Vertrouwen, betrouwbaarheid en Zero Trust: waarom het vertrouwen van de toekomst verifieerbaar moet zijn

Vertrouwen moet je niet maximaliseren. Het moet verdiend, onderbouwd en voortdurend gekalibreerd worden.

Vrijwel elk technologiebedrijf zegt vertrouwen op te bouwen. Maar de uitdrukking ‘vertrouw ons maar’ legt het onderliggende probleem al bloot: er wordt om vertrouwen gevraagd voordat er voldoende grond voor is. Een softwareleverancier kan beweren dat klantgegevens veilig zijn. Een klant kan die bewering geloven en besluiten de leverancier te vertrouwen. Of de leverancier daadwerkelijk betrouwbaar is, is echter een andere vraag. Alleen bewijs over geïmplementeerde beveiligingsmaatregelen, hun effectiviteit, hun reikwijdte en hun voortdurende werking kan een rationele basis voor dat vertrouwen bieden. Juist hier worden begrippen als vertrouwen, betrouwbaarheid, assurance, reliance, compliance, digitaal vertrouwen en Zero Trust vaak door elkaar gehaald. Toch beschrijven ze verschillende aspecten van hetzelfde probleem.

Wie deze verschillen begrijpt, kan een veel grotere vraag beantwoorden:

Wat moet vertrouwen betekenen in een digitale wereld waarin systemen, organisaties en risico’s voortdurend veranderen?

Vertrouwen begint waar zekerheid ophoudt

In organisatiekundig en psychologisch onderzoek wordt vertrouwen doorgaans in verband gebracht met de bereidheid om kwetsbaarheid te accepteren. Rousseau et al. beschrijven vertrouwen als een psychologische toestand waarin iemand bereid is kwetsbaarheid te accepteren op basis van positieve verwachtingen over de intenties of het gedrag van een ander [1]. Mayer, Davis en Schoorman definiëren vertrouwen op vergelijkbare wijze als de bereidheid om kwetsbaar te zijn ten opzichte van een andere partij, ook wanneer die partij niet volledig kan worden gemonitord of gecontroleerd [2]. (ResearchGate) Vertrouwen vereist dus ten minste twee voorwaarden: er moet onzekerheid zijn en er moet iets wezenlijks op het spel staan.

Wanneer een uitkomst volledig zeker is, is vertrouwen overbodig. Wanneer er geen mogelijk verlies of geen afhankelijkheid bestaat, is wat op vertrouwen lijkt misschien gewoon gemak. Vertrouwen wordt relevant wanneer we afhankelijk zijn van een andere persoon, organisatie of een ander systeem en die afhankelijkheid ons kwetsbaar maakt. Dat betekent ook dat vertrouwen nooit louter een universele eigenschap van een entiteit is. Een preciezere formulering zou zijn:

A vertrouwt B met betrekking tot X, onder omstandigheden Y, op een bepaald moment.

Een bedrijf kan een cloudprovider vertrouwen voor de opslag van openbaar marketingmateriaal, maar dezelfde provider niet automatisch vertrouwen voor de verwerking van zeer gevoelige gezondheidsgegevens. Een systeem kan voor de ene toepassing voldoende betrouwbaar zijn en voor een andere volstrekt ongeschikt. Vertrouwen is daarom relationeel, contextgebonden en risicoafhankelijk.

Vertrouwd worden is niet hetzelfde als betrouwbaar zijn

In het dagelijks taalgebruik worden ‘vertrouwd’ en ‘betrouwbaar’ vaak als synoniemen behandeld. Conceptueel beschrijven ze echter twee verschillende dingen. Vertrouwd betekent dat een entiteit daadwerkelijk vertrouwen krijgt. Betrouwbaar betekent dat de entiteit dat vertrouwen verdient. Een overtuigende oplichter kan vertrouwd worden zonder betrouwbaar te zijn. Omgekeerd kan een zorgvuldig ontworpen en goed bestuurd systeem betrouwbaar zijn en toch het vertrouwen van gebruikers niet winnen, omdat de mogelijkheden, maatregelen en beperkingen ervan onzichtbaar blijven. Mayer et al. onderscheiden drie veelgebruikte dimensies van waargenomen betrouwbaarheid: bekwaamheid, integriteit en welwillendheid [2].

