---
title: "Kunnen pentesten 90% goedkoper? | Guardian360"
description: "Wat we tot nu toe geleerd hebben van een EU-gesubsidieerd experiment met AI-ondersteunde penetratietesten: waar een AI-agent helpt, waar niet, en welke vragen we nog niet kunnen beantwoorden."
url: https://guardian360.net/nl/blog/can-penetration-testing-be-90-percent-cheaper/
locale: nl
source: guardian360.net
---
[← Alle posts](https://guardian360.net/nl/blog/)

Opinie

# Kunnen pentesten 90% goedkoper?

Door Jan Martijn Broekhof · 13 november 2026

Een penetratietest kost al snel zesduizend euro. Voor een complexe omgeving loopt dat op tot ver boven de honderdduizend euro. Zelfs een bescheiden test van twee- tot drieduizend euro is voor de gemiddelde mkb-ondernemer een forse uitgave, zeker als die test jaarlijks herhaald moet worden. Dat was lang een keuze: je deed het, of je deed het niet. Tenzij sectorregulering het vereist natuurlijk, dan heb je simpelweg geen keuze. Met de komst van de Europese NIS2-richtlijn, in Nederland geïmplementeerd als de Cyberbeveiligingswet, verandert dat. Duizenden organisaties vallen nu onder wetgeving die technische beveiligingsmaatregelen vereist, waaronder het regelmatig testen van de eigen weerbaarheid. Veel organisaties vertalen dat naar een penetratietest.

De pentestmarkt schaalt niet mee met die vraag. Pentesters zijn schaars, opleidingstrajecten duren jaren en de uurtarieven stijgen. Je kunt wachten tot de markt zich aanpast, of je kunt proberen het probleem anders op te lossen. Wij kozen voor het laatste.

Guardian360 is een van dertien Europese organisaties die onder het CYSSDE-programma van de Europese Unie een subsidie hebben ontvangen om penetratietesten toegankelijker te maken. Ons project heet AI-SCALE. Onze ambitie: professionele pentesten aanbieden tegen circa tien procent van de gangbare prijs, door het grootste deel van het werk te laten doen door een AI-agent, met menselijke validatie op de bevindingen. Dit artikel gaat niet over hoe goed dat lukt, want zover zijn we nog niet. Het gaat over wat we tegenkomen, wat we geleerd hebben en welke vragen we nog niet kunnen beantwoorden.

## Wat we aan het bouwen zijn

De techniek is opgebouwd in drie lagen. De eerste laag is continue ontdekking: ons bestaande Lighthouse-platform brengt doorlopend het aanvalsoppervlak in kaart, zowel extern als intern. De tweede laag is de AI-gestuurde beoordeling: een eigen AI Cyber Security Agent die pentestscenario’s genereert en uitvoert, afgestemd op de branche en de technologiestack van de organisatie. De derde laag is de menselijke review: een senior gecertificeerde pentester van een van onze pentestpartners valideert bevindingen voordat het rapport wordt opgeleverd.

Die drielagenstructuur is geen compromis, maar een bewuste keuze. De AI doet het werk dat schaalt: breed scannen, scenario’s doorlopen, bevindingen documenteren. De mens doet het werk dat oordeelsvermogen vereist: bepalen of een bevinding echt risico vormt, inschatten hoe kwetsbaarheden in combinatie werken, en beslissen of exploitatie verantwoord is.

Bij afronding van het project in maart 2028 worden de AI-agent, de scenariobibliotheken per branche en de volledige methodologie open source gepubliceerd. Dat is een toezegging in onze projectaanvraag, en het is ook onze overtuiging: professioneel beveiligingsgereedschap hoort toetsbaar te zijn, niet een black box.

## Wat is eigenlijk een pentest?

Voordat we het over 90% kostenreductie kunnen hebben, moeten we het eens worden over wat we goedkoper proberen te maken. En daar begint het eerste probleem. De term “penetratietest” heeft geen eenduidige definitie. Voor de ene aanbieder is het een geautomatiseerde vulnerability scan met een rapport. Voor de andere is het weken handmatig werk door een OSCP-gecertificeerde specialist die daadwerkelijk probeert binnen te komen.

Complianceframeworks helpen maar beperkt. NIS2 vraagt om “het testen van de effectiviteit van beveiligingsmaatregelen”, maar schrijft niet voor hoe. ISO 27001 verwijst naar technische kwetsbaarheidsbeoordelingen, zonder de diepgang te specificeren. DORA is preciezer over threat-led penetration testing (TLPT), maar dat geldt alleen voor de financiële sector.

