AI valt nu binnen de reikwijdte: privacy-by-design onder NIS2
Raakt een AI-systeem je kritieke processen of persoonsgegevens, dan verwachten NIS2 en de AVG governance — by design, niet achteraf.
Een middelgroot energiebedrijf rolt een AI-tool uit die onderhoudsvensters voorspelt op basis van operationele data. Het werkt zo goed dat de tool binnen enkele maanden ook personeelsroosters, aannemersgegevens en verbruiksprofielen van klanten verwerkt. Niemand deed een privacytoets; de tool groeide van pilot naar kritieke infrastructuur zonder ooit door governance te gaan. Als de NIS2-audit komt, kan het bedrijf basale vragen niet beantwoorden: welke data bevat het model, wie heeft toegang, en hoe zou het na een incident hersteld worden?
Dit patroon — AI die sneller wordt geadopteerd dan bestuurd — is inmiddels een complianceprobleem, niet alleen een hygiënekwestie. NIS2 verplicht entiteiten binnen de reikwijdte om risico's over hun netwerk- en informatiesystemen te beheersen, en AI-systemen die operationele of persoonsgegevens verwerken zijn precies dat. De AVG voegt gegevensbescherming door ontwerp toe als staande wettelijke plicht.
De misvatting om te corrigeren: AI-governance is iets om te formaliseren "zodra de AI Act is uitgekristalliseerd". NIS2 en de AVG gelden vandaag al voor je AI-systemen.
Wat Betekent Privacy-by-design Voor AI-systemen?
Privacy-by-design is het principe — vastgelegd in artikel 25 AVG — dat gegevensbescherming vanaf het begin in systemen moet worden geëngineerd in plaats van achteraf toegevoegd. Toegepast op AI vertaalt het zich naar concrete ontwerpkeuzes vóór ingebruikname.
De Ontwerpkeuzes Die Ertoe Doen
Dataminimalisatie. Train en opereer op zo min mogelijk persoonsgegevens als het doel toelaat, en anonimiseer of pseudonimiseer waar mogelijk.
Doelbinding. Voorkom scope creep door vast te leggen wat het model mag verwerken — de pilot die stilletjes HR-data opslokte is een governancefout, geen ongeluk.
Toegangscontrole. Behandel modelinput, -output en trainingsdata als gevoelige assets met least-privilege-toegang.
Transparantie en traceerbaarheid. Documenteer datastromen en trainingsdatasets zodat vragen van toezichthouders en betrokkenen daadwerkelijk te beantwoorden zijn.
Geldt NIS2 Echt Voor AI-implementaties?
Ja. NIS2 benoemt AI niet als aparte categorie — dat hoeft ook niet. De NIS2-richtlijn verplicht essentiële en belangrijke entiteiten tot risicobeheersmaatregelen voor alle netwerk- en informatiesystemen die hun kritieke diensten ondersteunen. Een AI-systeem dat onderhoud plant, transacties screent of klinische beslissingen ondersteunt, is zo'n systeem — en erft het volledige pakket verplichtingen: risicoanalyse, ketenbeveiliging (inclusief de AI-leverancier en zijn API's), incidentafhandeling, bedrijfscontinuïteit en back-upbeheer.
Bestuurdersverantwoordelijkheid geldt ook: NIS2 legt de verantwoordelijkheid voor deze maatregelen op bestuursniveau, met persoonlijke aansprakelijkheid bij ernstige nalatigheid. "Het datascience-team regelt dat" is geen governance-antwoord dat een toezichthouder accepteert.
De Risico's Van Onbestuurde AI
Onbestuurde AI bundelt drie risicofamilies. Beveiliging: AI-systemen vergroten het aanvalsoppervlak — trainingsdata kan worden vergiftigd, modellen gemanipuleerd via gerichte input en integraties misbruikt; het framework voor goede AI-cybersecuritypraktijken van ENISA beschrijft juist daarom maatregelen over de hele AI-levenscyclus, omdat conventionele controls niet automatisch overdraagbaar zijn. Privacy: modellen getraind op overtollige persoonsgegevens creëren AVG-risico dat lastig terug te draaien is — een persoon "verwijderen" uit een getraind model is niet eenvoudig, met boetes tot 4% van de wereldwijde omzet bij ernstige overtredingen. Continuïteit: als kritieke processen op AI leunen, worden model, configuratie en datapijplijnen assets die je moet kunnen herstellen — en de meeste organisaties hebben daar helemaal geen RTO/RPO voor gedefinieerd.
Dat laatste gat wordt het vaakst over het hoofd gezien. Een AI-afhankelijk proces zonder geteste recovery is een single point of failure met een innovatiebadge — en daarom horen AI-assets vanaf dag één binnen je data security- en back-upperimeter.
