Medewerkers gebruiken AI toch wel. De vraag is of jij daar grip op hebt…

In veel organisaties hangt AI nog ergens tussen belangstelling en ongemak in. Het staat op de MT-agenda, IT kijkt vooral naar risico’s, en op de werkvloer blijft het vaak onduidelijk. Mag het nou wel of niet? Welke tool is veilig? Wat mag je invoeren? Wie beslist daar eigenlijk over?

Alleen verdwijnt AI-gebruik niet omdat die vragen nog openstaan.

Daar begint shadow AI meestal. Niet met groot verzet of bewuste roekeloosheid, maar gewoon in het dagelijkse werk. Iemand gebruikt een privéaccount om een tekst sneller op orde te krijgen. Een collega laat een losse tool notulen samenvatten. Iemand anders probeert een chatbot voor een voorstel, analyse of eerste rapportopzet. Dat gebeurt zelden uit slechte bedoelingen. Eerder omdat mensen hun werk slimmer willen doen en de officiële route er nog niet echt is.

Precies daarom is shadow AI lastig. Het ontstaat vaak niet doordat mensen regels willen ontwijken, maar doordat de organisatie nog geen bruikbaar alternatief heeft geboden.

Shadow AI is allang geen uitzondering meer

Het is verleidelijk om te doen alsof dit alleen speelt bij techbedrijven of bij een paar nieuwsgierige voorlopers. Dat beeld klopt al een tijd niet meer. Zodra medewerkers merken dat AI hen tijd scheelt of helpt om sneller tot een bruikbare eerste versie te komen, gaan ze zelf uitproberen wat werkt. Dat zie je net zo goed in HR, finance, klantteams, projectorganisaties en management.

Dat is ook geen kleine groep meer. In een McKinsey-publicatie uit 2026 zegt 76% van de medewerkers dat ze AI in enige vorm op het werk gebruiken. Dan heb je het niet meer over losse experimenten. Dan heb je het over gedrag dat al breed in organisaties aanwezig is.

En daar schuurt het. Want in veel organisaties loopt het gebruik voor op de inrichting. Mensen werken al met AI, terwijl er nog geen duidelijke keuzes zijn gemaakt over tools, kaders, kwaliteit of eigenaarschap.

Waarom medewerkers het toch gaan doen

Veel organisaties kiezen nog steeds eerst voor terughoudendheid. Eerst beleid, dan gebruik. Eerst controleren, dan pas uitrollen. Dat klinkt logisch, maar in de praktijk houdt het zelden stand.

Mensen wachten niet netjes tot alles formeel is geregeld. Zeker niet als ze in hun eigen werk merken dat een tool ze elke dag tijd kan schelen. Dan gaan ze testen. Eerst voorzichtig, daarna wat vaker. En meestal niet heel zichtbaar, juist omdat ze niet goed weten hoe erop gereageerd wordt.

Daar komt iets ongemakkelijks bij. Leidinggevenden hebben vaak minder zicht op dat gebruik dan ze denken. In een McKinsey-onderzoek uit 2025 schatten bestuurders dat 4% van de medewerkers generatieve AI voor minstens 30% van hun dagelijkse werk gebruikt. Medewerkers zelf komen uit op 13%. Dat verschil is groot genoeg om serieus te nemen. Als de top het werkelijke gebruik onderschat, kom je bijna automatisch laat in actie.

Shadow AI is daarom meestal geen teken van onwil. Het is eerder een teken dat de behoefte op de werkvloer sneller groeit dan de organisatie kan bijbenen.

Het risico zit niet alleen in data

Bij shadow AI gaat het gesprek al snel over privacy en security. Terecht ook. Gevoelige informatie kan in omgevingen belanden waar die niet hoort. De organisatie verliest zicht op welke data waar terechtkomt. En als je niet weet welke tools mensen gebruiken, kun je risico’s ook niet fatsoenlijk beoordelen.

Maar daar houdt het niet op.

Er ontstaat vaak ook verschil in kwaliteit, aanpak en verwachtingen. De ene medewerker haalt er veel uit en bouwt gaandeweg een slimme routine op. De andere vertrouwt op output die half klopt. Het ene team ontwikkelt iets wat best goed werkt, het andere team probeert vooral wat losse tools zonder echt te weten waarop het moet letten. Ondertussen ziet management wel hier en daar resultaten, maar niet goed wat nou echt herhaalbaar of schaalbaar is.

Dat maakt het rommelig. Niet alleen omdat het gebruik uit beeld raakt, maar ook omdat iedereen in stilte een eigen manier van werken opbouwt.

Waarom afwachten het probleem groter maakt

Veel organisaties zitten in een begrijpelijke spagaat. Ze willen wel iets met AI, maar niet te snel. Niemand zit te wachten op wildgroei, onveilige experimenten of output waar je niet op kunt bouwen.

Alleen heeft wachten ook gewoon een prijs.

Terwijl de organisatie nog verkent, bouwen medewerkers zelf al nieuwe gewoontes op. Niet in één veilige omgeving, maar verspreid. Niet vanuit een gedeelde aanpak, maar via wat ze toevallig tegenkomen. En meestal ook zonder duidelijke kwaliteitslat.

Als je dan later besluit om AI serieus te organiseren, begin je zelden op een schoon veld. Dan moet je eerst overzicht terughalen, werkwijzen gelijktrekken en soms ook ongewenste gewoontes weer afleren. Dat maakt invoering vaak onnodig stroperig.