Bekwaamheid gaat over de vraag of de vertrouwde partij competent genoeg is om de betreffende taak uit te voeren. Integriteit gaat over de vraag of haar uitspraken, principes en feitelijke gedrag met elkaar overeenstemmen. Welwillendheid gaat over de vraag of van haar verwacht wordt dat zij rekening houdt met de belangen van de vertrouwende partij in plaats van uitsluitend haar eigen voordeel na te streven. (JSTOR) Voor technische systemen moeten deze dimensies worden vertaald. Bekwaamheid wordt technisch vermogen, betrouwbaarheid, weerbaarheid en beveiliging. Integriteit wordt voorspelbaar gedrag, consistente regels, herleidbare verwerking en eerlijke communicatie over beperkingen. Welwillendheid kun je niet zomaar aan een machine toeschrijven. Je kunt haar wel beoordelen in relatie tot de organisatie die het systeem ontwikkelt en exploiteert: beschermt de organisatie de belangen van gebruikers? Communiceert zij eerlijk over risico’s? Biedt zij mechanismen voor verantwoording en herstel?

NIST benadert betrouwbaarheid vanuit een systems-engineeringperspectief. Een betrouwbaar systeem is niet simpelweg een systeem dat mensen toevallig vertrouwen. Zijn betrouwbaarheid moet berusten op bewijs dat het kan voldoen aan de kritieke eisen die eraan worden gesteld. Afhankelijk van de context kunnen dat eisen zijn op het gebied van beveiliging, veiligheid, betrouwbaarheid, weerbaarheid, privacy of andere systeemeigenschappen [3]. Dat onderscheid is fundamenteel:

Vertrouwen bestaat in het hoofd van de vertrouwende partij. Betrouwbaarheid bestaat in de eigenschappen en het gedrag van de vertrouwde entiteit.

De twee kunnen samenvallen, maar dat gebeurt niet vanzelf.

Vertrouwen, reliance en compliance zijn niet hetzelfde

Een ander belangrijk onderscheid bestaat tussen vertrouwen en reliance (daadwerkelijk erop varen). Vertrouwen is een houding, verwachting of oordeel. Reliance is waarneembaar gedrag. Iemand kan een AI-systeem wantrouwen en toch het advies ervan opvolgen, omdat er geen alternatief is, omdat de tijdsdruk hoog is of omdat het organisatieproces dat voorschrijft. Omgekeerd kan iemand een systeem in het algemeen vertrouwen, maar het advies in een specifiek geval bewust negeren. Dit onderscheid is van belang, omdat enquêtes waarin gebruikers wordt gevraagd of ze een systeem vertrouwen, niet per se voorspellen wanneer die gebruikers er daadwerkelijk op zullen varen. Recent onderzoek naar mens-AI-interactie maakt daarom steeds vaker onderscheid tussen waargenomen vertrouwen, feitelijk gedrag, systeemprestaties en de geschiktheid van de resulterende beslissing [8]–[10]. (ACM Digital Library)

Ook compliance is niet gelijk aan betrouwbaarheid. Compliance beantwoordt in eerste instantie een smallere vraag:

Is binnen een afgebakende reikwijdte voldaan aan een vastgestelde set eisen?

Een certificering, auditrapport of assessment kan een belangrijke reden voor vertrouwen bieden. Het is echter geen onbeperkte en blijvende verklaring dat een organisatie veilig is. Een audit kan bevestigen dat een bepaald managementsysteem binnen een bepaalde reikwijdte en gedurende een bepaalde periode passend is geïmplementeerd. Daarmee is niet automatisch bewezen dat elke huidige configuratie correct is, dat elk nieuw geïntroduceerd systeem eronder valt of dat er geen beveiligingsincident kan plaatsvinden. NIST waarschuwt er daarom voor compliance niet als enige bewijsbasis voor assurance of betrouwbaarheid te behandelen. Compliance kan waardevol bewijs leveren, maar een aanpak die uitsluitend op compliance steunt, kan de schijn van veiligheid wekken zonder de effectiviteit van het onderliggende systeem voldoende aan te tonen [3]. (NIST Publikationen)

Compliance doet ertoe. Maar compliance is één bijdrage aan gerechtvaardigd vertrouwen, geen volledige vervanging ervan.

