Criminele netwerken adopteren AI sneller en zonder beperkingen, terwijl de organisaties die hen bestrijden gebonden zijn aan ethische en juridische kaders. Die asymmetrie vraagt om een anticiperende aanpak, stelt Ana Isabel Barros, hoogleraar Data Science en AI aan Tilburg University.
Georganiseerde misdaad, cybercrime en geopolitieke dreigingen vloeien steeds meer samen. Criminelen opereren niet langer in afgebakende domeinen maar bewegen tussen de fysieke en digitale wereld, stelt Barros in haar inaugurele rede aan de Jheronimus Academy of Data Science (JADS), een samenwerking van Tilburg University en de Technische Universiteit Eindhoven. Haar leerstoel richt zich op Data Science en AI op het terrein van georganiseerde en ondermijnende criminaliteit.
Om die verstrengeling van fysieke en digitale criminaliteit te duiden, grijpt ze terug op het begrip hypercrime, dat criminoloog McGuire in 2007 muntte. Hij gebruikte het voor criminaliteit die dankzij technologie op mondiale schaal en met hoge snelheid kan opereren. Barros trekt het begrip door naar het AI-tijdperk en voegt er een geopolitieke laag aan toe. Criminele netwerken treden steeds vaker op als verlengstuk van staten: ze omzeilen sancties, verspreiden desinformatie of voeren cyberoperaties uit, terwijl de opdrachtgever op afstand blijft. Ook Europol signaleert die trend in zijn meest recente dreigingsbeeld.
Sneller zonder regels
De voorbeelden zijn allang niet meer hypothetisch. Zo verwijst Barros naar wat Anthropic in november 2025 rapporteerde als de eerste gemelde AI-georkestreerde cyberspionagecampagne, met hoge mate van zekerheid toegeschreven aan een Chinese statelijke actor. Het belang ervan zit niet alleen in de schaal (meerdere gelijktijdige inbraken op uiteenlopende doelwitten), maar in wat het markeert. AI was hier geen ondersteunend hulpmiddel meer. Het was een integraal onderdeel van het aanvalsraamwerk, waarbij AI-systemen een groot deel van de tactische operaties deels autonoom uitvoerden. De menselijke tussenkomst was beperkt.
Barros wijst ook op de bevinding dat Anthropics eigen systeem Claude Mythos Preview duizenden ernstige kwetsbaarheden identificeerde in gangbare besturingssystemen en webbrowsers. De toegang tot dat soort systemen is vooralsnog beperkt, maar het laat zien welk potentieel er ligt voor kwaadwillenden die vergelijkbare capaciteiten weten te ontwikkelen.
Dichter bij huis verwijst Barros naar de hack bij telecomprovider ODIDO en de cyberaanval op onderwijsplatform Canvas, dat door duizenden scholen en universiteiten wordt gebruikt. Generatieve AI stelt criminelen in staat om overtuigende deepfakes te produceren voor gerichte fraude en afpersing, en om kwetsbaarheden in sociale netwerken systematisch in kaart te brengen voor doxing en chantage. “AI introduceert niet zozeer nieuwe tactieken”, stelt Barros in haar oratie, “het schaalt bestaande tactieken op”. De opkomst van phishing-as-a-service en kant-en-klare phishingkits op het dark web illustreert dat: de tools zijn steeds breder beschikbaar en vereisen steeds minder technische kennis.
Ook financiële criminaliteit en de drugsmarkt veranderen mee. AI maakt het eenvoudiger om witwasconstructies te verhullen en de werkelijke eigenaren van geldstromen te maskeren. Barros verwijst ook naar recent onderzoek dat laat zien dat AI nieuwe varianten van drugs, zoals analogen van fentanyl, kan ontwerpen en recepturen kan bedenken om ze te produceren met beschikbare grondstoffen. Dat opent de deur voor illegale drugs die nog niet onder bestaande wetgeving vallen. Ze typeert deze hele ontwikkeling als “oude wijn in snellere verpakking”. De criminele praktijken zijn eigenlijk niet nieuw. Maar AI schaalt ze op en versnelt ze fundamenteel.
Structurele asymmetrie
De kern van het probleem zit volgens Barros in de organisatiestructuur. Criminele netwerken zijn gedecentraliseerd en weinig geformaliseerd. Dat zijn eveneens kenmerken die innovatie en technologieadoptie bevorderen. Daar komt bij dat criminelen niet gebonden zijn aan de ethische en juridische kaders die wél gelden voor legitieme organisaties, zoals de Europese AI Act. Het resultaat: criminele organisaties implementeren AI sneller en met minder beperkingen dan de organisaties die hen bestrijden.
Tegelijkertijd is er een fundamenteel dataprobleem. AI-modellen worden getraind op historische data en vervolgens toegepast op nieuwe situaties. Maar criminelen houden hun werkwijzen en structuren bewust verborgen, benadrukt Barros. De beschikbare data is daarom altijd incompleet. “AI-modellen leren van patronen in wat zichtbaar is,” zegt ze, “niet van wat er werkelijk gebeurt.” AI kan ontbrekende data niet rechtstreeks detecteren, het kan alleen afwijkingen afleiden van aangeleerde patronen of verwachte structuren.
In een opsporingscontext kan dat tot onjuiste conclusies leiden. En biasmechanismen in generatieve AI zijn vaak verborgen, waarschuwt Barros. “Ze verschuiven eerder dan dat ze verdwijnen wanneer correcties worden aangebracht.”
