen. In de praktijk betekent dit een infrastructuurlaag die het volgende afhandelt:
- geverifieerde identiteit voor elke AI-agent
- Toegang op basis van beleid en realtime machtigingen
- Het goedkeuren, pauzeren of blokkeren van acties voordat ze worden uitgevoerd.
- Continue registratie van elke actie en de bijbehorende gegevens.
- Traceerbaarheid en versiebeheer gedurende de gehele besluitvormingsketen.
- risicobeoordeling en continue monitoring
Voor CIO's en CISO's betekent dit dat AI Action Authority een even natuurlijk onderdeel van de architectuur wordt als identiteitsbeheer en netwerkbeveiliging dat nu al zijn.
Regelgeving stimuleert ontwikkeling
Tegelijkertijd nemen de wettelijke eisen toe.
De EU-wetgeving inzake kunstmatige intelligentie (AI) stelt een gemeenschappelijk kader vast voor de ontwikkeling en het gebruik van AI binnen de Unie. Tegelijkertijd worden de eisen aangescherpt door NIS2, DORA, GDPR en andere regelgeving die van invloed zijn op de manier waarop organisaties informatie beschermen en beslissingen documenteren.
Wat ze allemaal gemeen hebben, is dat ze gebaseerd zijn op transparantie, verantwoordelijkheid en traceerbaarheid.
Organisaties moeten kunnen aantonen:
- welke informatie AI heeft gebruikt
- waarom er actie werd ondernomen
- wie is verantwoordelijk voor de beslissing
- welke regels werden toegepast
- hoe het proces achteraf kan worden geëvalueerd
Deze vragen kunnen niet worden beantwoord met een beleidsdocument in een map. De antwoorden moeten kunnen worden achterhaald vanuit de infrastructuur, via logbestanden, beslissingspunten en beleidsengines die actief waren toen de actie werd uitgevoerd.
Voor veel bedrijven zal dit aanzienlijk moeilijker zijn dan het implementeren van de AI-technologie zelf.
Controle-infrastructuur wordt een concurrentievoordeel.
Historisch gezien werden controle en bestuur vaak gezien als iets dat innovatie afremt.
Die opvatting verandert.
Organisaties die een infrastructuur hebben opgebouwd om AI-acties te controleren, zullen AI sneller kunnen implementeren dan hun concurrenten.
De reden is simpel.
Ze durven meer werkstappen te automatiseren. Ze kunnen AI een grotere rol geven zonder het risico te vergroten. En ze kunnen klanten, partners en autoriteiten precies laten zien hoe de maatregelen worden gecontroleerd.
Vertrouwen wordt zo een strategische troef, en de infrastructuur die aan dat vertrouwen ten grondslag ligt, wordt een concurrentievoordeel.
Van beleid naar technische realiteit
Veel organisaties hebben al beleid met betrekking tot kunstmatige intelligentie.
Maar een document alleen is niet genoeg als AI de kans krijgt om te handelen.
Controle moet in de infrastructuur worden ingebouwd.
Het gaat erom te garanderen dat elke AI-agent een geverifieerde identiteit, gedefinieerde machtigingen en volledige traceerbaarheid heeft gedurende het gehele besluitvormingsproces, en dat er een technische autoriteit is die elke actie kan goedkeuren, pauzeren, beoordelen of blokkeren voordat deze van invloed is op gegevens, systemen of processen.
Net als menselijke gebruikers moet AI worden geauthenticeerd, geautoriseerd en gecontroleerd. Het verschil is dat dit voor AI automatisch, in realtime en bij elke afzonderlijke actie moet gebeuren.
Alleen dan kunnen organisaties een veilige basis leggen voor grootschalige AI.
VORTIQ-X ziet een groeiende behoefte aan besturingsinfrastructuur.
Deze ontwikkeling is ook merkbaar bij bedrijven die werken met AI Action Authority en identiteitsbeheer.
Volgens VORTIQ-X De vraag naar infrastructuur die AI Action Authority, databeheer en veilig identiteitsbeheer combineert, neemt toe naarmate bedrijven overstappen van AI-pilots naar bedrijfskritische implementaties.
Het doel is niet om AI te beperken.
Het doel is om organisaties een technische basis te bieden voor het gebruik van AI met dezelfde mate van controle, verantwoording en transparantie als bij menselijke gebruikers.
Dit betekent dat AI-toegangsrechten gekoppeld zijn aan vastgestelde identiteitsmodellen, dat elke actie wordt geverifieerd voordat deze wordt uitgevoerd, dat alles wordt geregistreerd en dat beslissingen achteraf kunnen worden herzien.
Voor bedrijven in sectoren zoals financiën, de publieke sector, de gezondheidszorg en kritieke infrastructuur, kan dit een essentiële voorwaarde zijn om AI op een verantwoorde manier te kunnen opschalen.
VEKTRAL laat zien dat controle en efficiëntie geen tegenstrijdigheden zijn.