Assurance verbindt vertrouwen met betrouwbaarheid

Tussen het subjectieve vertrouwen van een partij en de feitelijke betrouwbaarheid van een systeem ligt nog een begrip: assurance. NIST omschrijft assurance als de gronden voor gerechtvaardigd vertrouwen dat aan een bewering is voldaan of zal worden voldaan [3]. Assurance is dus geen gevoel en geen garantie. Het is een gestructureerde onderbouwing. Een robuuste assurancestructuur maakt ten minste vijf elementen zichtbaar: Beweringen: wat wordt er precies gesteld? Argumenten: waarom zou de beschikbare informatie de bewering ondersteunen? Bewijs: welke registraties, waarnemingen, tests of artefacten tonen implementatie en effectiviteit aan?

Aannames: onder welke voorwaarden blijft de conclusie geldig? Reikwijdte: welke systemen, processen, gegevens, locaties en periodes vallen eronder? NIST gebruikt het begrip assurance case om een gestructureerde en toetsbare relatie te beschrijven tussen beweringen, argumenten, aannames en ondersteunend bewijs [3]. Neem de volgende beveiligingsbewering:

Alle productiegegevens zijn versleuteld opgeslagen.

Een bedrijfsbreed encryptiebeleid toont aan dat er een intentie en een eis bestaan. Het bewijst niet dat elk productieopslagsysteem die eis daadwerkelijk implementeert. Een screenshot van één databaseconfiguratie levert bewijs over die ene database op één bepaald moment. Het toont niet per se volledige dekking aan. Een sterkere assurance case zou bijvoorbeeld het volgende combineren:

• een volledige inventaris van productiedataopslag,
• configuratiegegevens van elk relevant systeem,
• eisen voor sleutelbeheer,
• geautomatiseerde configuratiecontroles,
• testresultaten,
• monitoringgegevens,
• verantwoordelijke eigenaren,
• reviewregistraties,
• en een duidelijke tijdstempel voor elk bewijsstuk.

De verschillende vormen van bewijs dienen verschillende doelen. Een beleid ondersteunt het beoogde ontwerp. Een configuratie ondersteunt de technische implementatie. Een test of continue telemetrie ondersteunt de feitelijke werking. Een review ondersteunt de conclusie dat het bewijs door een verantwoordelijke partij is beoordeeld en geaccepteerd. Geen van deze elementen is op zichzelf per se voldoende. Assurance ontstaat uit de herleidbare relatie tussen de oorspronkelijke bewering, de afgedekte reikwijdte, de implementatie en het beschikbare bewijs. Een volwassen assurancesysteem moet ook negatieve conclusies kunnen trekken. Het moet kunnen vaststellen dat:

• het beschikbare bewijs onvoldoende is,
• het bewijs verouderd is,
• een deel van de relevante reikwijdte ontbreekt,
• de implementatie in strijd is met de bewering,
• een aanname niet langer houdbaar is,
• of de operationele effectiviteit nog niet is aangetoond.

NIST erkent uitdrukkelijk dat een assuranceanalyse ongunstige resultaten kan opleveren wanneer het bewijs de bewering niet ondersteunt [3]. (NIST Publikationen) Een systeem dat alleen groene vinkjes kan genereren, wekt misschien geruststelling. Het levert niet per se geloofwaardige assurance op.

Zero Trust betekent niet dat je niemand vertrouwt

Op het eerste gezicht lijkt Zero Trust in tegenspraak met het doel om meer vertrouwen op te bouwen. Dat is het niet. Zero Trust richt zich op een ander niveau van het probleem. Het is niet in de eerste plaats een psychologische of culturele filosofie. Het is een architectuurbenadering voor toegangsbeslissingen. In een Zero Trust-model wordt vertrouwen niet verleend alleen omdat een gebruiker of apparaat zich binnen een bedrijfsnetwerk bevindt, tot de organisatie behoort of eerder is geauthenticeerd. Toegang wordt beoordeeld in relatie tot een specifieke resource, identiteit, apparaat, context en aanvraag. Rechten moeten beperkt zijn, voortdurend opnieuw worden beoordeeld en worden verleend in de veronderstelling dat een netwerk of systeem al gecompromitteerd kan zijn [4].

