Bedrijven stoppen niet met AI omdat het niet werkt, maar omdat ze het niet veilig genoeg vinden om breed in te zetten. Volgens medeoprichter van Databricks, sprekend op TechCrunch Disrupt 2026, is de grootste dooddoener voor enterprise AI-deals niet techniek, maar het gebrek aan vertrouwen in veiligheid en compliance. Voor het MKB betekent dit dat een AI-project zonder heldere veiligheidsafspraken al bij de eerste interne toetsing kan stranden.

Wat er aan de hand is

De AI-adoptie in bedrijven verschuift van experimenteren naar opschalen. Waar organisaties vorig jaar nog vroegen ‘wat kan AI voor ons doen?’, vragen ze nu ‘kunnen we dit veilig uitrollen?’. Databricks’ medeoprichter stelde tijdens TechCrunch Disrupt 2026 dat enterprise-klanten steeds vaker deals afkappen vanwege onduidelijkheid over databeveiliging, modelgovernance en aansprakelijkheid. Het is niet langer een technische uitdaging, maar een vertrouwenskwestie. Dit geldt niet alleen voor grote ondernemingen; ook het MKB krijgt te maken met strengere eisen van opdrachtgevers, verzekeraars en toezichthouders.

Wat dit betekent

Voor ondernemers en professionals in het MKB betekent dit dat je AI-projecten niet meer kunt starten zonder een basis aan veiligheidsafspraken. Een slimme AI-tool die klantdata verwerkt, maar geen duidelijkheid geeft over waar die data blijft, is een risico. Opdrachtgevers, vooral in sectoren zoals financiële dienstverlening, zorg en logistiek, stellen steeds vaker eisen aan AI-veiligheid voordat ze een contract tekenen. Ook verzekeraars kijken kritischer naar AI-gebruik. Een project dat hier geen rekening mee houdt, loopt vast nog voordat het écht van start gaat.

Hoe je dit kunt toepassen

Als je een AI-tool inkoopt voor je bedrijf, begin dan niet met de functionaliteiten, maar met de veiligheidsvragen. Vraag de leverancier: waar worden data opgeslagen, wie heeft er toegang, en hoe worden modellen getraind? Als je hier geen helder antwoord op krijgt, is dat een rode vlag. Je zou kunnen overwegen om een korte checklist op te stellen met minimale veiligheidseisen voordat je een pilot start.

Als je een team aanstuurt dat AI-projecten uitrolt, zorg dan dat veiligheid vanaf dag één op de agenda staat. Een mogelijkheid is om een korte ‘AI-veiligheidsscan’ te doen voordat je een project goedkeurt. Dit hoeft niet ingewikkeld te zijn: een lijstje met vragen over dataherkomst, toegangsrechten en modelvalidatie kan al veel problemen voorkomen. Overweeg om een collega met verstand van privacy of IT hierbij te betrekken.

Als je als zelfstandige of klein bedrijf AI gebruikt voor klantwerk, wees dan transparant over hoe je AI inzet. Een optie is om in je offerte of contract een korte paragraaf op te nemen over databeveiliging en modelgebruik. Dit schept vertrouwen bij opdrachtgevers en voorkomt dat zij later vragen stellen waar je geen antwoord op hebt. Je zou kunnen beginnen met een eenvoudige template die je bij elk project gebruikt.

Als je in een sector werkt met strenge regels, zoals zorg of financiën, overweeg dan om een externe partij een quickscan te laten doen van je AI-veiligheid. Dit hoeft geen groot traject te zijn, maar het geeft je een objectief beeld van waar je staat. De praktische toepassing hangt af van jouw situatie, maar het principe is hetzelfde: veiligheid is geen bijzaak meer, maar een voorwaarde.

Bron: TechCrunch