Shadow AI in HR begint waar loonvoorbereiding te veel manueel werk vraagt
Wanneer HR en pre-payroll gevoelige data in losse AI-tools gebruiken om sneller te werken, is dat meestal geen onwil. Het is een signaal dat planning, registratie, regels en payrollvoorbereiding niet goed genoeg op elkaar aansluiten.
AI is intussen aanwezig op de werkvloer. Ook in HR, planning en payrollvoorbereiding.
Medewerkers gebruiken AI om teksten te schrijven, documenten samen te vatten, data te analyseren, fouten te zoeken of patronen te herkennen. Vaak gebeurt dat met de beste bedoelingen. Men wil sneller werken. Men wil minder manueel corrigeren. Men wil sneller begrijpen waar iets fout loopt.
Maar precies daar ontstaat een nieuw risico: shadow AI.
Shadow AI is het gebruik van AI-tools door medewerkers of teams zonder formele goedkeuring, controle of governance van IT, security of management. Denk aan een planner die een Excelbestand met medewerkers, klanten, werven en beschikbaarheden in een publieke AI-tool laadt. Of een HR-medewerker die loondata, afwezigheden of interne regels laat samenvatten door een chatbot. Of een payrollteam dat complexe toeslagen of mobiliteitsvergoedingen laat interpreteren door een losse AI-tool.
Dat lijkt efficiënt. Tot je beseft welke data daar mogelijk in zit.
Namen van medewerkers.
Uren en prestaties.
Afwezigheden.
Mobiliteit.
Toeslagen.
Interne loonafspraken.
Projectinformatie.
Klantgegevens.
Werflocaties.
Certificaten.
Kosten en marges.
Het probleem is dus niet dat HR of payroll AI wil gebruiken. Het probleem is dat gevoelige data buiten de gecontroleerde bedrijfsflow terechtkomt.
Shadow AI is geen hype. Het is een alarmsignaal.
Volgens Gartner vermoedt of weet 69% van de bevraagde organisaties dat medewerkers verboden publieke GenAI-tools gebruiken. Gartner waarschuwt daarbij voor risico's zoals IP-verlies, datablootstelling en verhoogde securityrisico's. Gartner voorspelt ook dat tegen 2030 meer dan 40% van de ondernemingen security- of compliance-incidenten zal meemaken die gelinkt zijn aan ongeautoriseerde shadow AI.
Gartner benoemde shadow AI in 2025 bovendien als een topbezorgdheid voor risk leaders.
Maar voor HR, pre-payroll en operations is de belangrijkste vraag niet alleen:
Welke AI-tools gebruiken onze medewerkers?
De betere vraag is:
Waarom hebben ze die losse AI-tools nodig?
Want shadow AI ontstaat zelden uit slechte wil. Het ontstaat waar processen te traag, te versnipperd of te manueel zijn. Waar mensen data moeten kopiëren. Waar Excel de noodbrug blijft. Waar uitzonderingen pas op het einde van de maand zichtbaar worden. Waar planning, registratie, goedkeuring, regels en payrollvoorbereiding niet op dezelfde datalijn zitten.
Met andere woorden: shadow AI is vaak geen IT-probleem. Het is een symptoom van operationele frictie.
Waarom dit net voor HR en pre-payroll relevant is
HR en pre-payroll werken met gevoelige én complexe data. Het gaat niet alleen over "uren". Het gaat over de interpretatie van die uren.
- Was iemand gepland of effectief aanwezig?
- Was er mobiliteit?
- Was er een afwijking?
- Was er een toeslag van toepassing?
- Is de prestatie goedgekeurd?
- Welk regime, welke cao of welke interne regel geldt?
- Welke looncode moet uiteindelijk naar de payroll service provider?
Vandaag is die shortcut steeds vaker AI.
Use case 1: payroll gebruikt AI om uitzonderingen sneller te begrijpen
Payrollvoorbereiding is vaak het eindpunt van alle operationele afwijkingen. Wat in planning, registratie en goedkeuring niet correct werd vastgelegd, komt uiteindelijk terecht bij HR of pre-payroll.
Net voor de payrollafsluiting moet alles snel duidelijk worden.
Welke uren zijn correct?
Welke mobiliteit telt mee?
Welke toeslag is van toepassing?
Welke afwezigheid beïnvloedt de berekening?
