Schaduw-AI: wat klanten hun MSP’s niet vertellen

Van MSP’s wordt verwacht dat zij de technologieomgevingen van hun klanten begrijpen. Ze weten welke eindpunten worden beheerd, welke applicaties bedrijfskritisch zijn, welke systemen patching of onderhoud vereisen, waar gevoelige gegevens zich bevinden en wie er toegang toe heeft. Vandaag worden cruciale technologische beslissingen echter steeds vaker genomen zonder dat de IT-afdeling of de MSP hierbij betrokken is.

In klantomgevingen kan dit vele vormen aannemen:

• Een marketingteam gebruikt een AI-ontwerpplatform om campagnebeelden te maken
• Een verkoopmedewerker verbindt een AI-assistent met een CRM om klantinteracties samen te vatten
• Een HR-manager uploadt een cv naar een openbare chatbot ter beoordeling
• Een ontwikkelaar gebruikt een AI-coderingsprogramma om problemen in de broncode van het bedrijf op te lossen

En elk geval kan plaatsvinden zonder dat de MSP het ooit zal weten.

Dat betekent niet noodzakelijk dat klanten opzettelijk informatie achterhouden. Het probleem is dat AI-gebruik in de praktijk sterk gedecentraliseerd is geworden. Medewerkers en afzonderlijke afdelingen hebben met weinig meer dan een browser, creditcard of OAuth-goedkeuring toegang tot krachtige tools in wat bekendstaat als schaduw-AI, waardoor nieuwe technologie een organisatie kan binnenkomen voordat IT-teams of serviceproviders er überhaupt van op de hoogte zijn. En dan hebben we het nog niet over het beoordelen hiervan.

Voor MSP’s creëert dat een direct probleem: u kunt een omgeving die u niet kunt zien, niet effectief beschermen – en u kunt niet verdedigen waarvan u niet weet dat het bestaat.

Hoe schaduw-AI beveiligingsrisico’s creëert voor MSP’s

Schaduw-IT vormt al jarenlang een uitdaging voor organisaties, doordat werknemers technologie blijven gebruiken die buiten de goedgekeurde IT-kanalen vallen. Schaduw-AI vergroot echter de potentiële blootstelling. Deze applicaties functioneren niet simpelweg naast bedrijfssystemen; ze kunnen interactie hebben met gevoelige bedrijfsgegevens, verbinding maken met bestaande platforms buiten hun oorspronkelijke bereik en taken uitvoeren waarbij ze steeds zelfstandiger te werk gaan.

Uit recent onderzoek blijkt hoe wijdverbreid dit gedrag inmiddels is geworden. Uit het Schaduw-AI-rapport van KPMG uit 2025 blijkt dat 44% van de ondervraagde werknemers in de VS bewust AI gebruikte op manieren die in strijd waren met het beleid of de richtlijnen van hun organisatie. De motivatie voor het gebruik van AI is niet per se kwaadwillig; deze wordt vaak ingegeven door gemak, snelheid en efficiëntie. In de hedendaagse werkcultuur worden juist diezelfde kwaliteiten steeds meer beloond, waarbij medewerkers worden aangemoedigd om repetitieve taken te automatiseren en tools in te zetten waarvan zij denken dat deze hen zullen helpen beter te presteren.

Maar de drang naar meer efficiëntie elimineert geen risico’s.

De echte zorg voor MSP’s is wat elke niet-herkende toepassing aan de omgeving toevoegt: nog een reeks verbindingen, machtigingen en mogelijke toegangswegen die buiten het vastgestelde toezicht om functioneren.

De verborgen toegang en machtigingen achter AI-tools

De beveiligingsimplicaties van het gebruik van AI zijn niet altijd duidelijk voor degene die de technologie toepast. Wat lijkt op een eenvoudige verbinding, kan machtigingen en toegang introduceren die veel verder reiken dan de directe taak.

Bedenk wat er gebeurt als een werknemer een AI-applicatie koppelt aan een bedrijfsplatform.

Voor de gebruiker kan het proces net zo eenvoudig zijn als klikken op de knop “Toestaan”. Achter die goedkeuring kan een reeks machtigingen schuilgaan om bestanden op te halen, toegang te krijgen tot contactpersonen, te communiceren met klantinformatie of verbinding te maken met andere applicaties.