Traditionele, op de perimeter gebaseerde beveiliging perst een complexe vertrouwensbeslissing vaak samen tot één brede aanname:

Binnen het bedrijfsnetwerk betekent betrouwbaar.

Zero Trust ontleedt die aanname in kleinere beslissingen:

Mag deze identiteit, met dit apparaat, onder deze omstandigheden, nu toegang krijgen tot deze resource?

Zero Trust is daarom niet het einde van vertrouwen. Het is het einde van impliciet, breed en permanent geërfd vertrouwen. Een preciezere interpretatie zou zijn:

Nul impliciet vertrouwen. Nul onverdiende privileges.

Een organisatie kan tegelijk een cultuur van groot vertrouwen en een Zero Trust-architectuur hebben. Medewerkers hoeven elkaar niet persoonlijk te wantrouwen alleen omdat toegangsbeslissingen technisch worden geverifieerd. Goed ontworpen maatregelen kunnen interpersoonlijk vertrouwen juist gemakkelijker maken. Ze verkleinen de kans dat een individuele fout, een gecompromitteerd account of een kwaadwillend verzoek tot onbeperkte schade leidt. Zero Trust vervangt één grote en vage vertrouwensaanname door veel kleinere, contextuele, tijdelijke en herroepbare beslissingen. Dat sluit uitstekend aan bij een modern begrip van vertrouwen.

Digitaal vertrouwen verbreedt het perspectief

Betrouwbaarheid richt zich vaak op de eigenschappen van een bepaalde organisatie, een bepaald systeem of een bepaalde relatie. Digitaal vertrouwen verbreedt het perspectief tot een volledig digitaal ecosysteem. Het World Economic Forum omschrijft digitaal vertrouwen als de verwachting dat digitale technologieën en diensten, en de organisaties die ze leveren, de belangen van stakeholders beschermen en relevante maatschappelijke verwachtingen en waarden respecteren. Het raamwerk verbindt digitaal vertrouwen met dimensies als cybersecurity, privacy, transparantie, controleerbaarheid, eerlijkheid, interoperabiliteit, veiligheid en mechanismen voor herstel [5]. (World Economic Forum) ISACA plaatst digitaal vertrouwen op vergelijkbare wijze in het teken van vertrouwen in de integriteit van relaties, interacties en transacties binnen een digitaal ecosysteem van mensen, organisaties, processen, informatie en technologieën [6]. (ISACA)

Dit ecosysteemperspectief is van belang, omdat de betrouwbaarheid van een digitaal product zelden alleen van dat product afhangt. Een SaaS-aanbieder kan afhankelijk zijn van:

• een aanbieder van cloudinfrastructuur,
• een identiteitsprovider,
• softwarebibliotheken,
• betaaldiensten,
• monitoringplatforms,
• externe databronnen,
• en mogelijk AI-modellen van derden.

De betrouwbaarheid van het zichtbare product hangt dus ook af van maatregelen, aannames en afhankelijkheden die voor de gebruikers grotendeels onzichtbaar blijven. Digitaal vertrouwen kan worden opgevat als de bredere economische en maatschappelijke uitkomst. Betrouwbaarheid beschrijft de eigenschappen die het ecosysteem het vertrouwen waardig maken. Assurance slaat de brug tussen die eigenschappen en het besluit van een stakeholder om te vertrouwen.

AI laat zien waarom vertrouwen maximaliseren het verkeerde doel is

Kunstmatige intelligentie maakt het verschil tussen waargenomen vertrouwen en werkelijke betrouwbaarheid bijzonder zichtbaar. Een AI-systeem kan vloeiend, zelfverzekerd en overtuigend communiceren zonder consequent juist te zijn. Een interface kan transparantie en competentie uitstralen, zelfs wanneer het onderliggende model niet betrouwbaar genoeg is voor de beoogde taak. Uitleg, betrouwbaarheidsscores of menselijk aandoende taal kunnen de perceptie van gebruikers beïnvloeden. Ze zijn niet automatisch bewijs dat een antwoord juist is. NIST definieert betrouwbare AI daarom niet aan de hand van één enkele eigenschap. Het AI Risk Management Framework noemt meerdere kenmerken, waaronder validiteit en betrouwbaarheid, veiligheid, beveiliging en weerbaarheid, verantwoording en transparantie, uitlegbaarheid en interpreteerbaarheid, privacy en het beheersen van schadelijke bias. NIST benadrukt ook dat deze kenmerken contextafhankelijk zijn en afwegingen kunnen vergen [7].