Compliant AI-governance Opbouwen: Een Stappenplan in Vijf Stappen
Inventariseer je AI-landschap. Benoem elk AI-systeem in gebruik — inclusief ingebedde AI in SaaS-tools en schaduwimplementaties — en leg vast welke data elk raakt en welk bedrijfsproces ervan afhangt.
Voer privacytoetsen uit. Doe een DPIA voor elk AI-systeem dat persoonsgegevens verwerkt, met vastlegging van grondslag, minimalisatiekeuzes en waarborgen. Dit is zowel een AVG-plicht als je eerste stuk auditbewijs.
Bouw de waarborgen in. Pas dataminimalisatie, pseudonimisering, versleuteling in rust en onderweg, en least-privilege-toegang toe op trainingsdata, modellen en output — onder EU-jurisdictie waar soevereiniteit telt.
Trek recovery door naar AI-assets. Definieer RTO/RPO voor AI-afhankelijke processen en neem modellen, configuraties en datapijplijnen op in immutable back-ups met een getest disaster recovery-pad — een onbestuurde afhankelijkheid is erg, een onherstelbare erger.
Wijs eigenaarschap toe en oefen. Geef elk AI-systeem een benoemde eigenaar, neem AI-incidenten op in je responsrunbooks en oefen het scenario jaarlijks — inclusief de ransomwarevariant waarin aanvallers de data targeten waar je modellen op leunen, het geval waarvoor ransomwarebescherming met geïsoleerde kopieën is gebouwd.
Beleid Versus Bewijs: Wat Auditors Werkelijk Controleren
| Governance-artefact | Beleidsversie (zwak) | Bewijsversie (sterk) |
|---|---|---|
| Privacytoets | "We volgen AVG-principes" | Afgeronde DPIA's per AI-systeem, jaarlijks herzien |
| Toegangscontrole | "Toegang is beperkt" | Toegangslogs voor trainingsdata en modelendpoints |
| Datastromen | Architectuurplaatje uit de pilot | Actuele, geversioneerde datastroomdocumentatie |
| Recovery | "Back-ups zijn geregeld" | Hersteltestrapporten voor AI-afhankelijke processen met gemeten RTO |
Het patroon is consistent: NIS2-toezicht en AVG-verantwoordingsplicht belonen organisaties die hun maatregelen kunnen tonen in werking, niet beschrijven. Het bewijsspoor inbouwen in de normale operatie — toetsen gearchiveerd, logs bewaard, restores getest en gedocumenteerd — kost veel minder dan het achteraf reconstrueren onder auditdruk.
Conclusie
AI-systemen horen inmiddels bij de infrastructuur die toezichthouders bestuurd verwachten: NIS2 trekt ze het risicobeheer en de bestuurdersverantwoordelijkheid in, de AVG eist bescherming door ontwerp, en beide willen bewijs boven beloften. Het praktische pad is onspectaculair en effectief — inventariseren, toetsen, waarborgen inbouwen, back-up en recovery doortrekken naar AI-assets, en de faalscenario's oefenen. Wil je toetsen of jouw AI-afhankelijke processen een incident én een audit zouden overleven? We helpen je graag beide te beoordelen.
Veelgestelde Vragen
Valt AI onder NIS2?
Ja. NIS2 vereist dat essentiële en belangrijke entiteiten risicobeheersmaatregelen treffen voor alle netwerk- en informatiesystemen die hun diensten ondersteunen, en AI-systemen die operationele of persoonsgegevens verwerken vallen daaronder. De verplichtingen omvatten risicoanalyse, ketenbeveiliging voor AI-leveranciers, incidentafhandeling, bedrijfscontinuïteit en back-upbeheer. Bestuursorganen dragen persoonlijke verantwoordelijkheid, dus AI-governance kan niet informeel bij technische teams worden belegd.
Wat is privacy-by-design in de context van AI?
Privacy-by-design betekent gegevensbescherming vanaf het begin in AI-systemen engineeren in plaats van achteraf toevoegen: de persoonsgegevens voor training en gebruik minimaliseren, pseudonimiseren waar mogelijk, least-privilege-toegang tot modellen en datasets afdwingen en datastromen documenteren voor traceerbaarheid. Het is onder artikel 25 AVG een wettelijke eis voor systemen die persoonsgegevens verwerken. Deze waarborgen achteraf inbouwen is duurder en levert zwakker auditbewijs op.
Welk bewijs verwachten toezichthouders voor AI-governance?
Toezichthouders zoeken aantoonbaar werkende maatregelen: afgeronde privacytoetsen (DPIA's) per AI-systeem, toegangslogs voor trainingsdata en modelendpoints, actuele datastroomdocumentatie, incidentresponsprocedures die AI-scenario's dekken, en hersteltestrapporten die bewijzen dat AI-afhankelijke processen binnen gedefinieerde doelen te herstellen zijn. Geschreven beleid alleen volstaat niet — zowel NIS2-toezicht als AVG-verantwoordingsplicht draait om bewijs dat maatregelen daadwerkelijk draaien.