Welke uitzondering moet nog goedgekeurd worden?
Welke looncode hoort bij deze situatie?
Als die informatie verspreid zit, wordt AI aantrekkelijk. Een medewerker kopieert een situatie naar een AI-tool en vraagt:
"Welke looncode moet ik gebruiken?"
"Hoe moet ik deze mobiliteitsvergoeding interpreteren?"
"Welke toeslag hoort bij deze prestatie?"
"Maak een formule voor deze uitzondering."
"Controleer deze Excel met uren en premies."
Dat lijkt onschuldig. Maar payroll mag niet gokken.
Een AI-tool kan overtuigend antwoorden en toch fout zijn. Zeker wanneer het gaat over cao-regels, interne afspraken, mobiliteit, premies, overuren, ploegen, nachtwerk, weekendwerk of uitzonderingen. Een fout antwoord leidt niet alleen tot correcties. Het leidt tot discussies, frustratie en verlies van vertrouwen bij medewerkers.
Met VIRO wordt die complexiteit niet ad hoc geïnterpreteerd door AI. VIRO past regels centraal, controleerbaar en reproduceerbaar toe. Ruwe registraties worden automatisch verwerkt naar correcte looncodes en payroll-ready output. Afwijkingen worden zichtbaar vóór de payrollafsluiting, niet erna.
Flo kan daarbovenop ondersteunen als AI-copiloot. Bijvoorbeeld door afwijkingen te signaleren, patronen te benoemen of vragen te beantwoorden op basis van gevalideerde data. Maar de basis blijft: regels, berekeningen en validaties moeten traceerbaar zijn.
AI mag payroll ondersteunen. Niet vervangen door losse interpretatie zonder controle.
Use case 2: planning zoekt AI omdat herplanning te veel manueel werk vraagt
Veel payrollproblemen ontstaan niet in payroll. Ze ontstaan vroeger.
In de planning.
Op de werf.
Bij de registratie.
Bij laattijdige wijzigingen.
Bij ziekte, afwezigheden, extra opdrachten of gewijzigde ploegen.
Een planner krijgt bijvoorbeeld op donderdagavond te horen dat een medewerker ziek is, een werf verschuift en een klant extra capaciteit vraagt. De planning voor vrijdag moet opnieuw kloppen.
Als de planning in Excel of in een beperkt visueel planbord zit, wordt de druk snel groot. De planner moet rekening houden met beschikbaarheden, skills, certificaten, ploegen, materieel, locaties, reistijden en interne regels.
De verleiding is groot om een export te nemen en aan AI te vragen:
"Maak hier een betere planning van."
"Zoek conflicten in deze planning."
"Verdeel deze medewerkers over deze werven."
"Herplan morgen op basis van beschikbaarheid en skills."
Maar in die export staan vaak gevoelige gegevens: medewerkersnamen, klantgegevens, werfadressen, certificaten, beschikbaarheden, uurroosters en soms ook projectinformatie.
Bovendien kan AI een voorstel doen dat operationeel niet klopt: iemand zonder geldig certificaat, een dubbele boeking, een verkeerde ploegbezetting, een niet-beschikbare medewerker of een onrealistische combinatie van taken.
Daarom moet planning niet buiten het proces worden geoptimaliseerd, maar binnen het proces.
Met SOLUTIO werkt planning op basis van de operationele realiteit. Niet alleen op basis van blokken in een kalender, maar op basis van constraints zoals beschikbaarheden, afwezigheden, skills, certificaten, materieel, capaciteit en regels. Bij wijzigingen kan sneller en realistischer worden herpland, zonder dat gevoelige data naar losse tools moet worden gekopieerd.
De mobiele registratie brengt nadien de realiteit van de werkvloer terug naar de backoffice: uren, mobiliteit, materiaal, foto's, checklists, digitale werkbonnen en afwijkingen.
Zo wordt planning geen losstaand schema, maar het begin van een betrouwbare datastroom richting goedkeuring, pre-payroll en nacalculatie.
Use case 3: management wil sneller patronen zien in kosten, overuren en afwijkingen
Ook management voelt de druk.
Overuren stijgen.
Mobiliteitskosten lopen op.
Projecten worden duurder dan verwacht.
Nacalculatie komt te laat.
Teams worden anders ingezet dan gepland.
Afwijkingen worden pas zichtbaar wanneer de maand bijna afgesloten is.