Een systeem kan nauwkeurig zijn maar oneerlijk. Het kan transparant zijn maar onveilig. Het kan privacy beschermen maar onbetrouwbaar blijven voor het beoogde doel. Het kan gemiddeld goed presteren en juist in de gevallen die er het meest toe doen onvoorspelbaar falen. Het label ‘betrouwbare AI’ mag deze verschillen niet verhullen. Onderzoek naar mens-AI-interactie spreekt daarom steeds vaker over passend vertrouwen, gekalibreerd vertrouwen en passende reliance. Het doel is niet om gebruikers een systeem zoveel mogelijk te laten vertrouwen. Het doel is gebruikers te helpen een juist beeld te vormen van de mogelijkheden en beperkingen van het systeem en er alleen op te varen wanneer dat gerechtvaardigd is.

Een systematische review van Mehrotra et al. stelde vast dat er in de literatuur nog altijd geen eenduidige, consequent toegepaste definitie van passend vertrouwen bestaat. Onderzoeken gebruiken verschillende constructen en metingen voor vertrouwen, intenties, reliance, waargenomen vermogen en feitelijke systeemprestaties [8]. (ACM Digital Library) Visser et al. maken op vergelijkbare wijze onderscheid tussen vertrouwen, wantrouwen en passende reliance. Hun review laat zien dat de empirische relatie tussen uitlegbare AI, gebruikersvertrouwen en passende reliance gemengd is en in veel contexten niet eenduidig [9]. (ScienceDirect) Een preprint uit 2026 van Raees en Papangelis stelt nog directer dat subjectieve vertrouwensmetingen niet automatisch aangeven of mensen op passende wijze op AI-adviezen varen. Omdat dit werk als preprint is gepubliceerd, moeten de conclusies worden gezien als een actuele onderzoeksbijdrage en niet als definitieve consensus [10]. (arXiv)

Wantrouwen is evenmin per se het tegenovergestelde van goed systeemgebruik. Een zekere scepsis kan verificatie en foutdetectie bevorderen. Maar ongericht wantrouwen kan er ook toe leiden dat gebruikers juiste adviezen afwijzen. Een experimentele studie uit 2026 van Peters, Biermeier en Scharlau onderzocht of visuele aandacht kan helpen om ‘gezond wantrouwen’ in mens-AI-interactie te herkennen. De bevindingen waren niet doorslaggevend en laten zien hoe moeilijk het nog altijd is om te meten of vertrouwen en wantrouwen goed gekalibreerd zijn [11]. (Frontiers) De gewenste relatie kan als volgt worden weergegeven:

Het doel is niet simpelweg iedere gebruiker naar de rechteronderhoek te verplaatsen door het vertrouwen te verhogen. Het doel is ervoor te zorgen dat waargenomen vertrouwen en feitelijk gedrag zo goed mogelijk overeenkomen met de werkelijke betrouwbaarheid van het systeem, de gevolgen van falen en de gebruikscontext. In een artikel uit juli 2026 pleiten Busuioc en Maggetti voor een verschuiving van vertrouwensmaximalisatie naar gekalibreerd vertrouwen. Zij waarschuwen dat vertrouwen los kan raken van werkelijke betrouwbaarheid wanneer organisaties vertrouwenssignalen fabriceren in plaats van de onderliggende voorwaarden aan te pakken die vertrouwen rechtvaardigen. Hun analyse benadrukt ook kwetsbaarheid, verantwoording en de constructieve rol die wantrouwen kan spelen [12]. (OUP Academic)

De Europese AI-verordening volgt een verwante operationele logica. Voor relevante AI-systemen met een hoog risico vereist zij processen en documentatie op het gebied van risicobeheer, datagovernance, technische documentatie, logging, transparantie, menselijk toezicht, nauwkeurigheid, robuustheid en cyberbeveiliging [13]. Deze eisen bewijzen niet dat elk gereguleerd AI-systeem betrouwbaar zal zijn. Ze proberen wel een abstracte verwachting van betrouwbaarheid te vertalen naar concrete governanceactiviteiten en toetsbaar bewijs. (EUR-Lex) Betrouwbare AI is daarom geen interfacestijl of marketinglabel. Het is een doorlopend vraagstuk van governance en assurance.

