Behandel AI-agents als beheersbare, niet-menselijke identiteiten: geef elke agent een eigenaar, bind hem aan een concreet doel en datacategorieën, dwing continue en contextafhankelijke autorisatie af en leg per sessie vast welke agent welke persoonsgegevens raadpleegde, voor welk doel en onder wiens gezag. Alleen zo blijft AVG-verantwoording aantoonbaar.
De aanleiding is een analyse van de IAPP van 14 mei 2026, “Privacy governance was not built for agents”. De kern van dat stuk: klassieke privacygovernance — DPIA’s, verwerkingsregisters en beleidskaders — is ontworpen voor relatief voorspelbare software, terwijl autonome agents op het moment van uitvoering zelf tools kiezen, databronnen doorlopen en verwerkingsketens starten die bij het ontwerp niet waren voorzien. De praktische consequentie voor iedereen die met vertrouwelijke informatie werkt: uw bestaande governance beschrijft mogelijk niet meer wat er werkelijk gebeurt.
Waarom loopt klassieke privacygovernance vast op autonome AI-agents?
De IAPP stelt dat de aannames onder veel privacyprogramma’s niet meer kloppen. Een verwerkingsregister gaat uit van vooraf gedefinieerde, herhaalbare datastromen. Een agent daarentegen beslist tijdens de uitvoering welke bron hij aanspreekt, welke tool hij aanroept en welke gegevens hij combineert om een doel te bereiken.
Naar onze inschatting is dit geen puur technisch probleem maar een verantwoordingsprobleem: als u niet kunt vaststellen welke agent welke persoonsgegevens raadpleegde, kunt u de AVG-verantwoordingsplicht van artikel 5 lid 2 niet aantonen. De vraag verschuift van “welk systeem verwerkt gegevens” naar “welke agent nam welke beslissing, en waarom”. Dat vraagt om zicht op het niveau van de agent, niet alleen het systeem. Voor juridische workflows werkten we dit eerder uit in AI-agents in juridische workflows beheersbaar houden.
Hoe knellen doelbinding en dataminimalisatie onder de AVG bij agents?
In een tweede IAPP-analyse van 15 april 2026, over doelbinding en dataminimalisatie in het agentische tijdperk, wordt artikel 5 AVG concreet gemaakt. Verwerkingsverantwoordelijken moeten doelen vooraf vastleggen en gegevens beperken tot wat noodzakelijk is. Maar een agent trekt en hercombineert persoonsgegevens uit meerdere bronnen om een taak af te ronden, waardoor het lastiger wordt te bepalen wat “noodzakelijk” is en welk doel geldt.
De IAPP concludeert dat organisaties doelen, datacategorieën en minimalisatieregels op het niveau van de agenttaak en de toolaanroep moeten definiliëren, niet alleen op systeemniveau. Onze aanvullende lezing: dit betekent dat doelbinding een runtime-eigenschap wordt die u per taak moet kunnen afdwingen en aantonen, niet alleen een zin in een beleidsdocument. Zie voor de fasering onze uitwerking van AVG-verantwoordelijkheden per fase van uw AI-workflow.
Wat stellen NIST en de Cloud Security Alliance voor over agent-identiteit en autorisatie?
Aan de standaardenkant is de reactie al zichtbaar. Het National Cybersecurity Center of Excellence van NIST publiceerde een concept paper, “Accelerating the Adoption of Software and AI Agent Identity and Authorization”, waarin agents worden behandeld als identificeerbare niet-menselijke principals binnen identiteits- en toegangsbeheer.
De belangrijkste elementen uit het NIST-voorstel en de vertaling ervan door de Cloud Security Alliance zijn:
- een eigen, herkenbare identiteit per agent, met eigen credentials in plaats van gedeelde accounts;
- kortlevende, contextgebonden autorisatiescopes in plaats van statische, brede rechten;
- expliciete delegatieketens die vastleggen namens wie een agent handelt;
- auditeerbare handelingssporen die vergelijkbaar zijn met die van menselijke gebruikers.
