Systeemprompts en bedrijfsdata: hoe bescherm je gevoelige informatie bij AI-gebruik in je bedrijf?

Systeemprompts en bedrijfsdata: hoe bescherm je gevoelige informatie bij AI-gebruik in je bedrijf?

AI-beveiliging in het MKB is geen onderwerp voor later. Zodra je medewerkers AI-tools zoals ChatGPT, Claude of Gemini gebruiken voor klantcommunicatie, offertes of interne rapportages, stroomt er bedrijfsinformatie door systemen die je niet volledig beheert. Klantgegevens, prijsafspraken, interne werkwijzen: het gaat er sneller in dan je denkt. Dit artikel legt uit wat de echte risico's zijn, hoe systeemprompts werken en wat je concreet kunt doen om bedrijfsdata bij AI-gebruik te beschermen, zonder je team te remmen in productiviteit.

Waarom bedrijfsdata en AI een gespannen combinatie zijn

Wanneer een medewerker een klantcase in ChatGPT plakt om een samenvatting te genereren, verlaat die data jouw omgeving. OpenAI, Anthropic en Google verwerken die invoer op hun servers. Afhankelijk van de instellingen en het abonnement dat je gebruikt, kan die data worden gebruikt voor modeltraining of worden opgeslagen in logbestanden die je niet inziet.

Dat is niet per se kwaad opzet van de aanbieder, maar het is wel een risico dat je bewust moet afwegen. Zeker als je werkt met persoonsgegevens die onder de AVG vallen, met vertrouwelijke klantinformatie of met interne kennis die je concurrentiepositie bepaalt. De meeste MKB-bedrijven hebben hier geen beleid op. Ze gebruiken de gratis of goedkoopste laag van een AI-tool, zonder te weten wat er met de data gebeurt.

Het probleem is niet dat AI gevaarlijk is. Het probleem is onbeheerd gebruik: medewerkers die zelf bepalen wat ze invoeren, zonder kaders of technische afscherming.

Wat is een systeemprompt en waarom is systeempromptbeveiliging belangrijk?

Een systeemprompt is de instructie die vóór het gesprek aan een AI-model wordt meegegeven. Daarin staat wie de AI is, wat hij wel en niet mag doen, welke toon hij aanhoudt en welke kennis hij gebruikt. In een goed gebouwd AI-systeem zit hier ook bedrijfsgevoelige informatie: interne procedures, klantprofielen, prijsstructuren of specifieke werkwijzen.

Het risico: als een gebruiker slim genoeg vraagt, of als de systeemprompt slecht is opgebouwd, kan de AI die vertrouwelijke instructies gedeeltelijk herhalen in zijn antwoord. Dit heet prompt injection of systeemprompt-lekkage. Het is een bekend aanvalsvector bij slecht geconfigureerde AI-toepassingen.

Systeempromptbeveiliging gaat dus over twee dingen. Ten eerste: zorg dat de systeemprompt zelf geen informatie bevat die je niet wilt delen met eindgebruikers. Ten tweede: bouw technische en organisatorische maatregelen in die voorkomen dat de prompt via slimme vragen wordt uitgelezen.

Concreet betekent dit dat je in een systeemprompt nooit klant-ID's, wachtwoorden, API-sleutels of vertrouwelijke contractdetails opneemt. Gebruik in plaats daarvan verwijzingen naar externe databronnen die alleen de AI intern kan raadplegen, niet de gebruiker.

De drie lagen van veilig AI gebruiken in je bedrijf

Laag 1: Welke data gaat er in?

De eerste verdedigingslinie is bewustzijn bij je team. Stel duidelijke regels op over wat medewerkers wel en niet in een AI-tool mogen invoeren. Dat klinkt eenvoudig, maar de meeste bedrijven hebben dit niet op papier staan.

Een praktisch kader werkt met drie categorieën. Openbare informatie, zoals productteksten of algemene procesbeschrijvingen, mag zonder beperking worden gebruikt. Interne informatie, zoals werkwijzen of niet-persoonsgebonden klantgegevens, mag alleen in goedgekeurde en afgeschermde AI-omgevingen. Vertrouwelijke informatie, zoals BSN-nummers, financiële gegevens of bedrijfsstrategieën, gaat nooit in een AI-tool tenzij er een expliciete verwerkersovereenkomst is en de data-omgeving volledig gecontroleerd is.

Laag 2: Welke omgeving gebruik je?