In Nederland bestaat er wel een concreet kwaliteitskader: het CCV Keurmerk Pentesten. Het Centrum voor Criminaliteitspreventie en Veiligheid (CCV) heeft een certificeringsschema ontwikkeld dat vastlegt wat een pentest is en wat niet. De definitie is ondubbelzinnig: een pentest is “een handmatige controle die probeert zo diep mogelijk in een systeem door te dringen”. Vulnerability scans, hoe geavanceerd ook, zijn expliciet uitgesloten van het keurmerk. Tooling mag als hulpmiddel worden ingezet, maar is, in de woorden van het CCV, “niet leidend in de uitvoering van een pentest”. Alle bevindingen uit geautomatiseerde tests moeten handmatig zijn geverifieerd door een gekwalificeerde pentester.

Daar komt een harde kwantitatieve eis bij: de gekwalificeerde pentester moet minimaal vijftig procent van de totale testtijd leveren. Die pentester moet bovendien een erkend praktijkcertificaat hebben, minimaal een jaar werkervaring als ICT-professional (niet als stagiair), en een Verklaring Omtrent Gedrag die niet ouder is dan drie jaar.

Voor wie AI-pentesting wil aanbieden, stelt dit keurmerk de centrale vraag: als de AI-agent het merendeel van het werk doet en de mens valideert, is dat dan nog een pentest in de zin van het CCV? De eerlijke conclusie is dat het drielagenmodel conceptueel past bij de geest van het keurmerk: tooling als hulpmiddel, menselijke expert als eindverantwoordelijke. Maar de vijftig-procentregel en de definitie als “handmatige controle” staan op gespannen voet met de ambitie van negentig procent kostenreductie. Als de menselijke pentester de helft van de uren moet leveren, dan kom je per definitie niet op tien procent van de gangbare prijs.

Wij hanteren in het AI-SCALE-project daarom een bredere afbakening: een pentest is een gestructureerde beoordeling die verder gaat dan het uitvoeren van een geautomatiseerde scan. Het omvat scenario’s die zijn afgestemd op de branche en de techstack, inclusief misconfiguraties, autorisatiefouten en businesslogica-zwakheden, en het wordt afgesloten met menselijke validatie.

## De grens van automatisering: exploitation

Een van de eerste gesprekken die we voerden met onze pentestpartner ging over exploitation. Mag de AI-agent een gevonden kwetsbaarheid daadwerkelijk uitbuiten om te bewijzen dat het risico echt is? Het antwoord was glashelder: nee, in ieder geval niet volledig geautomatiseerd.

Dat klinkt als een beperking, en dat is het ook. Maar het is wel een bewuste beperking. Een AI-agent die zonder menselijk toezicht kwetsbaarheden exploiteert in een productieomgeving is een risico op zichzelf. In ons model opereert de agent overwegend in leesmodus: hij verkent, identificeert en rapporteert. Elke actie waarmee een systeem wordt aangepast, vereist goedkeuring van een mens. Er is een kill-switch, er zijn Rules of Engagement per opdracht en er is uitgebreide audit logging.

Voor een CISO is dat misschien geruststellender dan een volledig autonome agent. Maar het betekent ook dat de kostenreductie beperkt zal zijn. Zodra een menselijke pentester significant betrokken moet zijn bij het validatieproces, is een besparing nog steeds mogelijk, maar onduidelijk is nog hoeveel dat zal zijn.

## False positives kosten validatietijd

De AI-agent is sterk in breedte. Misconfiguraties, verouderde componenten, standaardinstellingen en bekende kwetsbaarheidspatronen vindt hij consequent, ook op de plekken waar een mens na een paar uur minder scherp kijkt. Maar breedte heeft een keerzijde: de agent produceert meer bevindingen, en niet al die bevindingen zijn relevant.

Als de AI meer ruis produceert dan een menselijke tester, verschuif je de urenbesteding van de test naar de validatie. De menselijke pentester besteedt dan meer tijd aan het beoordelen en afwijzen van bevindingen dan aan het ontdekken ervan. Recente benchmarks bevestigen dat false-positive rates het grote knelpunt zijn bij geautomatiseerde pentesttools. Tijdswinst aan het begin van de test verlies je daardoor weer aan het einde.

## Businesslogica en ketenaanvallen

De agent vindt losse aandachtspunten, maar ziet niet altijd dat ze samen een serieuze aanvalsketen vormen. Een autorisatiefout tussen rollen, een betaalflow die onder bepaalde omstandigheden een stap overslaat, een API die in isolatie veilig is maar in combinatie met een andere endpoint een privilege-escalatie mogelijk maakt: dat zijn precies de bevindingen waarvoor organisaties een pentester inhuren. En dat zijn precies de bevindingen die AI voorlopig niet zelfstandig kan doen.

