AI beperkt zich niet langer tot het ondersteunen van bedrijven. Het begint zelfstandig te handelen

Op Cybersec Europe 2026 zal Loïc Lejoly, oprichter van Pseudia, datawetenschapper en MLOps-engineer, ingaan op een van de meest urgente kwesties op het gebied van cyberbeveiliging van dit moment: “Wie heeft er werkelijk de controle over uw AI-systemen?”

Naarmate generatieve AI evolueert naar agentsystemen die toegang hebben tot gevoelige gegevens, kunnen communiceren met applicaties en zelfstandig beslissingen nemen, worden de traditionele grenzen van IT-beveiliging opnieuw gedefinieerd.

“Organisaties staan onder grote druk om de voordelen van AI te benutten en tegelijkertijd de controle over hun gegevens en systemen te behouden”, legt Loïc Lejoly uit. De echte vraag: hoe ontwerpen we veilige AI-architecturen die innovatie en governance met elkaar verzoenen?

“Van strategieën ter voorkoming van gegevensverlies tot private of lokale LLM-implementaties: het gaat erom te bekijken hoe we in de praktijk de risico’s kunnen beperken en tegelijkertijd een grootschalige acceptatie van AI kunnen bevorderen!”

Een hefboom voor veerkracht

De beveiliging van AI-agenten mag niet worden gezien als een eenmalige instelling, maar als een iteratief en evoluerend proces. Gezien de steeds geavanceerdere bedreigingen moet de integratie van deze tools in de architectuur gepaard gaan met een onberispelijke technische nauwkeurigheid en actief menselijk beheer.

Door de kracht van AI te combineren met de verdediging en het handhaven van systematische menselijke controle, kunnen organisaties niet alleen anticiperen op risico’s, maar vooral ook deze nieuwe technologische uitdagingen omzetten in een echte hefboom voor veerkracht tegen de digitale bedreigingen van morgen.

De vragen die bedrijven zich zouden moeten stellen

De vraag die bij een architectuurbeoordeling aan de orde moet komen, is niet welk AI-model moet worden gebruikt, want dat debat is relatief afgesloten. De moeilijkste en meest cruciale vraag is waar de data zich ten opzichte van de AI bevinden, en wat er gebeurt wanneer het systeem permanent beschikbaar moet zijn, op grote schaal en met volledige traceerbaarheid.

Bedrijven die deze vraag correct beantwoorden, zullen vertrouwen op een geconvergeerde, op governance gerichte infrastructuur die de betrouwbaarheid biedt die hun agentieke workloads uiteindelijk zullen vereisen. Zij zullen beschikken over een duurzame oplossing wanneer de huidige golf van AI-experimenten in de productie wordt omgezet. Bedrijven die dit niet doen, zullen onder druk een herontwerp moeten doorvoeren, op het slechtst mogelijke moment.

Inzicht in controle in een autonome AI-omgeving

Naarmate AI-agenten steeds autonomer worden, worden kwesties rond verantwoordelijkheid en besluitvorming onontkoombaar. De sessie gaat in op het MCP (Model Context Protocol) en de impact ervan op interoperabiliteit, gedrag en veiligheidsgrenzen. “U zult beter begrijpen hoe u AI-gestuurde systemen kunt beheren, compliance kunt waarborgen en controle kunt behouden in steeds verder geautomatiseerde omgevingen.”

Het MCP dient als een gestandaardiseerd middel waarmee AI-toepassingen tijdens de uitvoering externe tools en gegevensbronnen kunnen ontdekken en ermee kunnen communiceren. In plaats van verbindingen met elke externe dienst hard te coderen, kunnen AI-agenten die het MCP gebruiken dynamisch de beschikbare tools ontdekken, hun mogelijkheden begrijpen via gestructureerde oproepen en ze aanroepen met de juiste tool-autorisaties.

Het MCP wordt gebruikt omdat het de manier verandert waarop AI-gebaseerde tools toegang krijgen tot informatie.

Traditionele AI-systemen worden beperkt door hun trainingsgegevens, die snel verouderd raken. Het Context Protocol stelt ontwikkelaars in staat om AI-agenten te bouwen die taken kunnen uitvoeren met behulp van realtime gegevens uit populaire bedrijfssystemen, ontwikkelomgevingen en andere externe bronnen, allemaal via één enkel, gestandaardiseerd protocol.