Anthropic toonde de kaart. monsys.ai is de winkel.

Anthropic publiceerde deze week hoe hun eigen Detection-team Claude gebruikt voor alert-triage en investigatie. De cijfers zijn opvallend — en bevestigen wat wij sinds dag één bouwen.

Wat Anthropic publiceerde

Het team van Jackie Bow bouwde CLUE — Claude Looks Up Evidence — op Claude Code, met integratie naar Slack, hun datawarehouse en interne logs. Wat ze rapporteerden over 30 dagen werk:

• False-positive ratio op alert-triage gedaald van ongeveer 33% naar 7%.
• 12.000 automated queries en 27.000 tool-calls uitgevoerd.
• Naar schatting 1.870 uur bespaard — gelijk aan 234 persoon-dagen.
• Gemiddelde investigatie-tijd terug naar 3-4 minuten, waar dat eerder uren of dagen was.

Bron: Anthropic blog, mei 2026. How Anthropic uses Claude for cybersecurity ↗

Wat dat voor een EU-KMO betekent

Anthropic heeft een Detection Engineering team van vakmensen die zoiets in huis kunnen bouwen. Dat is een uitzondering. Een gemiddelde Belgische KMO met 5-50 servers heeft één IT-verantwoordelijke, of een MSP die per uur factureert. Voor hen is 'bouw je eigen CLUE' geen optie.

Wat hen wel ter beschikking staat: een productieklaar SOC-platform met dezelfde workflow, EU-gehost, met output die door een auditor geaccepteerd wordt. Daar zijn wij voor.

Wat wij leveren

Onze stack levert dezelfde drie ingrediënten als CLUE — alert-enrichment, log-investigatie via natuurlijke taal, en autonomie boven playbook-rigiditeit — plus drie dingen die hun interne tool niet hoeft te dekken:

• EU-residentie: alle infra in de EU, GoTrust BV als juridische entiteit. Geen US-export van klantdata.
• Audit-grade evidence: elke periode of incident produceert een Ed25519-getekende tarball die je auditor offline verifieert met een open-source Python-script.
• Compliance-engine: automatische mapping naar ISO27001, NIS2, BE-CyFun en CIS — geen handmatige spreadsheets.

Wat we NIET doen

Wij kopiëren Anthropic's autonomie-model niet 1-op-1. Onze alert-evaluatie blijft regel-gebaseerd (threshold + z-score, geen LLM-judgement op de hot path). Onze AI Explain draait lokaal op de host via Ollama, opt-in. Reden: een auditor accepteert geen 'de LLM vond dit verdacht' — wel een herhaalbare regel en een getekend bewijs. AI is bij ons een laag boven de deterministische kern, niet ervoor in de plaats.

Alle cijfers en quotes komen uit Anthropic's eigen blogpost, gelinkt hierboven. monsys.ai is geen partner van of geaffilieerd met Anthropic — we maken gebruik van publieke informatie om onze positionering toe te lichten.