Een veelgehoord tegenargument tegen besturingsinfrastructuur is dat het AI trager en duurder zou maken. De eigen resultaten van VORTIQ-X met de VEKTRAL-intelligentielaag wijzen echter in de tegenovergestelde richting.
VEKTRAL fungeert als een intelligentielaag die bepaalt hoeveel AI-redenering een query daadwerkelijk vereist. Eenvoudige en routinematige queries worden via een lichtgewicht pad afgehandeld, terwijl complexe queries worden doorgestuurd naar een diepere redenering met behulp van meerdere modellen. Autoriteits- en beveiligingsgrenzen blijven vaststaan, ongeacht het pad.
De resultaten van tests op echte bedrijfsinfrastructuren spreken voor zich:
- 82 procent minder modeloproepen
- 83 procent minder tokens
- 56 procent lager GPU-stroomverbruik
- snellere mediane reactietijd, 1,55 seconden vergeleken met 1,88 seconden
Dit werd bereikt met dezelfde geverifieerde kwaliteitsdrempel, met echte modellen op een echte infrastructuur en zonder synthetische aanroepen. De AI voegt alleen extra rekenkracht toe wanneer dat echt nodig is.
De cijfers zijn afkomstig uit een omgeving met acht actieve AI-lanes op HPE bare-metal en SUSE RKE2, vijf modelvarianten, 800 onafhankelijk geverifieerde evaluatiegevallen en 9.369 uitgevoerde live modelaanroepen. Gedurende de gehele test werden geen ongeautoriseerde acties geregistreerd en werden er geen ruwe prompts of uitvoergegevens opgeslagen in het draagbare bewijsmateriaal.
De kernboodschap voor bedrijfsleiders is simpel. Een goed opgezette controle-infrastructuur vertraagt AI niet. Het helpt de organisatie juist te bepalen wanneer meer AI-redenering de kosten waard is en wanneer een eenvoudigere aanpak volstaat.
Vijf vragen die elke CIO zou moeten stellen voordat AI-agenten meer bevoegdheden krijgen.
Naarmate AI steeds meer geïntegreerd raakt in bedrijfskritische systemen, moet het management in staat zijn om een aantal fundamentele vragen te beantwoorden:
- Weten we precies tot welke systemen onze AI-agenten toegang hebben?
- Zijn de rechten van AI beperkt tot hetzelfde niveau als die van een menselijke gebruiker?
- Kunnen we achteraf zien welke acties de AI allemaal heeft ondernomen en welke gegevens daarbij zijn gebruikt?
- Bestaat er een technische controlelaag die kan voorkomen dat AI acties uitvoert die buiten het vastgestelde beleid vallen, voordat deze acties worden uitgevoerd?
- Is onze AI-infrastructuur aangepast aan de aanstaande EU-regelgeving en onze interne beveiligingsvereisten?
Als het antwoord op een van deze vragen nee is, dan ontbreekt waarschijnlijk een deel van de infrastructuur van Action Authority die nodig is voordat AI meer operationele verantwoordelijkheid krijgt.
De toekomst van AI draait om vertrouwen.
Het debat rond kunstmatige intelligentie draait al lange tijd om modellen, prestaties en productiviteit.
De komende jaren zal de focus verschuiven.
De belangrijkste vraag zal niet zijn hoe intelligent AI is.
De belangrijkste vraag is welke infrastructuur bepaalt wat er wel en niet mag gebeuren.
Bedrijven die investeren in AI Action Authority, helder databeheer en modern identiteitsbeheer zullen aanzienlijk beter in staat zijn om de mogelijkheden van AI te benutten zonder concessies te doen aan veiligheid, transparantie of naleving van regelgeving.
Wanneer AI niet langer mensen assisteert, maar namens hen handelt, ondersteunt de controle-infrastructuur de bedrijfsvoering niet langer.
Het zal de basis vormen voor de digitale bedrijven van de toekomst.
Over VORTIQ-X
VORTIQ-X Consilium is een AI-bedrijf met Zweeds intellectueel eigendom dat een AI Action Authority-platform ontwikkelt. Dit platform is ontworpen om organisaties controle te geven over AI-gestuurde acties voordat deze van invloed zijn op data, bedrijfssystemen, infrastructuur of bedrijfskritische processen.
Het platform fungeert als een controlelaag tussen AI-modellen en de echte wereld door te verifiëren of een AI-actie moet worden goedgekeurd, gepauzeerd, beoordeeld of geblokkeerd voordat deze wordt uitgevoerd. De oplossing is ontworpen voor bedrijven met hoge eisen aan beveiliging, transparantie, compliance en ultieme controle over AI, en kan worden geïmplementeerd in door de klant beheerde omgevingen, waaronder privé-, on-premises- en air-gapped-installaties.
De focus ligt op AI Action Authority, AI-governance, cybersecurity, identiteitsbeheer, databeheer en traceerbaarheid voor bedrijven in kritieke infrastructuur, de financiële sector, de publieke sector en andere gereguleerde sectoren.
Lees meer over VORTIQ-X: https://vortiqxconsilium.com/alpha-firewall
Swedish
Danish
Norwegian
Finnish
English
German
Dutch