Wat kunnen AI-agents betekenen voor cybersecurity?

Waarom cybersecurity nu AI-agents nodig heeft

Securityteams moeten steeds meer doen met minder middelen, terwijl hun IT-omgeving steeds complexer wordt. Cybersecurity kampt met vier hardnekkige uitdagingen waarbij AI-agents een belangrijke bijdrage kunnen leveren.

1. Het personeelstekort is niet op te lossen door simpelweg meer mensen aan te nemen

Het International Information System Security Certification Consortium (ISC2) schat het wereldwijde tekort aan cybersecurityprofessionals op 4,8 miljoen. Een AI-agent die meldingen triageert, telemetriedata correleert en incidentrapportages opstelt, vervangt deze professionals niet, maar vergroot hun effectiviteit aanzienlijk.

2. De asymmetrie tussen aanvallers en verdedigers is structureel

Aanvallers opereren op machinesnelheid, terwijl verdedigers miljoenen gebeurtenissen handmatig moeten analyseren en vaak pas uren of zelfs dagen later kunnen reageren. Een AI-agent die dreigingen detecteert, correleert en direct maatregelen neemt, doorbreekt deze assymetrie.

3. Beperkte budgetten dwingen securityteams voortdurend keuzes te maken.

Investeren in de ene beveiligingscapaciteit betekent vaak dat een andere achterblijft. AI-agents kunnen gelijktijdig meerdere beveiligingsdomeinen ondersteunen, waardoor kleinere teams aanzienlijk meer werk kunnen verzetten.

4. De complexiteit van moderne IT-omgevingen is groter geworden dan handmatige processen aankunnen.

Organisaties beheren tegenwoordig duizenden endpoints, tientallen cloudomgevingen, honderden SaaS-applicaties en een steeds groter netwerk van API's. Een AI-agent kan al deze onderdelen gelijktijdig monitoren, verbanden leggen en sneller reageren dan met handmatige processen mogelijk is.

Decennialang waren cybercriminelen in het voordeel. Zij hoefden slechts één keer succesvol te zijn, terwijl verdedigers iedere aanval moesten stoppen. Bovendien zetten cybercriminelen AI inmiddels zelf in om aanvallen sneller en op grotere schaal uit te voeren. Wanneer AI-agents op de juiste manier worden ingezet, geven zij verdedigers eindelijk de mogelijkheid om eveneens op machinesnelheid te opereren - zonder pauzes of slaap - en zo het initiatief terug te winnen.

De belangrijkste toepassingen van AI-agents binnen cybersecurity

De grote kracht van agentic systemen zit in het op machinesnelheid met elkaar verbinden van voorheen losstaande beveiligingsfuncties. Volgens mij hebben vooral de volgende drie toepassingen de grootste impact.

1. Agentic Security Orchestration, Automation & Response (SOAR)

Volledig geautomatiseerde playbooks die zich dynamisch aanpassen op basis van inzichten van menselijke analisten. Traditionele SOAR-oplossingen zijn gebaseerd op statische playbooks, vaste workflows en voortdurend onderhoud. Dat tempo sluit niet meer aan bij AI-gedreven cyberaanvallen. Een agentic SOAR vervangt deze starheid door een orkestratielaag die gespecialiseerde agents coördineert voor preventie, detectie, onderzoek en incidentrespons. Daarbij neemt het systeem voortdurend context mee uit eerdere stappen en bepaalt het realtime welke actie vervolgens nodig is.

Een incident dat begint als een afwijking in inloggegevens kan automatisch leiden tot onderzoek naar laterale bewegingen, forensisch onderzoek, isolatie van systemen en communicatie met betrokken stakeholders. Iedere taak wordt uitgevoerd door een gespecialiseerde agent met de juiste bevoegdheden, terwijl een menselijke analist de regie houdt.

Uit het IBM Cost of a Data Breach Report 2025 blijkt dat organisaties met AI-gestuurde detectie- en responsprocessen gemiddeld 2,2 miljoen dollar minder schade leden per datalek dan organisaties zonder dergelijke technologie.

Mensen bepalen de missie, stellen de kaders vast en behouden altijd de mogelijkheid om in te grijpen. De agents voeren het werk uit.

2. De samenwerking tussen de informatiebeveiligingsafdeling en de digitale workforce

Wanneer zowel menselijke medewerkers als AI-agents zelfstandig beslissingen nemen en acties uitvoeren, ontstaat een nieuwe vorm van security governance waarin beide groepen gezamenlijk worden aangestuurd.