Ons standpunt: vertrouwen moet gerechtvaardigd en gekalibreerd zijn

Bij Secani zien we vertrouwen niet als een gevoel dat simpelweg moet worden vergroot. Evenmin definiëren we het als absolute zekerheid. Absolute veiligheid bestaat niet in echte digitale systemen. Zelfs sterk bewijs kan niet garanderen dat er nooit een storing of aanval zal plaatsvinden. Bewijs vermindert onzekerheid en ondersteunt betere beslissingen, maar het neemt risico niet weg. Als alle onzekerheid zou kunnen worden weggenomen, zou vertrouwen niet langer nodig zijn. Daarom spreken we bewust van gerechtvaardigd vertrouwen, niet van zekerheid. Onze definitie luidt:

Vertrouwen is gerechtvaardigd, contextgebonden vertrouwen dat een beveiligingsbewering nu klopt, omdat de bewering, de implementatie ervan en het actuele bewijs aantoonbaar met elkaar in overeenstemming zijn.

De onderliggende keten is:

Bewering → Implementatie → Bewijs → Assurance → Gekalibreerd vertrouwen

Een organisatie doet een bewering over haar beveiliging. Die bewering wordt vertaald naar specifieke maatregelen, systemen, verantwoordelijkheden en verwachte uitkomsten. Actueel bewijs laat zien of en hoe die maatregelen zijn geïmplementeerd. Een assuranceproces beoordeelt of het bewijs de oorspronkelijke bewering werkelijk ondersteunt. Pas dan ontstaat een rationele basis voor vertrouwen. Deze definitie bevat vijf bewuste beperkingen.

Vertrouwen is gebonden aan een bewering

‘Wij zijn veilig’ is te breed om zinvol te kunnen worden geverifieerd. ‘Alle productiedataopslag gebruikt goedgekeurde encryptieconfiguraties’ is smaller en toetsbaar. Hoe algemener een bewering wordt, hoe moeilijker het wordt om de reikwijdte, het vereiste bewijs, de aannames en de geldigheidsvoorwaarden ervan vast te stellen.

Vertrouwen is contextgebonden

Een maatregel kan voor het ene systeem effectief zijn en voor het andere niet. Een AI-model kan geschikt zijn om interne documenten samen te vatten, maar ongeschikt om zelfstandig beveiligingsuitzonderingen goed te keuren. Vertrouwen kan niet van de ene context naar de andere worden overgedragen zonder te beoordelen of de relevante omstandigheden vergelijkbaar blijven.

Vertrouwen is tijdsafhankelijk

Organisaties veranderen voortdurend. Er komen nieuwe assets bij. Configuraties worden aangepast. Medewerkers wisselen van rol. Leveranciers werken hun diensten bij. Kwetsbaarheden worden ontdekt. Maatregelen die gisteren correct werkten, werken vandaag misschien niet meer correct. Bewijs verliest daarom na verloop van tijd aan waarde. Een betrouwbare conclusie moet niet alleen aangeven wat is geverifieerd, maar ook wanneer dat is gebeurd en hoe lang die conclusie geldig moet blijven.

Vertrouwen is gebaseerd op bewijs, maar niet absoluut

Bewijs maakt onzekerheid zichtbaar en beslissingen verdedigbaar. Het neemt onzekerheid niet volledig weg. Ook sterk bewijs heeft beperkingen. Het kan slechts een deel van een systeem bestrijken, op aannames berusten, meetfouten bevatten of verouderen. Geloofwaardige assurance moet die beperkingen benoemen in plaats van ze te verbergen achter een binaire status.

