Shadow AI in marketing: 42% werkt om je beleid heen.

Zeventig procent van de marketeers in Nederland gebruikt inmiddels AI voor het dagelijkse werk, maar bijna de helft doet dat deels buiten het officiële beleid om. Dat blijkt uit het Data-Driven Marketing Onderzoek van DDMA, afgenomen onder 436 marketingprofessionals via het GfK-panel. 42 procent gebruikt soms of regelmatig eigen of gratis AI-tools naast de tools die de organisatie heeft goedgekeurd. De gangbare reactie op zo'n cijfer is strenger beleid en meer controle, maar dat is precies de verkeerde volgorde. Shadow AI is geen motivatieprobleem van medewerkers die de regels aan hun laars lappen. Het is een signaal dat de officiële AI in online marketing-tooling niet aansluit op wat mensen in de praktijk nodig hebben, en dat vraagt om een andere aanpak dan een strenger protocol.

Wat de cijfers precies laten zien

Het onderzoek, uitgevoerd door DDMA samen met de commissies Data, Decision & Engagement en AI, geeft een redelijk compleet beeld van waar de sector staat. Van de ondervraagde marketeers verwacht 66 procent dat AI de eigen functie binnen drie jaar fundamenteel verandert. Het aandeel organisaties met een vastgesteld AI-beleid steeg van 54 naar 66 procent, een flinke sprong die laat zien dat bedrijven heus wel bezig zijn met kaders. En toch gebruikt 42 procent dus naast die kaders gewoon een eigen account bij een taalmodel of een gratis tool die niet op de goedkeuringslijst staat. Dat is geen klein groepje koplopers dat een beetje buiten de lijntjes kleurt. Dat is bijna de helft van de sector.

Waarom meer controle averechts werkt

Wat we bij marketingteams vaak zien, is dat een goedgekeurde tool een paar stappen te veel kost, een beperkte functie mist, of simpelweg niet het model is waar iemand al aan gewend is. Een copywriter die thuis met een abonnement op een taalmodel werkt, laat dat model niet opeens links liggen omdat de werkgever een andere, duurdere, trager geïmplementeerde tool heeft aangeschaft. Het risico daarvan is reëel. Data kan de organisatie uitgaan zonder dat iemand dat ziet, en er is weinig zicht op wat er met klantgegevens gebeurt zodra die in een niet-goedgekeurde tool belanden. Maar het probleem oplossen met een strenger protocol pakt de oorzaak niet aan. Mensen gaan om een log proces heen omdat het werk af moet, niet omdat ze de regels willen breken.

Shadow AI komt zelden voort uit onwil. Het ontstaat omdat de officiële tooling net iets te veel wrijving geeft, en mensen kiezen dan voor wat wel werkt.

De vaardigheden die er wel toe doen, en de paradox daarin

Opvallend is ook welke vaardigheden marketeers in het onderzoek het meest waarderen bij collega's. Communicatie scoort met 36 procent het hoogst, gevolgd door samenwerking met 34 procent en creativiteit en strategisch denken, beide op 33 procent. Kennis van AI zelf staat helemaal onderaan met 17 procent. Op zich geen vreemde uitkomst, AI-kennis veroudert razendsnel en is daardoor minder stabiel als onderscheidende vaardigheid. Maar het wringt wel met het feit dat twee derde van de marketeers een fundamentele verandering van het eigen vak verwacht. Je kunt moeilijk verwachten dat mensen die verandering goed doorstaan als trainingsbudget en aandacht niet meegroeien met die verwachting. Dit thema komt vaker terug, onder meer in eerdere artikelen over AI-strategie op dit blog.

Hetzelfde patroon bij webshops

Dit speelt niet alleen bij grote merken met een eigen marketingafdeling. De E-commerce Monitor, een jaarlijks onderzoek onder 525 Nederlandse webshops, laat een vergelijkbare kloof zien aan de andere kant van de markt. 77 procent van de webshops gebruikt AI, vooral voor contentcreatie, klantenservice en efficiëntie in het dagelijkse werk. Slechts 5 procent noemt AI een strategisch onderdeel van de organisatie. De rest gebruikt het vooral ad hoc, als hulpmiddel bij losse taken, zonder dat het is ingebed in hoe het bedrijf beslissingen neemt. Diezelfde monitor laat zien dat webshops die investeren in merk, service en klantbeleving, 66 procent van de ondervraagden, het beter doen dan de 25 procent die vooral op prijsverlaging stuurt. Strategisch werken loont dus aantoonbaar. Het overgrote deel van de sector komt er simpelweg niet aan toe.

Wat dit betekent voor aanpak en KPI's

Voor marketingverantwoordelijken ligt hier een praktische opdracht die verder gaat dan een nieuwe tool uitrollen. Begin met een eerlijke inventarisatie van welke tools mensen daadwerkelijk gebruiken, ook de tools die niet op de officiële lijst staan. Voer dat gesprek niet als audit maar als open vraag aan je team, namelijk wat de huidige tooling mist waardoor mensen ergens anders naartoe gaan. Beperk vervolgens het aantal goedgekeurde tools juist tot een paar die echt goed werken, in plaats van een lange lijst met opties die niemand gebruikt omdat ze te omslachtig zijn. Zet AI-geletterdheid op de agenda als terugkerend punt, niet als eenmalige training, en koppel dat aan concrete KPI's. Denk aan het percentage medewerkers dat de officiële tools gebruikt in plaats van schaduwvarianten, het aantal afgeronde trainingsmomenten per kwartaal, en in hoeverre AI-gebruik verankerd is in beslisprocessen in plaats van losse taken. Dat laatste is precies het verschil tussen de 77 procent die AI gebruikt en de 5 procent die er ook echt iets structureels mee doet.

Wat je morgen kunt doen

Vraag deze week in een paar gesprekken met je team welke AI-tools mensen daadwerkelijk gebruiken, ook de tools die niet officieel zijn goedgekeurd. De antwoorden zijn waarschijnlijk onthullender dan welk beleidsdocument dan ook. Gebruik die input om te bepalen of je bestaande tooling een upgrade, een vervanging of simpelweg betere uitleg nodig heeft. Zet AI-vaardigheid ook serieus op de kaart bij functioneringsgesprekken, niet als vinkje maar als onderdeel van hoe iemand zich ontwikkelt. Twijfel je waar te beginnen met een AI-aanpak die wel aansluit bij de dagelijkse praktijk van je team? Plan een strategiegesprek en we kijken samen waar de grootste winst zit.

Veelgestelde vragen

Wat is shadow AI precies?

Shadow AI is het gebruik van AI-tools die niet door de organisatie zijn goedgekeurd of beheerd, naast of in plaats van de officiële tools. Denk aan een medewerker die een persoonlijk account bij een taalmodel gebruikt voor werkgerelateerde taken, buiten het zicht van IT en compliance.

Is shadow AI altijd een risico voor data en privacy?

Niet per definitie, maar het risico is reëel. Zonder zicht op welke tools worden gebruikt, weet een organisatie ook niet welke gegevens buiten de deur belanden of hoe die worden verwerkt. Inzicht krijgen in het daadwerkelijke gebruik is daarom een eerste stap, voordat je iets verbiedt of juist toestaat.

Hoe voorkom ik dat medewerkers eigen AI-tools blijven gebruiken naast de officiële tools?

Door de officiële tools zo te kiezen dat ze daadwerkelijk aansluiten bij het dagelijkse werk, het aantal opties behapbaar te houden, en structureel te vragen wat er ontbreekt. Een verbod zonder beter alternatief lost het onderliggende probleem niet op.