Die verbindingen kunnen na de initiële interactie blijven bestaan, waardoor er toegang ontstaat waarvan de MSP mogelijk niet weet dat deze bestaat. Hoewel de MSP mogelijk nog steeds het eindpunt beheert, het account van de gebruiker beveiligt en de onderliggende bedrijfsapplicatie beschermt, is deze mogelijk niet op de hoogte van de tussenliggende verbinding.

Dat is waar AI het traditionele concept van schaduw-IT begint te hervormen. Het is niet langer onduidelijk welke applicatie wordt gebruikt. MSP’s moeten ook weten welke informatie een AI-service kan bereiken, welke exacte machtigingen eraan zijn verleend, welke aanmeldingsgegevens deze ondersteunen en of die toegang nog steeds nodig is.

De gevolgen van dit hiaat in het toezicht worden al zichtbaar. Uit het rapport over de kosten van datalekken uit 2025 van IBM bleek dat 63% van de ondervraagde gehackte organisaties geen AI-governancebeleid had of deze nog aan het ontwikkelen was. Van de organisaties met een vastgesteld beleid voerde slechts 34% regelmatig audits uit op niet-goedgekeurd AI-gebruik. Organisaties met een hoog niveau van schaduw-AI hadden bovendien te maken met de kosten voor inbreuken, die gemiddeld $ 670.000 hoger waren dan organisaties met minimaal of geen ongeoorloofd AI-gebruik.

Waarom MSP’s inzicht moeten hebben in AI-toegang

Voor MSP’s ligt de prioriteit niet bij het controleren of klanten AI gebruiken, maar in het begrijpen welke invloed dat gebruik heeft op de omgeving waarvan zij de beveiliging moeten waarborgen.

Teams gebruiken deze applicaties omdat ze concrete problemen oplossen en tijdrovende taken vereenvoudigen. Op organisatieniveau zijn er even sterke stimulansen om technologieën te onderzoeken die de productiviteit verhogen.

Een effectievere reactie begint met het herformuleren van de vragen die MSP’s stellen.

Het documenteren van de AI-toepassingen die een klant formeel heeft goedgekeurd, is een goed uitgangspunt, maar geeft slechts een gedeeltelijk beeld van de situatie. MSP’s moeten inzicht hebben in het volgende:

• Welke AI-diensten werknemers daadwerkelijk gebruiken
• Welke zakelijke applicaties en gegevens die services kunnen bereiken
• Welke OAuth-machtigingen zijn verleend
• Welke API-sleutels of serviceaccounts die verbindingen mogelijk maken
• Welke acties die tools kunnen ondernemen zodra ze verbonden zijn

Belangrijker nog: hoe ver reikt die toegang en gaat deze verder dan wat daadwerkelijk vereist is?

Deze vragen verleggen de discussie van het definiëren van beleid naar het beoordelen van praktisch risico. Zelfs goedgekeurd AI-gebruik kan hiaten creëren:

• Een AI-assistent die is verbonden met een CRM kan toegang krijgen tot klantgegevens die verder gaat dan nodig is om de beoogde taak uit te voeren.
• Dezelfde AI-service kan voor de ene afdeling worden beperkt tot goedgekeurde gegevensbronnen, maar door een andere afdeling ruimere toegang krijgen.
• Toegang die voor een tijdelijk project is verleend, kan nog lange tijd na afloop van het werk actief blijven.

Alleen goedkeuring biedt geen garantie voor geschikte toegang.

Om deze veranderingen bij te houden, is meer nodig dan een eenmalige inventarisatie. Er verschijnen voortdurend nieuwe applicaties, bestaande SaaS-leveranciers blijven AI-mogelijkheden toevoegen, terwijl autonome agents taken uitvoeren die tot voor kort directe menselijke tussenkomst vereisten. Het monitoren van deze activiteit zou een standaardpraktijk moeten zijn bij beveiligingsbeoordelingen van MSP’s en doorlopende gesprekken met klanten.

De groeiende focus van de sector op AI-discovery weerspiegelt de urgentie van die behoefte. Er worden steeds meer specifieke beveiligingsfuncties ontwikkeld om generatieve AI-toepassingen te identificeren die zonder goedkeuring van de IT-afdeling worden gebruikt, gebruikspatronen te analyseren, de risico’s van deze toepassingen te beoordelen en mogelijke blootstelling van gegevens te monitoren. Voor kleinere organisaties die intern niet over vergelijkbare middelen beschikken, biedt dit een gebied waarop MSP’s waardevolle inzichten en begeleiding kunnen bieden. AI-discovery wordt snel een essentieel onderdeel van het behouden van zichtbaarheid in klantomgevingen.