Securityteams investeren al twintig jaar in het beveiligen van menselijke medewerkers via awarenessprogramma's, trainingen en gedragsanalyse. Nu AI-agents steeds vaker naast mensen opereren, verschuiven veel van deze uitdagingen naar de digitale workforce.

Ook een AI-agent leest e-mails, neemt beslissingen, voert acties uit en kan worden misleid via kwaadaardige invoer, vergelijkbaar met de manier waarop mensen slachtoffer kunnen worden van social engineering.

Governance voor AI-agents werkt echter fundamenteel anders dan voor mensen. Een sterke securitycultuur kun je niet aanleren aan een AI-agent. Waar mensen normen en waarden overnemen via organisatiecultuur, moeten agents gestuurd worden via technische maatregelen zoals autorisaties, onveranderbare logbestanden en verplichte goedkeuringsmomenten.

Tegelijkertijd moeten awarenessprogramma's voor medewerkers worden uitgebreid met nieuwe risico's, zoals prompt injection, het blind vertrouwen op AI-uitvoer en het herkennen van situaties waarin het gedrag van een AI-agent aanleiding geeft tot escalatie.

Daarmee ontstaat de behoefte aan één geïntegreerde governance-laag waarmee organisaties zowel het gedrag van medewerkers als dat van AI-agents veilig kunnen aansturen.

3. Continuous Threat Exposure Management

Een AI-agent die continu het aanvalsoppervlak in kaart brengt, kwetsbaarheden prioriteert op basis van actuele dreigingen en het volledige proces van detectie tot oplossing begeleidt.

Traditioneel beheer van kwetsbaarheden verloopt cyclisch: scannen, rapporteren, tickets aanmaken, patchen en opnieuw beginnen. Cybercriminelen benutten kwetsbaarheden vaak al binnen enkele uren.

Een AI-agent verkort deze cyclus drastisch door voortdurend nieuwe kwetsbaarheden te identificeren, deze te vergelijken met actuele dreigingsinformatie en de daadwerkelijke kans op misbruik te beoordelen. Daarbij houdt de agent rekening met de specifieke context van de organisatie, in plaats van uitsluitend af te gaan op basis van een generieke CVSS-score.

Het datalek bij het Lilli-platform van McKinsey in maart 2025, waarbij een kwaadaardige AI-agent via één SQL-injectie miljoenen chatgesprekken buitmaakte van een AI-platform dat door 43.000 medewerkers werd gebruikt, laat zien wat er kan gebeuren wanneer deze continue beveiligingslaag ontbreekt.

Wanneer de agent een kwetsbaarheid detecteert, bepaalt deze direct of cybercriminelen daar momenteel actief misbruik van maken, koppelt de juiste beveiligingsupdate en blijft de voortgang volgen totdat het probleem volledig is opgelost.

Op weg naar een agentic organisatie

De drie bovenstaande toepassingen laten zien wat AI-agents voor organisaties kunnen betekenen. Maar hoe moet een organisatie worden ingericht om optimaal gebruik te maken van deze nieuwe mogelijkheden?

Een agentic organisatie is een organisatie waarin AI-agents geen losse hulpmiddelen meer zijn, maar volwaardige deelnemers aan operationele processen. Zij werken naast menselijke medewerkers, voeren afgebakende werkzaamheden uit en vallen onder dezelfde governance- en verantwoordingsstructuren.

Gartner voorspelt dat 40 procent van alle bedrijfsapplicaties in 2026 taakgerichte AI-agents zal bevatten, tegenover minder dan 5 procent in 2025. Uit onderzoek van PwC blijkt bovendien dat 79 procent van de bestuurders aangeeft AI-agents inmiddels binnen de organisatie te gebruiken. Het merendeel van deze implementaties vond echter plaats zonder een passend governancekader.

De overstap naar een agentic organisatie is daarom vooral een governancevraagstuk. Securitycultuur, verantwoordelijkheden en toezicht die voor mensen goed werken, zijn niet automatisch toepasbaar op AI-agents. Agents kun je geen cultuur aanleren en zij ontwikkelen geen blijvende identiteit waaraan normen of waarden kunnen worden gekoppeld. Governance moet daarom expliciet worden ontworpen, niet verondersteld.

Door: Dr. Martin J. Krämer (foto), CISO Advisor bij KnowBe4