Vertrouwen moet herroepbaar zijn

Een vertrouwensbeslissing moet kunnen veranderen wanneer de onderliggende omstandigheden veranderen. Wanneer nieuw bewijs een eerdere beveiligingsbewering tegenspreekt, moet de conclusie worden bijgesteld. Wanneer bewijs verloopt, moet het vertrouwen afnemen. Wanneer de afgedekte reikwijdte groter wordt, moet aanvullend bewijs worden geëist. Vertrouwen dat niet kan worden herzien, is geen gekalibreerd vertrouwen. Het is geloof dat los staat van de werkelijkheid.

Van periodieke vertrouwenssignalen naar continue assurance

Traditioneel digitaal vertrouwen wordt vaak opgebouwd met periodieke signalen: certificaten, vragenlijsten, auditrapporten, assessmentdocumenten en beveiligingspresentaties. Deze mechanismen blijven belangrijk. Maar op zichzelf zijn ze niet voldoende in een wereld waarin digitale systemen elke dag kunnen veranderen. Het toekomstige model beweegt in een andere richting:

Continue assurance betekent niet dat elke activiteit in een organisatie permanent moet worden gemonitord. Het moet risicogebaseerd en proportioneel zijn. Een kritieke bewering over geprivilegieerde toegang, productie-infrastructuur of gevoelige klantgegevens vraagt om actueler en sterker bewijs dan een administratieve bewering met weinig impact. De belangrijke verandering is dat vertrouwen niet langer aan één enkel document vastzit. Eisen, implementaties, bewijs, reviews, bevindingen, verantwoordelijkheden en afhankelijkheden moeten in plaats daarvan een samenhangend model vormen. Machineleesbare structuren kunnen in deze overgang een belangrijke rol spelen. Ze maken het mogelijk bewijs te hergebruiken over frameworks en assessments heen, zonder dat de herkomst, de oorspronkelijke reikwijdte, het verzameltijdstip, de verantwoordelijke eigenaar of de beperkingen ervan verloren gaan.

De toekomst van vertrouwen is daarom niet alleen continu. Ze is granulair, herleidbaar, overdraagbaar en herroepbaar.

Zero Trust en groot vertrouwen zijn geen tegenpolen

Nu kunnen de verschillende begrippen met elkaar worden verbonden. Zero Trust bepaalt hoe individuele toegangsbeslissingen worden genomen. Betrouwbaarheid beschrijft of een systeem of organisatie vertrouwen verdient. Assurance levert een gestructureerde onderbouwing voor die conclusie. Bewijs ondersteunt beweringen over implementatie en effectiviteit. Compliance beoordeelt de overeenstemming met vastgestelde eisen. Reliance beschrijft of iemand daadwerkelijk afhankelijk is van een systeem of het opvolgt. Digitaal vertrouwen is het bredere vertrouwen dat in het hele ecosysteem kan ontstaan. Zero Trust voorkomt dat vertrouwen zonder voldoende grond wordt aangenomen. Assurance laat zien waar vertrouwen gerechtvaardigd is.

Compliance draagt gestructureerde eisen en reviewmechanismen bij. Bewijs verbindt uitspraken met de waarneembare werkelijkheid. Deze begrippen zijn dus geen concurrerende visies. Het zijn verschillende onderdelen van één samenhangend model. De toekomst is geen universeel ‘vertrouw iedereen’ en geen cultureel ‘vertrouw niemand’. Ze is verifieerbaar, gekalibreerd vertrouwen.

Wat ‘optimaliseren voor vertrouwen’ bij Secani betekent

‘Optimaliseren voor vertrouwen’ mag niet betekenen dat we optimaliseren voor de perceptie van betrouwbaarheid. Het mag niet betekenen dat we zoveel mogelijk groene vinkjes, badges, certificaten of brede beveiligingsclaims produceren. Het mag niet betekenen dat we mensen aanmoedigen een systeem meer te vertrouwen dan de werkelijke eigenschappen ervan rechtvaardigen. Voor ons betekent het:

Optimaliseer niet voor vertrouwd worden. Optimaliseer voor het verdienen van gerechtvaardigd vertrouwen.

We bouwen Secani om beveiligingsclaims, eisen, implementaties en bewijs voortdurend met elkaar te verbinden. Vertrouwen mag niet alleen voortkomen uit een overtuigende presentatie of een periodiek compliancedocument. Het moet voortkomen uit een actuele, toetsbare en herleidbare onderbouwing. De meest beknopte uitdrukking van dat idee is misschien:

Vertrouwen is geen belofte. Het is een voortdurend onderbouwde conclusie.