Beheerders kunnen gebruikspatronen bekijken, ongeoorloofde applicaties identificeren, applicatierisico’s beoordelen, toegangsrechten evalueren en mogelijke blootstelling van gegevens monitoren. Deze functionaliteiten kunnen AI-activiteit onthullen die anders mogelijk buiten traditioneel IT-toezicht zou blijven.

Voor MSP’s wordt AI-discovery al snel een essentieel onderdeel van het behouden van zichtbaarheid in klantomgevingen.

Hoe MSP’s AI-governance met klanten kunnen verbeteren

Voor de meeste organisaties is het dichten van deze kloof niet simpelweg een technische uitdaging, maar een communicatie-uitdaging.

De kloof wordt vaak groter wanneer werknemers niet inzien welke AI-gerelateerde beslissingen beveiligingsimplicaties met zich meebrengen of of de betrokkenheid van de MSP vereisen. Wat in eerste instantie misschien een eenvoudige applicatie, integratie of afdelingsaankoop lijkt, kan nieuwe machtigingen, aanmeldingsgegevens en toegangsvereisten introduceren die veel verder gaan dan het beoogde gebruik.

Voor MSP’s begint sterkere AI-governance met het stellen van duidelijke verwachtingen over wanneer en hoe klanten AI-gerelateerde wijzigingen communiceren. Die gesprekken moeten ingaan op vragen zoals:

• Welke nieuwe AI-tools testen teams uit en zijn deze goedgekeurd voor zakelijk gebruik?
• Hebben afdelingen de AI-tools rechtstreeks gekoppeld aan gevoelige systemen of bedrijfskritieke applicaties?
• Welke bedrijfs-, klant- of andere gevoelige gegevens worden met deze tools gedeeld en waar gaan die gegevens naartoe zodra ze zijn ingediend?
• Wie is de eigenaar van elke AI-integratie en is verantwoordelijk voor het beheren van de toegang ertoe na verloop van tijd?
• Zijn machtigingen uitgebreid of gewijzigd sinds de tool werd geïntroduceerd?
• Zijn eerder goedgekeurde integraties nog steeds noodzakelijk of blijft de toegang bestaan nadat de oorspronkelijke zakelijke behoefte is verstreken?

Door deze discussies te initiëren en actief te houden naarmate klantomgevingen veranderen, kunnen MSP’s AI-activiteit aan het licht brengen voordat dit een extra onbeheerde laag toevoegt aan de omgeving. Wat nog belangrijker is, is dat MSP’s hun klanten kunnen helpen om snel aan de slag te gaan met AI, zonder dat de toegang, de machtigingen en het toezicht daarbij achterblijven.

Het doel is eenvoudig: MSP’s hebben realtime inzicht nodig in AI-installaties voordat deze tools toegang hebben tot bedrijfsgegevens of -systemen.

Hoe MSP’s AI-toegang in klantomgevingen kunnen beveiligen

Het ontdekken van voorheen onbekend AI-gebruik lost slechts een deel van het probleem op. Zodra die activiteit in beeld komt, hebben MSP’s een consistente manier nodig om deze in elke klantomgeving onder controle te krijgen.

AI-assistenten, integraties en agenten zijn uiteindelijk afhankelijk van aanmeldingsgegevens, machtigingen en verbindingen met bedrijfssystemen. Die paden moeten worden beveiligd, de privileges moeten worden beperkt tot wat nodig is en de rechten moeten worden aangepast naarmate de vereisten veranderen. Voor MSP’s die op grote schaal opereren, bestaat de uitdaging erin deze principes consequent toe te passen bij meerdere klanten, naarmate hun omgevingen zich verder ontwikkelen.

Keeper biedt MSP’s een uniform platform om dat te doen. Door de beveiliging van aanmeldingsgegevens, geprivilegieerde toegang, geheimenbeheer en eindpuntprivilegebeheer te consolideren binnen een zero-trust, zero-knowledge architectuur, helpt Keeper MSP’s om menselijke en machine-identiteiten op schaal te beheren, zonder daarbij nog een losstaande laag toe te voegen aan de beveiligingsstack.

Het meest verstrekkende AI-risico komt mogelijk niet voort uit de applicaties die een MSP al beheert.

Dit risico kan komen van degenen die niemand dacht te noemen.

Ontdek het Keeper MSP-partnerprogramma en ontdek hoe Keeper ervoor zorgt dat MSP’s de hiaten in de AI-zichtbaarheid binnen de omgevingen van hun klanten kunnen dichten.