Beroepsgeheim in de AI-praktijk is een ontwerpvraag geworden

Je bent nu verplicht aan te tonen dat vertrouwelijke gegevens in AI-systemen technisch gescheiden blijven van publieke interfaces, via contracten en architectuur die controleerbaar zijn, niet alleen via voorzichtigheid in het gebruik.

De verschuiving in de praktijk is scherp. Een analyse van 28 augustus 2026 van beroepsgeheim als architectuurkeuze in AI-workflows stelt dat vertrouwelijkheid niet langer alleen een kwestie van voorzichtige omgang met dossiers is, maar van hoe je systemen technisch en organisatorisch inricht. De analyse gebruikt de aanbevelingen van de Council of Bars and Law Societies of Europe voor advocaten en de gezamenlijke verkenning van CNIL en Conseil de l'IA et du Numérique over agentische AI als concrete voorbeelden. In onze beoordeling betekent dit dat je per AI-tool moet kunnen aantonen welke dataflows, contracten, opslaglocaties en verificatieprocessen je hebt ingericht — en dat die aantoning niet optioneel is, maar een verplichting die je professionele aansprakelijkheid raakt.

Wat eist het beroepsgeheim van je AI-architectuur?

De CCBE koppelt AI-gebruik door advocaten expliciet aan naleving van het beroepsgeheim. Je mag geen persoonlijke, vertrouwelijke of cliëntgerelateerde data in generatieve AI-interfaces invoeren zonder passende technische en organisatorische waarborgen. Dit betekent dat je per AI-tool moet analyseren waar cliëntinformatie terechtkomt, welke contracten die beweging regelen, hoe lang data daar blijft, of het systeem daarvan leert, en hoe je controleert wat het systeem uitvoert.

De praktische consequentie: beroepsgeheim wordt een ontwerpeis. Je moet kunnen aantonen dat vertrouwelijke gegevens wel en niet bepaalde systemen bereiken, welke menselijke controlepunten dat borgen, en hoe je output van AI-systemen valideert voordat die het dossier binnenkomt. Voorzichtige prompts volstaan niet. Architectuur, contracten en traceerbare workflows zijn het middel.

Welke risico's ontstaan bij agentische AI en geheugen?

Agentische systemen met persistente geheugen introduceren een nieuw risico. Complexe datastromen en geheugenlagen maken het voor betrokkenen moeilijk te begrijpen welke agent welke data heeft verzameld, waar die worden bewaard en aan wie ze zijn doorgegeven. Je verliest zicht op de controle.

De CNIL en CIANum raden daarom aan:

• Geheugensegmentatie per agent — elke agent krijgt een eigen, beperkte en automatisch expirerende geheugenruimte.
• Sandboxing — agenten werken in geïsoleerde omgevingen zonder directe toegang tot andere systemen of data.
• Taakgebaseerde traceerbaarheid — je kunt per taak zien welke data zijn gebruikt en welke agenten hebben ingegrepen.
• Expliciete validatiepunten — hoog-risico-handelingen met persoonsgegevens vereisen menselijke goedkeuring voordat ze worden uitgevoerd.
• Kill-switch-mechanismen — je kunt agenten onmiddellijk stoppen en hun geheugen wissen.
• Dataminimalisatie per workflow — agenten krijgen alleen de data die ze nodig hebben voor hun taak.

Welke controles moet je kunnen aantonen?

De verplichting is niet abstract. Je moet kunnen bewijzen dat je deze maatregelen hebt ingericht en onderhouden:

1. Documenteer welke AI-tool elke workflow gebruikt en welke data daarnaartoe stroomt — zet vast welke cliëntgegevens, patiëntgegevens of andere vertrouwelijke informatie elk systeem mag zien.
2. Verifieer dat gevoelige data niet in trainingsgegevens van het AI-systeem terechtkomen — controleer contracten en technische instellingen.
3. Implementeer menselijke validatiepunten voordat AI-output het dossier binnenkomt — geen automatische integratie van gegenereerde inhoud.
4. Zet audit trails op die tonen welke data, agenten en systemen bij elke stap betrokken waren — je moet dit kunnen reproduceren en uitleggen.
5. Definieer en test je noodstopmechanisme — je moet agenten kunnen stoppen en hun geheugen kunnen wissen zonder dat dit het systeem breekt.
6. Voer regelmatig risicoanalyses uit per AI-tool en per workflow — vertrouwelijkheid is geen eenmalige controle, maar een voortdurende verplichting.

Hoe ziet een controleerbare workflow er in de praktijk uit?

Een verificatielaag kan zichtbaar maken hoe beroepsgeheim in elke AI-ondersteunde stap is geborgd. Dit betekent niet dat de laag het beroepsgeheim bepaalt of vervangt — dat blijft jouw professionele verantwoordelijkheid. Maar zo'n laag kan aantonen welke AI-tools en agenten zijn gebruikt, welke dataklassen onder beroepsgeheim vallen, waar die data technisch wel of niet naartoe stromen, welke menselijke controles zijn toegepast, en hoe log- en bewijsketens inzicht geven in de AI-ondersteunde werkzaamheden.

De architectuur werkt als volgt: gevoelige gegevens worden voorbewerkt en geanonimiseerd op infrastructuur onder jouw controle, de workflow is ontworpen om alleen geanonimiseerde inhoud naar AI-modellen te sturen, en bij een mislukte privacycontrole wordt niets doorgestuurd. Zo blijft het professionele eindoordeel altijd bij jou, terwijl je tegelijk kunt aantonen dat de technische waarborgen werken.

Wat kunnen tools doen, wat blijft jouw verantwoordelijkheid?

Verificatie- en audittools kunnen zicht geven op hoe bestaande beroepsgeheim-normen bij AI-gebruik worden toegepast. Ze kunnen datastromen visualiseren, geheugenlagen controleren, controlepunten afdwingen en bewijsketens bijhouden. Maar ze bepalen niet wat vertrouwelijk is, ze vervangen je professionele oordeel niet, en ze nemen je aansprakelijkheid niet over. Het professionele eindoordeel — of het beroepsgeheim in jouw situatie is gerespecteerd — blijft altijd van jou. Tooling kan je helpen dat oordeel gegrond te maken en aan te tonen dat je het hebt gemaakt. Meer niet.