Organisaties moeten niet alleen betrouwbaar lijken. Ze moeten kunnen aantonen waarom ze vertrouwen verdienen. En mensen moet niet simpelweg worden gevraagd meer te vertrouwen. Ze moeten in staat worden gesteld beter te vertrouwen.

Bronnen

[1] D. M. Rousseau, S. B. Sitkin, R. S. Burt, and C. Camerer, “Not So Different After All: A Cross-Discipline View of Trust,” Academy of Management Review, vol. 23, no. 3, pp. 393–404, 1998, doi: 10.5465/AMR.1998.926617. (DOI)

[2] R. C. Mayer, J. H. Davis, and F. D. Schoorman, “An Integrative Model of Organizational Trust,” Academy of Management Review, vol. 20, no. 3, pp. 709–734, 1995, doi: 10.5465/amr.1995.9508080335. (DOI)

[3] R. Ross, M. Winstead, and M. McEvilley, Engineering Trustworthy Secure Systems, NIST Special Publication 800-160, vol. 1, rev. 1, National Institute of Standards and Technology, Gaithersburg, MD, USA, Nov. 2022, doi: 10.6028/NIST.SP.800-160v1r1. (NIST Publikationen)

[4] S. Rose, O. Borchert, S. Mitchell, and S. Connelly, Zero Trust Architecture, NIST Special Publication 800-207, National Institute of Standards and Technology, Gaithersburg, MD, USA, Aug. 2020, doi: 10.6028/NIST.SP.800-207. (NIST Computer Security Resource Center)

[5] World Economic Forum, Earning Digital Trust: Decision-Making for Trustworthy Technologies, Geneva, Switzerland, Nov. 2022. (World Economic Forum)

[6] K. B. Kelley, “The Digital Trust Imperative: Defining, Establishing and Measuring Digital Trust,” ISACA Journal, vol. 1, Jan. 2023. (ISACA)

[7] National Institute of Standards and Technology, Artificial Intelligence Risk Management Framework (AI RMF 1.0), NIST AI 100-1, Jan. 2023, doi: 10.6028/NIST.AI.100-1. (NIST Publikationen)

[8] S. Mehrotra, C. Degachi, O. Vereschak, C. M. Jonker, and M. L. Tielman, “A Systematic Review on Fostering Appropriate Trust in Human-AI Interaction: Trends, Opportunities and Challenges,” ACM Journal on Responsible Computing, vol. 1, no. 4, Art. no. 26, pp. 1–45, 2024, doi: 10.1145/3696449. (ACM Digital Library)

[9] R. Visser, T. M. Peters, I. Scharlau, and B. Hammer, “Trust, distrust, and appropriate reliance in (X)AI: A conceptual clarification of user trust and survey of its empirical evaluation,” Cognitive Systems Research, vol. 91, Art. no. 101357, 2025, doi: 10.1016/j.cogsys.2025.101357. (ScienceDirect)

[10] M. Raees and K. Papangelis, “From Trust to Appropriate Reliance: Measurement Constructs in Human-AI Decision-Making,” arXiv:2604.23896, Apr. 2026, doi: 10.48550/arXiv.2604.23896. Preprint. (arXiv)

[11] T. M. Peters, K. Biermeier, and I. Scharlau, “Assessing healthy distrust in human-AI interaction: Interpreting changes in visual attention,” Frontiers in Psychology, vol. 16, Art. no. 1694367, Jan. 2026, doi: 10.3389/fpsyg.2025.1694367. (Frontiers)

[12] M. Busuioc and M. Maggetti, “Worthy of trust? AI governance and the role of (dis)trust,” Perspectives on Public Management and Governance, Art. no. gvag007, Jul. 2026, doi: 10.1093/ppmgov/gvag007. (OUP Academic)

[13] European Parliament and Council of the European Union, “Regulation (EU) 2024/1689 of 13 June 2024 laying down harmonised rules on artificial intelligence,” Official Journal of the European Union, Jul. 2024. (EUR-Lex)