De vraag is logisch:
"Waar verliezen we geld?"
Als de juiste rapportering ontbreekt, grijpen managers snel naar exports. Data uit planning, ERP, tijdregistratie, HR, payroll en finance wordt samengebracht in Excel en vervolgens geanalyseerd met AI.
"Waar zitten de meeste afwijkingen?"
"Welke teams hebben de meeste overuren?"
"Welke projecten wijken af van de planning?"
"Waarom loopt deze werf uit budget?"
"Vat deze kostenverschillen samen voor het management."
Dat kan op korte termijn inzichten opleveren. Maar opnieuw ontstaat risico. Projectkosten, personeelsdata, klantinformatie, tarieven, marges en interne financiële gegevens kunnen buiten de gecontroleerde omgeving terechtkomen.
Bovendien is de output maar zo betrouwbaar als de input. AI bovenop onvolledige of foutieve data versnelt geen beslissingen. Het versnelt verkeerde conclusies.
GO-VIRTUAL benadert dit anders. Door planning, mobiele registratie, goedkeuring, VIRO-verwerking en ERP-nacalculatie beter met elkaar te verbinden, ontstaat één betrouwbaardere datalijn. Daardoor worden afwijkingen vroeger zichtbaar en kan AI helpen analyseren op basis van gevalideerde informatie.
Niet achteraf proberen verklaren waarom de marge weg is. Maar sneller zien waar de afwijking ontstaat.
De echte oplossing: geen AI-verbod, maar een betere flow
Bedrijven kunnen shadow AI niet oplossen door AI simpelweg te verbieden. Dan verplaatst het gebruik zich naar privéaccounts, browsertools of losse toepassingen. Medewerkers blijven zoeken naar snelheid, zeker wanneer de druk hoog is.
De betere aanpak is: bied een gecontroleerd alternatief.
Dat begint met de operationele flow.
Bij GO-VIRTUAL zien we die flow als één keten:
masterdata → planning → mobiele registratie → goedkeuring → pre-payroll → payroll-ready output → ERP-nacalculatie
Wanneer die keten breekt, ontstaat manueel werk.
Wanneer manueel werk stijgt, groeit Excel-afhankelijkheid.
Wanneer Excel-afhankelijkheid groeit, zoeken medewerkers shortcuts.
En vandaag zijn die shortcuts vaak AI-tools.
Daarom moet AI niet naast het proces komen. AI moet ingebouwd worden in een gecontroleerde datastroom.
Wat SOLUTIO, VIRO en Flo hierin betekenen
De mobiele registratie zorgt ervoor dat de realiteit van de werkvloer correct terugkomt naar de backoffice. Uren, mobiliteit, materiaal, foto's, checklists, werkbonnen en afwijkingen worden niet achteraf bij elkaar gezocht, maar structureel geregistreerd.
VIRO verwerkt die ruwe registraties naar correcte pre-payrolloutput. Uren, toeslagen, mobiliteit, vergoedingen, afwezigheden en uitzonderingen worden toegepast volgens cao's en interne bedrijfsregels. Niet in Excel. Niet op buikgevoel. Niet via losse interpretatie. Wel via een reproduceerbare regelengine.
Flo kan vervolgens als AI-copiloot helpen om sneller inzicht te krijgen. Denk aan anomalieën detecteren, trends benoemen, vragen beantwoorden of afwijkingen verklaren. Maar altijd bovenop gecontroleerde data, met duidelijke rechten, traceerbaarheid en menselijke validatie waar nodig.
Dat is het verschil tussen shadow AI en controlled operations AI.
Shadow AI toont waar bedrijven vandaag druk voelen. Het legt bloot waar processen te traag zijn. Waar data niet betrouwbaar doorstroomt. Waar medewerkers zelf oplossingen zoeken omdat de officiële flow hen niet helpt.
Dat
hoeft geen bedreiging te blijven. Het kan ook een hefboom worden.
Wie de oorzaken van shadow AI aanpakt, wint op meerdere fronten:
- minder manueel werk
- minder foutgevoelige Excel-exports
- snellere herplanning
- betere registraties
- minder payrollcorrecties
- meer grip op uitzonderingen
- snellere detectie van afwijkingen
- minder discussies over uren, mobiliteit en toeslagen
- betere nacalculatie
- meer vertrouwen bij medewerkers
De
boodschap is dus niet: gebruik geen AI.