De Cloud Security Alliance benoemt in haar research note van 24 maart 2026 de concrete tekortkomingen: de meeste organisaties hebben geen levenscyclus voor agent-identiteiten, leunen op statische least-privilege-modellen die niet passen bij dynamische agentworkflows, en missen gestandaardiseerde eisen voor het loggen van door agents geïnitieerde acties.
Welke vragen stelt de EDPB al over uw AI-agentsessies?
Toezichthouders wachten niet op nieuwe wetgeving. Een governance-analyse op Dev.to van 10 april 2026 beschrijft dat nationale toezichthouders in het kader van de gecoördineerde handhavingsactie van de EDPB verwerkingsverantwoordelijken vragen om de verwerking van persoonsgegevens binnen AI-agentsessies te documenteren, en dat veel teams die vastlegging niet kunnen leveren.
Concreet gaat het volgens die analyse om vragen als: welke categorieën persoonsgegevens kwamen in het contextvenster van de agent terecht, uit welke systemen, en onder welk beleid. Naar onze inschatting is dit de directe brug tussen de theorie van de IAPP en de dagelijkse praktijk: het bewijs dat u moet kunnen tonen, is een verslag per sessie — niet een algemene systeembeschrijving.
Welke concrete controles legt u nu per agent en per werkstroom vast?
Op basis van de IAPP-, NIST-, CSA- en EDPB-signalen is dit een praktische checklist voor wie met gevoelige of hoog-vertrouwelijke informatie werkt. De eerste stap is inventarisatie:
- breng alle ingezette agents in kaart, met hun tool- en datatoegang;
- wijs elke agent een menselijke eigenaar toe en koppel hem aan AVG-rollen (verantwoordelijke of verwerker) en een rechtsgrond;
- bind elke agent aan een concreet doel en aan de datacategorieën die daarvoor noodzakelijk zijn;
- configureer autorisatie die doelbinding en minimalisatie respecteert, met kortlevende scopes in plaats van vaste brede rechten;
- leg per sessie vast welke agent welke persoonsgegevens raadpleegde, voor welk doel, onder wiens gezag en met welke waarborgen.
Die laatste vier vragen — welke agent, welke gegevens, welk doel, welk gezag — vormen de kern van AVG-verantwoording in een agentische omgeving. Meer verdieping vindt u in de themahub over agentic AI en AI-agents en in onze uitleg over een fout AI-antwoord traceerbaar maken per werkstroom.
Waar deze eisen raken aan verificatie en zichtbaarheid kan een controlelaag ondersteunen. Vera is zo’n verificatielaag: geen chatbot en geen eigen taalmodel, maar een laag die verificatiestappen, correcties en bronnen zichtbaar maakt en die per werkstroom inzicht kan geven in datastromen. De Semantic Privacy Shield is ontworpen om gevoelige waarden op EU-infrastructuur te vervangen door synthetische, sessiegebonden equivalenten voordat een AI-keten de inhoud verwerkt; bij een mislukte privacycontrole wordt niets doorgestuurd. Dat ondersteunt controle en aantoonbaarheid, maar het is geen garantie dat elke autonome handeling reconstrueerbaar is of dat een agent binnen zijn taak bleef. Het professionele eindoordeel blijft bij u.
Bronnen en referenties
- Privacy governance was not built for agents: Rethinking data protection for autonomous systems
- Managing agents in the agentic AI era: The critical role of purpose and data minimization
- Accelerating the Adoption of Software and AI Agent Identity and Authorization
- NIST AI Agent Standards: Enterprise Governance Implications
- The EDPB Is Asking About Your AI Agents. Most Teams Can't Answer.
Bronnen: Het artikel steunt op twee IAPP-analyses over privacygovernance en doelbinding bij AI-agents, een concept paper van het NIST NCCoE, een research note van de Cloud Security Alliance en een governance-analyse over de EDPB-handhavingsactie.