Transparantie als kwetsbaarheid
De ongelijkheid tussen criminelen die AI zonder beperkingen inzetten en organisaties die gebonden zijn aan juridische en ethische kaders, wordt versterkt door wat Barros een fundamentele spanning noemt. Verantwoorde AI, met transparante, verklaarbare en toetsbare systemen, is noodzakelijk voor het vertrouwen en de legitimiteit van rechtshandhaving en overheid. Maar diezelfde transparantie legt informatie bloot die tegenstanders kunnen benutten. “Hoe transparanter en verklaarbaarder we onze systemen maken, hoe meer kwetsbaarheden we mogelijk ook blootleggen.”
Die kwetsbaarheid reikt verder dan individuele systemen. De hoogleraar beschrijft hoe grootschalige desinformatiecampagnes, zoals de Russische Doppelgänger-operatie gericht tegen Duitsland en andere westerse landen, grote hoeveelheden ‘vergiftigde’ data produceren. Die data komt vervolgens in AI-systemen terecht, versterkt bestaande vertekeningen, verstoort de output en verlengt het effect van de campagne over de tijd heen. AI-gebaseerde zoekmachines kunnen op hun beurt de blootstelling aan polariserende content versterken. Zo worden ze eigenlijk zelf onderdeel van het dreigingslandschap.
In die context verwijst Barros naar initiatieven als GPT-NL, het Nederlandse soevereine taalmodel dat met financiering van het ministerie van Economische Zaken wordt ontwikkeld. Ze koppelt dat nadrukkelijk aan digitale soevereiniteit. Kunnen organisaties er zeker van zijn dat de modellen die ze gebruiken getraind zijn op rechtmatig verkregen data? Dat ze voldoen aan Nederlandse en Europese regels? En dat ze bestand zijn tegen manipulatie? In een context waarin trainingsdata subtiel kan worden gemanipuleerd om modelgedrag te beïnvloeden en ondoorzichtige systemen die manipulatie moeilijk detecteerbaar maken, zijn dat volgens Barros geen retorische vragen.
AI als verdedigingsmiddel
AI is voor Barros nadrukkelijk niet alleen onderdeel van de dreiging. In inlichtingen, opsporing en handhaving kan de technologie op minstens vijf manieren bijdragen, stelt ze: door complexe informatie beter te begrijpen, dreigingen eerder te signaleren, besluitvorming te ondersteunen, te anticiperen op toekomstige ontwikkelingen en de maatschappelijke weerbaarheid te vergroten.
Ze noemt onder meer lokale taalmodellen die op eigen infrastructuur draaien en grote hoeveelheden chatdata doorzoekbaar maken voor opsporingsdiensten. Daarnaast AI-systemen die phishingaanvallen en deepfakes herkennen, en modellen die patronen in snel wisselende internetadressen analyseren om cyberaanvallen sneller te kunnen toeschrijven aan daders. AI kan ook illegale financiële activiteit detecteren die met traditionele opsporingsmethoden moeilijk of onmogelijk te vinden zou zijn.
De voorwaarde is wel dat de mens in de loop blijft: onderzoekers moeten tussenresultaten kunnen controleren en corrigeren, en modellen moeten worden getoetst met data die de werkelijke inzetcontext weerspiegelen. Een promotieonderzoek dat Barros samen met de Politieacademie, het Politie AI Lab en Universiteit Utrecht heeft opgezet, richt zich precies op die vraag: hoe beoordeel je de prestaties en eerlijkheid van AI-modellen als representatieve data uit de praktijk ontbreken?
Van reactie naar anticipatie
Aan haar eigen JADS Centre for Organised and Subversive Crime vertaalt Barros haar betoog over hypercrime en de asymmetrie tussen criminelen en hun bestrijders naar concreet onderzoek. Haar groep werkt aan AI-analyse van ontsleutelde communicatiedata uit cryptofonediensten om drugsgerelateerde netwerken in kaart te brengen. Ze monitoren de opkomst van designerdrugs via gecombineerde analyse van darknet, Trimbos-data en Google Trends.
En ze gaan ontwikkelen wat de hoogleraar ‘Criminal Agentic AI’ noemt: simulatiemodellen die anticiperen op hoe criminelen opkomende AI-capaciteiten zouden kunnen exploiteren, in plaats van te reageren op bekende dreigingen. Een nieuw promotieonderzoek richt zich op het identificeren van lacunes in wet- en regelgeving die vatbaar zijn voor criminele exploitatie, relevant voor gemeenten, provincies en Regionale Informatie- en Expertisecentra (RIEC’s).
Het antwoord op hypercrime is volgens Barros niet méér AI, maar slimmer gebruik van AI. Dat vereist een praktijk die datawetenschap combineert met domeinexpertise en kritisch oordeelsvermogen, én samenwerking over de grenzen van organisaties en sectoren heen. Ministeries, waaronder Defensie, provincies, gemeenten, politie en RIEC’s moeten volgens haar van gefragmenteerde reacties naar een verbonden, anticiperende aanpak.
Maar het scherpste punt van de rede gaat niet over technologie en niet over organisatie. Barros wijst namelijk op het risico dat naarmate AI-systemen meer taken overnemen, toekomstige professionals de domeinexpertise niet meer ontwikkelen die nodig is om die systemen kritisch te bevragen. “Die expertise is niet makkelijk overdraagbaar”, stelt ze. “Het ontstaat door oefening en ervaring.” De frontlinie ligt volgens Barros niet langer bij de straat, de haven of de grens, maar bij de algoritmen, data-infrastructuren en sociotechnische systemen waarin deze technologieën zijn ingebed. De uitdaging is niet alleen om daar betere systemen voor te bouwen, maar om zelf bekwaam genoeg te blijven om ze te gebruiken.