Waarom ziet mijn beveiligingsscanner de kwetsbaarheidsklasse over het hoofd die mijn AI-assistent het vaakst aanmaakt?

Volgens het „2026 GenAI Code Security Report” van Veracode veroorzaken AI-codeerassistenten bij 44 tot 72 procent van de generatietaken een beveiligingslek, afhankelijk van de programmeertaal. Bestaande SAST-tools zijn ontworpen en afgestemd op door mensen geschreven codepatronen; ze modelleren niet de terugkerende, modelspecifieke kwetsbaarheidssignaturen die een bepaalde AI-tool produceert. Uit een in juli 2026 op arXiv gepubliceerd vergelijkend onderzoek tussen verschillende modellen bleek dat verschillende LLM’s risico’s concentreren in voorspelbare, afzonderlijke CWE-klassen in codebases die onderling totaal geen verband houden, en dat huidige scanners geen modelbewuste profielen hebben om deze regelmaat te benutten. Endorlabs bevestigde in 2026 dat scanners met vaste patronen fouten missen die afhankelijk zijn van de context tussen bestanden, en dat is precies waar door AI gegenereerde code het vaakst tekortschiet. Geen enkele scanner die momenteel geschikt is voor productieomgevingen wordt geleverd met profielen die zijn afgestemd op het model dat de code heeft gegenereerd.