De
boodschap is: gebruik AI waar ze thuishoort.
Binnen
een betrouwbare flow.
Op
gevalideerde data.
Met duidelijke regels.
Met controle, logging en traceerbaarheid.
En met menselijke validatie waar beslissingen impact hebben op mensen, geld of
compliance.
Conclusie
Als medewerkers gevoelige data in losse AI-tools gooien, doen ze dat meestal niet uit onwil. Ze doen het omdat ze sneller willen werken dan hun systemen toelaten.
GO-VIRTUAL helpt bedrijven om die reflex om te buigen naar gecontroleerde automatisatie.
Met SOLUTIO wordt planning realistischer en registratie betrouwbaarder. Met VIRO worden uren, mobiliteit, uitzonderingen en looncodes correct verwerkt. Met Flo kan AI veilig ondersteunen binnen een traceerbare datastroom.
Zo wordt AI geen risico naast het proces, maar een gecontroleerde copiloot in de flow van planning tot payroll-ready output.
Bronnen
Gartner, "Gartner Identifies Critical GenAI Blind Spots That CIOs Must Urgently Address", 19 november 2025
Deze Gartner-publicatie verwijst naar een survey bij 302 cybersecurity leaders, uitgevoerd tussen maart en mei 2025. Daaruit blijkt dat 69% van de organisaties vermoedt of bewijs heeft dat medewerkers verboden publieke GenAI-tools gebruiken. Gartner voorspelt ook dat tegen 2030 meer dan 40% van de ondernemingen security- of compliance-incidenten zal ervaren die gelinkt zijn aan ongeautoriseerde shadow AI.
Gartner-publicatie
Gartner, "Emerging Risk Deep Dive: Shadow AI", 11 juli 2025
Deze Gartner-rapportpagina benoemt shadow AI als een actuele bezorgdheid voor risk leaders en bespreekt waarom organisaties de oorzaken, gevolgen en mogelijke mitigatiestrategieën van shadow AI moeten begrijpen.
Gartner-rapportpagina
Veel gestelde vragen
Shadow AI in HR is het gebruik van AI-tools door medewerkers zonder formele goedkeuring of controle van de organisatie. Dat gebeurt bijvoorbeeld wanneer HR-, payroll- of planningsdata in een publieke AI-tool wordt gekopieerd om sneller regels te interpreteren, afwijkingen te zoeken of rapporten te maken. Het risico is dat gevoelige personeelsdata buiten de gecontroleerde bedrijfsomgeving terechtkomt.
Payrollvoorbereiding werkt met gevoelige en complexe data: uren, afwezigheden, mobiliteit, toeslagen, vergoedingen, uitzonderingen en cao-regels. Als die informatie in losse AI-tools wordt verwerkt, kan dat leiden tot datarisico's, verkeerde interpretaties, foutieve loonvoorbereiding en discussies met medewerkers. Payroll vraagt traceerbare, reproduceerbare en gevalideerde berekeningen.
Meestal niet uit onwil, maar omdat ze sneller willen werken. Wanneer planning, registratie, HR en pre-payroll niet goed op elkaar aansluiten, ontstaat manueel werk. Medewerkers zoeken dan shortcuts om Excelbestanden te analyseren, patronen te vinden, uitzonderingen te begrijpen of rapporten sneller op te maken. Shadow AI is dus vaak een signaal dat de onderliggende flow te traag of te versnipperd is.
GO-VIRTUAL helpt bedrijven om de oorzaken van shadow AI aan te pakken. SOLUTIO zorgt voor realistische planning, snelle herplanning en mobiele registratie. VIRO verwerkt uren, mobiliteit, toeslagen en uitzonderingen naar correcte payroll-ready output volgens cao's en interne regels. Flo kan als AI-copiloot ondersteunen op gecontroleerde data, met traceerbaarheid en menselijke validatie waar nodig.
Nee. Een totaalverbod lost het probleem meestal niet op. Medewerkers blijven zoeken naar snellere manieren om hun werk te doen. De betere aanpak is AI gecontroleerd inbouwen in een betrouwbare datastroom. Zo blijft gevoelige data binnen de juiste flow en kan AI veilig helpen bij anomaliedetectie, patroonherkenning, rapportering en uitleg bij afwijkingen.