Dat mensen al buiten de formele route om zoeken, zie je ook terug in onderzoek. In Deloitte’s onderzoek uit 2025 naar vertrouwen in generatieve AI denkt meer dan de helft van de Europese GenAI-gebruikers dat medewerkers in hun land deze tools voor werk inzetten zonder expliciete goedkeuring van hun werkgever. Dan heb je het dus niet over een incidentele uitzondering, maar over gedrag dat al vrij normaal aan het worden is.

Shadow AI ontstaat vaak waar de intentie juist goed is

Dat is ook waarom een moralistische reactie meestal niet helpt. Medewerkers die buiten beeld met AI werken, zijn vaak niet het probleem. Ze laten eerder zien waar de druk zit. Waar processen traag zijn. Waar werk onnodig veel tijd kost. Waar mensen zelf al proberen een slimmere route te vinden.

Als iemand zelf een manier zoekt om vergaderingen sneller om te zetten naar acties, of om sneller een eerste rapportversie op papier te krijgen, zegt dat iets. Over die medewerker, zeker. Maar vooral over het proces waar die medewerker in vastloopt.

In die zin is shadow AI ook gewoon een signaal. Je ziet waar het schuurt. Waar mensen vaart willen maken. En waar de organisatie nog achterloopt op wat er in de praktijk al gebeurt.

De oplossing is meer grip, niet minder AI

Wie shadow AI wil terugdringen, hoeft meestal niet te beginnen met dichtzetten en verbieden. De nuttigere vraag is: hoe maak je de veilige route ook de logische route?

Dat vraagt niet meteen om een groot programma. Wel om een paar keuzes die verrassend vaak blijven liggen. Welke omgeving ondersteunen we? Wat mag daar wel en niet in? Hoe beoordelen we toepassingen op waarde en risico? En hoe zorgen we dat AI niet iets blijft voor een kleine groep enthousiastelingen, maar gewoon bruikbaar wordt voor de rest van de organisatie?

Dat klinkt minder spectaculair dan een streng verbod, maar het werkt meestal beter. Mensen hebben namelijk niet vooral behoefte aan controle. Ze hebben behoefte aan duidelijkheid en een route die in hun werk echt handig is.

Veilig faciliteren is ook gewoon een adoptievraagstuk

Shadow AI wordt vaak weggezet als een IT- of securityvraagstuk. Dat is het deels. Maar het is net zo goed een adoptievraagstuk.

Als de veilige route omslachtig is, te beperkt voelt of vooral uit beleidstekst bestaat, dan zoeken medewerkers vanzelf iets anders. Niet omdat ze per se risico willen nemen, maar omdat hun werk gewoon doorgaat. Een organisatie kan prima bedoelingen hebben, maar daar heb je op de werkvloer weinig aan als het alternatief traag of onbruikbaar voelt.

Daarom werkt een veilige AI-aanpak pas echt als die ook praktisch is. Medewerkers moeten begrijpen waarvoor ze AI gebruiken, welke route de organisatie ondersteunt en waarom die route voor hen beter werkt dan zelf iets bijeen sprokkelen. Anders blijft het netjes geregeld op papier en rommelig in de praktijk.

Wat goed georganiseerde organisaties anders doen

Organisaties die hier beter mee omgaan, proberen shadow AI niet achteraf weg te poetsen. Ze erkennen vroeg dat de behoefte er al is, en geven daar richting aan.

Ze kiezen een veilige basis en maken die ook echt bruikbaar. Ze starten met toepassingen waar medewerkers meteen iets aan hebben. Ze maken afspraken in gewone mensentaal, niet alleen in beleidsformuleringen. En ze zorgen dat duidelijk is wie verantwoordelijk is, zodat AI niet tussen afdelingen in blijft hangen.

Dat maakt veel uit. Medewerkers weten dan welke route ondersteund wordt. Management krijgt beter zicht op wat er gebeurt. IT houdt grip op risico’s zonder overal nee op te hoeven zeggen. En teams kunnen ervaring opbouwen zonder dat elk nuttig experiment automatisch buiten beeld plaatsvindt.

Tot slot

Shadow AI betekent meestal niet dat medewerkers massaal onverantwoord bezig zijn. Vaker betekent het dat de organisatie te laat is met faciliteren.

Dat is geen fijne boodschap, maar wel vaak de eerlijke.

Zodra mensen merken dat AI hen helpt, gaan ze het gebruiken. De vraag is dan niet meer of dat gebeurt. De vraag is of het gebeurt op een manier waar je als organisatie zicht op hebt, of pas achteraf ontdekt wat er allemaal al liep.

Wie te lang wacht, krijgt zelden rust. Meestal krijg je versnippering.

Wie eerder grip organiseert, kan diezelfde energie omzetten in iets waar de organisatie echt wat aan heeft: veiliger gebruik, betere processen en minder gedoe achteraf.

Merk je dat AI in jouw organisatie al opduikt, maar nog zonder duidelijke kaders of centrale aanpak? Doe dan de AI-Gripscan. In twee minuten zie je waar jouw organisatie staat en wat een logische eerste stap is.

Wil je meer grip op AI in je organisatie? Kijk dan naar Grip op AI in 90 dagen.