Dat is geen kwestie van betere modellen. Het vereist begrip van wat een applicatie hoort te doen, in de context van het bedrijfsproces dat die applicatie ondersteunt. Dat is domeinkennis, niet patroonherkenning.

## De aannames achter het kostenmodel

Het doel van tien procent van de gangbare prijs, oftewel ongeveer zeshonderd euro per test in plaats van zesduizend euro, rust op een aantal aannames die we eerlijk moeten benoemen.

De eerste aanname is dat AI-modellen efficiënter worden. Tot nu toe is dat waar gebleken: foundation models worden sneller, goedkoper en beter bij elke generatie. Maar er is geen natuurwet die zegt dat dit tempo aanhoudt. Als de efficiëntiewinst afvlakt, wordt het kostenmodel kwetsbaar.

Wij draaien onze modellen op eigen GPU-infrastructuur, via een Nederlands zusterbedrijf met dedicated Kubernetes- en GPU-capaciteit. Dat betekent dat we geen variabele tokenkosten hebben, en dat klantdata en bevindingen binnen ons eigen servercluster blijven. Voor veel organisaties in onze doelgroep is dat laatste misschien wel het belangrijkste argument. Maar eigen GPU’s verschuiven het probleem, ze elimineren het niet. De vraag wordt dan niet “wat kost deze test?”, maar “hoeveel testen kunnen we tegelijk draaien?”. De grens zit in capaciteit, niet in budget per test.

De tweede aanname is dat de menselijke betrokkenheid minimaal kan blijven. Als de L3-validatie, de menselijke review door een senior pentester, een significant deel van de doorlooptijd in beslag neemt, dan kan negentig procent kostenreductie niet gehaald worden. De wiskunde is simpel: als validatie dertig procent van de tijd kost van een conventionele test, dan is je maximale besparing zeventig procent, niet negentig. Het CCV Keurmerk maakt die calculatie nog scherper: vijftig procent menselijke tijd betekent een plafond van vijftig procent besparing, niet negentig.

## Er zijn al spelers op dit veld

Guardian360 is niet de eerste die probeert pentesten te automatiseren. Horizon3.ai biedt met NodeZero autonome pentests voor interne netwerken en Active Directory-omgevingen. Pentera positioneert zich als automated security validation en rapporteert meer dan honderd miljoen dollar aan jaarlijkse terugkerende omzet. Hadrian richt zich op het externe aanvalsoppervlak en lanceerde in maart 2026 een agentic AI-pentestproduct.

De vraag is terecht: waarom zelf iets bouwen als er al gevestigde platforms bestaan? Ons antwoord is drieledig. Ten eerste zijn deze platforms closed source. Onze agent en methodologie worden na het project open source gepubliceerd, zodat de community ze kan toetsen, verbeteren en aanpassen. Ten tweede zijn ze overwegend Amerikaans, terwijl Europese regelgeving, met name NIS2, DORA en branchespecifieke normen als NEN 7510 en het BIO-kader, eigen scenariobibliotheken vereist. Ten derde zijn ze prijzig: de gangbare licentiemodellen zijn ontworpen voor enterprises, niet voor het midden- en kleinbedrijf.

## Wat we aan het leren zijn

We zijn zo’n twee maanden onderweg. Dat is te kort voor conclusies, maar lang genoeg om de eerste inzichten te delen.

Het eerste inzicht is dat de agent sterk is waar mensen zwak zijn: in volharding. Een menselijke pentester wordt na uren minder scherp. De agent niet. Hij werkt systematisch elk aspect van een omgeving af, ook de saaie delen. Dat levert bevindingen op die een mens had gemist, niet omdat de mens deze niet kan vinden, maar simpelweg omdat een mens geen machine is.

Het tweede inzicht is dat de kloof tussen “een scenario bedenken” en “dat scenario uitvoeren in een echte omgeving” groter is dan verwacht. Een aanvalsscenario dat op papier logisch is, loopt in de praktijk vast op sessiebeheer, MFA-flows, rate limiting of applicatiespecifieke authenticatiepatronen. Elke omgeving heeft eigenaardigheden die de agent niet kent tot hij ze tegenkomt. Dat betekent dat de scenariobibliotheken niet alleen aanvalspatronen moeten bevatten, maar ook de defensieve patronen die de agent moet herkennen en omzeilen of rapporteren.

Het derde inzicht is dat scenariobibliotheken per branche geen luxe zijn maar een noodzaak. Een pentest voor een zorginstelling die aan NEN 7510 moet voldoen vraagt om andere scenario’s dan een test voor een financiële instelling onder DORA. Generieke scenario’s produceren generieke bevindingen, en generieke bevindingen zijn voor een CISO niet bruikbaar.