Niet alle AI-abonnementen zijn gelijk. ChatGPT gratis gebruikt je invoer standaard voor modelverbetering, tenzij je dit uitschakelt. ChatGPT Team en Enterprise bieden dataverwerking zonder trainingsgebruik en met betere privacygaranties. Claude van Anthropic heeft vergelijkbare onderscheidingen tussen consumentenversie en API-gebruik. Gemini van Google heeft zakelijke varianten via Google Workspace die onder strikte verwerkersovereenkomsten vallen.

Voor AI-beveiliging in het MKB is de keuze van de juiste laag essentieel. Gebruik je de API van een van deze modellen via een eigen platform of via tools als n8n, dan heb je veel meer controle: je bepaalt zelf wat er wordt opgeslagen, hoe lang en waar. Dat is een fundamenteel verschil met het gebruik van de consumentenchat-interface.

Laag 3: Hoe is het systeem gebouwd?

Als je werkt met een AI-systeem dat je business echt kent, dus een digitale medewerker die is gekoppeld aan je CRM, je e-mail, je interne kennisbank, dan gelden er extra eisen aan de architectuur. De verbindingen tussen systemen moeten versleuteld zijn. Toegang tot gevoelige data moet op rollen gebaseerd zijn: niet elke medewerker hoeft toegang te hebben tot alle klantinformatie via het AI-systeem. Logging van wat het systeem doet en welke data het raadpleegt is geen luxe maar een verplichting als je AVG-compliant wilt zijn.

Een goed gebouwd AI-systeem werkt met minimale datablootstelling: het haalt alleen op wat nodig is voor de specifieke taak, slaat niets langer op dan nodig en geeft geen inzage in brondata via de chatinterface.

AI-informatiebeveiliging en de AVG: wat je moet regelen

Als je AI gebruikt voor taken waarbij persoonsgegevens worden verwerkt, ben je als verwerkingsverantwoordelijke verplicht om dit te borgen. Dat betekent in de praktijk drie dingen.

Ten eerste heb je een verwerkersovereenkomst nodig met de AI-aanbieder. OpenAI, Anthropic en Google bieden deze aan voor zakelijke abonnementen. Zonder deze overeenkomst is gebruik van persoonsgegevens via hun tools in strijd met de AVG.

Ten tweede moet je in je verwerkingsregister vastleggen dat je AI-tools gebruikt en voor welke doeleinden. Dit is geen formaliteit: bij een datalek of een AVG-audit is dit je eerste verdedigingslinie.

Ten derde geldt het beginsel van dataminimalisatie. Voer nooit meer persoonsgegevens in dan strikt noodzakelijk voor de taak. Als een AI-tool een klantmail moet samenvatten, is de naam van de klant vaak niet nodig voor de samenvatting. Train je team om dit reflexmatig toe te passen.

Wat een digitale medewerker anders doet dan een losse AI-tool

Het verschil tussen een medewerker die zelf ChatGPT gebruikt en een goed gebouwde digitale medewerker is niet alleen technisch, het is ook organisatorisch. Een losse AI-tool heeft geen context van je bedrijf, geen afspraken over wat er wel en niet ingaat en geen logging van wat er is uitgewisseld. Een digitale medewerker die is gebouwd op de API van Claude, GPT-5 of Gemini, en die is geïntegreerd in je eigen omgeving via platforms als n8n of Make, werkt binnen de grenzen die jij hebt bepaald.

Dat systeem kent je klanten, kent je processen en handelt terugkerend werk af zonder dat medewerkers elke keer opnieuw gevoelige data hoeven in te voeren. De data blijft in jouw omgeving. De acties zijn traceerbaar. En het systeem kan meer klanten bedienen zonder dat je team groeit of risico loopt op datalekken door onbeheerd gebruik.

Een extra medewerker aannemen om capaciteit op te vangen kost je maanden van werving, inwerkperiode en vaste lasten. Een digitale medewerker die je business kent is er in dagen, werkt binnen jouw beveiligingskaders en schaalt mee zonder extra risico.

Zet de eerste stap naar veilig AI-gebruik

AI-beveiliging in het MKB begint niet met dure software of een IT-afdeling. Het begint met bewuste keuzes: welke omgeving gebruik je, welke data gaat erin en wie heeft toegang. Als je die basis op orde hebt, kun je AI inzetten om echt meer te doen met hetzelfde team, zonder dat je bedrijfsinformatie onbeheerd rondstroomt.

Wil je weten hoe een digitale medewerker er voor jouw bedrijf uitziet, inclusief de beveiligingsarchitectuur die daarbij hoort? Plan een discovery call via 5cagency.nl en bespreek wat er in jouw situatie mogelijk is.