Nieuw governance-kader scheidt wat AI-agents kunnen van wat ze mogen

U moet per werkstroom vastleggen tot hoe ver een AI-agent zelfstandig mag handelen, wie dat mag goedkeuren, en hoe u achteraf kunt aantonen wat er gebeurde. Dit is niet langer een vraag over technische mogelijkheden, maar over toegestane autonomie.

De aanleiding is een analyse van 29 augustus 2026 van het onderscheid tussen technische capaciteit en toegestane autonomie bij AI-agents, die stelt dat organisaties deze twee begrippen niet door elkaar mogen halen. Het voorbeeld is de praktijk van organisaties die agents al in productie hebben draaien, maar hun governance nog informeel houden. In onze inschatting betekent dit dat u niet langer kunt volstaan met de vraag hoe capabel een systeem is; u moet een expliciete autorisatietrap per werkstroom definiëren en kunnen aantonen dat uw agent die niet heeft overschreden.

Wat is het verschil tussen wat een agent kan en wat hij mag?

Een AI-agent kan technisch gezien veel meer doen dan u hem in uw organisatie toestaat. De eerste vraag is dus niet "hoe krachtig is dit systeem", maar "hoe ver laten we het gaan". Dit onderscheid is niet academisch. Wanneer u een agent inzet die bijvoorbeeld contracten kan ondertekenen of geldtransfers kan initiëren, moet u vooraf hebben bepaald of hij dat zelfstandig mag doen, of alleen onder menselijk toezicht, of helemaal niet. Die beslissing hangt af van uw risicotolerantie, niet van wat de technologie toestaat.

Autonomie stijgt in trappen. Een agent kan adviserend zijn (suggesties doen), opstellend (concepten voorbereiden), begrensd handelend (acties uitvoeren binnen strikte grenzen) of handelend met hoge impact (grote operationele gevolgen zonder tussenkomst). Elk niveau vraagt om ander toezicht, ander herstel en ander bewijs dat u de controle hebt behouden.

Welke risico's ontstaan naarmate autonomie toeneemt?

• Onbedoelde acties buiten autorisatiegrenzen — een agent voert handelingen uit die u niet had toegestaan omdat de grens niet scherp was vastgelegd.
• Verlies van herleidbaarheid — u kunt achteraf niet reconstrueren welke data een agent gebruikte, welke stappen hij nam en wie dat had goedgekeurd.
• Vergroting van het aanvalsoppervlak — hogere autonomie betekent meer mogelijkheden voor aanvallers om het systeem te misbruiken of om gegevens via de agent bloot te stellen.
• Samenwerking tussen agents zonder menselijk inzicht — wanneer meerdere agents samenwerken, wordt het gedrag minder voorspelbaar en moeilijker te controleren.
• Omkeerbaarheid onder druk — wanneer een agent al veel zelfstandig heeft gedaan, is het kostbaar of onmogelijk om die acties terug te draaien.

Welke concrete controles moet u kunnen aantonen?

1. Definieer per werkstroom het toegestane autonomieniveau — documenteer welke agent welke werkstroom draait en tot hoe ver hij zelfstandig mag gaan.
2. Zet technische grenzen af die de agent niet kan overschrijden — runtime-afdwinging zorgt ervoor dat een agent zijn autorisatiegrenzen niet kan doorbreken, ongeacht hoe hij wordt aangestuurd.
3. Leg vast wie welke autonomieniveaus mag goedkeuren — bepaal welke rol (operator, supervisor, manager) welke trappen van autonomie mag autoriseren.
4. Registreer elke actie met volledige lineage — voor elke handeling van een agent moet u kunnen aantonen welke data hij gebruikte, welke stappen hij nam, en welke autorisatie gold.
5. Controleer regelmatig of agents binnen hun grenzen bleven — auditing is niet eenmalig; u moet kunnen aantonen dat u voortdurend hebt geverifieerd dat geen agent zijn toegestane autonomie heeft overschreden.

Hoe vertaalt u dit naar uw huidige inzet?

De meeste organisaties die agents nu in productie hebben, bevinden zich in een vroege volwassenheidsfase: de agents hebben aanzienlijke operationele impact, maar de governance is nog informeel. Dit is het moment om vier bouwstenen in te voeren: behandel agents als eigen, niet-menselijke identiteiten met afgebakende bevoegdheden; zet runtime-afdwinging in zodat een agent zijn grenzen niet kan overschrijden; voer uitgebreide auditing in; en documenteer de volledige lineage van data en modelgebruik per werkstroom.

Deze bouwstenen zijn niet nieuw, maar ze zijn nu noodzakelijk. Zonder ze kunt u niet aantonen dat u de autonomie van uw agents hebt beheerst.

Welke meetgereedschappen helpen, en waar stoppen ze?

Er ontstaan benchmarks en evaluatiekaders die agents meerdimensionaal beoordelen: kosten, latentie, nauwkeurigheid, veiligheid en stabiliteit. Deze tools geven inzicht in hoe een agent zich onder testomstandigheden gedraagt. Maar een benchmark zegt niets over wat een agent in uw specifieke werkstroom deed met uw specifieke data. Die verantwoording blijft geheel uw eigen werk.

Verificatielagen kunnen helpen: zij kunnen een taak langs meerdere onafhankelijke modellen leiden, afwijkingen zichtbaar maken en bronnen traceren. Dit ondersteunt controle en auditing, maar garandeert geen juistheid en elimineert geen hallucinaties. Het eindoordeel over wat u toestaat en hoe u dat controleert, blijft bij u.

Tooling kan u helpen zichtbaarheid te krijgen en grenzen af te dwingen. Maar de beslissing welke autonomie u toestaat, en het bewijs dat u die grens hebt gehandhaafd, zijn professionele oordelen die geen tool voor u kan nemen.