Het vierde inzicht, en misschien het meest confronterende, is dat de reactie van ervaren pentesters op AI-gegenereerde bevindingen een waardemeter is die we niet kunnen automatiseren. De verkenning en eerste triage van de agent zijn bruikbaar; daar bespaart hij de mens uren. Maar de mate waarin de menselijke reviewer achteraf bevindingen moet corrigeren, herclassificeren of aanvullen, bepaalt uiteindelijk of het model rendabel is. Die feedback loop meten we inmiddels systematisch, en de uitkomsten zijn nog te vroeg om te publiceren.

## Een breder Europees verhaal

Zoals gezegd is Guardian360 niet de enige organisatie die hieraan werkt. Het CYSSDE-programma heeft in Open Call 3 dertien projecten geselecteerd uit negen Europese landen, met samen meer dan 534 geplande beveiligingsbeoordelingen. Van OT-security assessments in Polen en Duitsland, via threat-led pentesting in België, tot sovereign AI-pentesting in Italië.

Dat is geen toeval. De EU investeert bewust in Europese cybersecurity-capaciteit, via het European Cybersecurity Competence Centre en programma’s als CYSSDE. De achterliggende gedachte is dat als we willen dat Europese organisaties weerbaar zijn, we niet afhankelijk moeten zijn van niet-Europese tools en aanbieders. Onze open-source-toezegging past in diezelfde lijn: het is een bijdrage aan de Europese cybersecurity-commons, niet alleen een product.

## Het eerlijke antwoord

Kunnen pentesten negentig procent goedkoper? Het eerlijke antwoord is: dat weten we nog niet. We geloven dat AI een groot deel van het repetitieve werk kan overnemen en dat daarmee de kosten substantieel kunnen dalen. Maar “substantieel” is niet hetzelfde als “negentig procent”, en de valkuilen die we tegenkomen, van businesslogica die de agent niet begrijpt tot kwaliteitskaders als het CCV Keurmerk die menselijke betrokkenheid afdwingen, stemmen tot bescheidenheid.

Wat we wel weten is dat de huidige situatie onhoudbaar is. Organisaties die onder NIS2 vallen en geen pentest kunnen betalen, lopen risico. Organisaties die een goedkope geautomatiseerde scan laten uitvoeren en denken dat ze een penetratietest gekregen hebben, lopen een ander risico: schijnveiligheid. Een pentest die organisaties een vals gevoel van veiligheid geeft, is misschien nog wel erger dan geen pentest.

De oplossing zit niet in AI alleen, en niet in mensen alleen. Het zit in een combinatie die eerlijk is over wat elk onderdeel wel en niet kan. De agent scant, de mens oordeelt. De agent vindt patronen, de mens ziet ketens. De agent schaalt, de mens bewaakt de grens.

We publiceren onze resultaten, onze agent en onze methodologie. Niet omdat we het antwoord hebben, maar omdat we geloven dat het antwoord sneller komt als meer mensen meekijken.

## Bronnen

- CCV Keurmerk Pentesten, Certificatieschema versie 2.0 (januari 2024), [https://hetccv.nl/keurmerken/cybersecurity/pentest/](https://hetccv.nl/keurmerken/cybersecurity/pentest/)
- CYSSDE Open Call 3, geselecteerde projecten, [https://cyssde.eu/cyssde-activities/open-call-3/](https://cyssde.eu/cyssde-activities/open-call-3/)
- Guardian360 AI Pentesting, beta-programma, [https://guardian360.net/platform/ai-pentesting/](https://guardian360.net/platform/ai-pentesting/)
- NIS2-richtlijn (EU 2022/2555), Artikel 21: maatregelen voor het beheer van cyberbeveiligingsrisico’s
- Security Magazine (2026), “Would you trust an AI pentester to work solo?”, [https://www.securitymagazine.com/blogs/14-security-blog/post/102154](https://www.securitymagazine.com/blogs/14-security-blog/post/102154)
- NHI Management Group (2026), “AI pentesting replaces repetition, not expert judgment”, [https://nhimg.org/articles/ai-pentesting-replaces-repetition-not-expert-judgment/](https://nhimg.org/articles/ai-pentesting-replaces-repetition-not-expert-judgment/)
- The Next Web (2026), “The 10 best autonomous pentesting tools, ranked by proof of exploit”, [https://thenextweb.com/news/best-autonomous-pentesting-tools-proof-exploit-2026](https://thenextweb.com/news/best-autonomous-pentesting-tools-proof-exploit-2026)
