Je crew gebruikt al AI — alleen niet veilig

Het cijfer is scherper dan je zou hopen. In een recent internationaal onderzoek onder 1.250 kantoorprofessionals gaf 66% toe AI-tools op het werk te gebruiken terwijl ze geloofden dat het niet mocht — bij grote organisaties (1.500+ medewerkers) liep dat op tot 72%. En het bleef niet bij onschuldig gebruik: 88% had werk-gerelateerde informatie in publieke AI-tools gezet, 34% voerde klantgegevens in en 31% financiële of vertrouwelijke bedrijfsdocumenten.

Dat is onderzoek onder kantoormensen, niet onder frontline-crew. Maar de logica die eronder zit, geldt op de vloer net zo hard — en waarschijnlijk harder. Wie tien uur op zijn benen staat en snel iets moet opzoeken, uitrekenen of formuleren, pakt het gereedschap dat werkt. Dat is niet ongehoorzaamheid; dat is vakmensen die een gat opvullen dat niemand anders voor ze vult.

Verbieden lost dit niet op. Een veilig alternatief wel.

Een verbod verandert namelijk niets aan de reden dat mensen het doen. Het duwt het alleen de schaduw in — weg van het zicht, weg van beleid, weg van elke mogelijkheid om het veilig te maken. Je houdt precies de risico's (klantdata in een publiek model) en verliest precies het inzicht (wie gebruikt wat, waarvoor). De vraag is dus niet óf je crew AI gebruikt. Dat doen ze al. De vraag is of het gebeurt op een plek waar jij het kunt zien en sturen.

Het onderscheid dat ertoe doet

Er zit een wereld van verschil tussen twee soorten AI, en dat verschil is precies waar het bij frontline-werk om draait. Generieke AI is het internet dat iets raadt: het kent jouw terrein niet, jouw procedures niet, jouw bevoegdheden niet. Het geeft een plausibel antwoord dat net zo goed fout kan zijn — en het onthoudt wat je erin typt. Operationele AI werkt andersom: het kent jouw context, jouw draaiboek, jouw rol en jouw grenzen, en het houdt de gegevens binnen. Het raadt niet wat het protocol is; het weet het, omdat het protocol erin zit.

Dat is geen technische nuance maar het hele punt. Iemand die tijdens een dienst vraagt "wat is de procedure als deze situatie zich voordoet?" heeft niets aan een generiek antwoord uit het niets. Diegene heeft het antwoord nodig dat past bij dít terrein, deze regels, deze bevoegdheid. Het verschil tussen een tool die iets verzint en een die jouw operatie kent, is het verschil tussen een risico en een hulpmiddel.

Dit is deel drie van een serie over frontline-werk — geen productpitch, wel een eerlijke blik op wat er nu al gebeurt. In deel 1 ging het over waar operationele communicatie leeft; in deel 2 over de kennis die verdampt. Hier gaat het over het gereedschap dat je crew nu al gebruikt — of je het nu ziet of niet.

Dezelfde vraag, opnieuw: wat als de AI die iemand op de vloer gebruikt jouw context al kende — jouw procedures, jouw grenzen, jouw gegevens veilig binnen — in plaats van iets te raden op het open internet?

Frontline Futures onderzoekt wat frontline-werk nodig heeft: dezelfde context en ondersteuning die kantoorwerk allang van software krijgt. Elke aflevering opent met een echte operationele observatie en sluit met dezelfde vraag — wat als de juiste kennis al in iemands hand had gezeten? Vorige: 2 · Elk incident maakt kennis. Waarom gooien we die weg?. Volgende: 4 · Waarom event-operaties een eigen besturingssysteem verdienen.

Bron: PagerDuty Shadow AI Survey (gepubliceerd 11 juni 2026) — onderzoek onder 1.250 kantoorprofessionals in niet-IT-functies bij organisaties met een jaaromzet vanaf $500 miljoen, in de VS, het VK, Australië en Japan.