Shadow AI es el uso de herramientas de inteligencia artificial dentro de una organización sin la aprobación, el conocimiento ni el monitoreo de las áreas de TI, seguridad o legal. El término desciende directamente de “Shadow IT”, y la mecánica es la misma: la tecnología llega al trabajo por la puerta del usuario final, no por la puerta de la gobernanza.
Lo que cambia es la velocidad y la asimetría. Shadow IT tardaba meses en establecerse porque exigía instalar algo. Shadow AI se establece en una tarde, porque solo exige una pestaña del navegador — y el empleado que lo hace casi siempre está intentando entregar mejor trabajo, no evadir un control.
Por qué Shadow AI no es solo más Shadow IT
Tratar ambas cosas con el mismo manual es el error más común. Tres características hacen que el riesgo de IA sea estructuralmente distinto:
- El dato ingresado puede no tener vuelta. En el Shadow IT clásico, un archivo subido al Dropbox equivocado se puede borrar. Un fragmento de contrato pegado en una herramienta cuyo plan permite entrenar con los datos del cliente puede ya estar incorporado a los pesos de un modelo. No hay botón de eliminar para eso — y es exactamente el escenario que un derecho de supresión no logra atender después del hecho.
- La salida entra en decisiones sin rastro. Un informe, un precio o una cláusula generada por IA y pegada en un documento oficial pierde su marca de origen en el primer copiar y pegar. Cuando el resultado se cuestiona meses después, nadie puede reconstruir cómo se produjo.
- Los agentes actúan solos. La generación actual de herramientas no responde preguntas: abre archivos, navega, llama APIs y encadena tareas. Un único acceso concedido sin revisión deja de ser una fuga puntual y pasa a ser un proceso autónomo con credenciales.
La pregunta que separa ambas disciplinas es simple: en Shadow IT, el riesgo es dónde terminó el dato. En Shadow AI, el riesgo es en qué se convirtió — y qué hace la herramienta después, sin que nadie se lo pida.
Por dónde entra el Shadow AI
En la práctica, casi todos los casos que encontramos caen en uno de estos cuatro patrones — y solo el primero es el que la mayoría de las empresas imagina cuando piensa en el problema:
| Patrón | Cómo aparece | Por qué pasa desapercibido |
|---|---|---|
| Cuenta personal en una herramienta web | Un empleado usa su cuenta gratuita en un asistente de conversación, traductor o generador de imágenes, en la máquina de la empresa. | No instala nada, no pasa por compras, no genera factura. |
| Función de IA encendida en una herramienta ya aprobada | Un proveedor ya aprobado libera una capacidad de IA en una actualización: transcripción de reuniones, resumen de correo, autocompletado. | La herramienta se aprobó antes de tener IA. Nadie la reevaluó. |
| IA contratada por el área de negocio | Marketing, legal o RR. HH. contratan una herramienta con la tarjeta corporativa, sin evaluación de proveedor. | Es un gasto lo bastante pequeño como para no activar el proceso de compras. |
| Uso técnico de una API o un modelo | Un equipo de desarrollo consume una API de modelo, o ejecuta un modelo local, en un proyecto interno. | Queda dentro del equipo técnico y no aparece como “software” en ningún inventario. |
El segundo patrón es el más subestimado. Una porción relevante del uso de IA en una empresa hoy no empezó con alguien decidiendo usar IA: empezó con un proveedor ya aprobado encendiendo una función nueva. El inventario de proveedores sigue correcto y el inventario de tratamiento de datos silenciosamente deja de estarlo.
Los riesgos, en orden de probabilidad
Conviene separar el riesgo real y frecuente del riesgo citado en presentaciones. En el orden en que las cosas efectivamente ocurren:
1. Fuga de dato confidencial por uso legítimo
No es un ataque, es rutina: un contrato pegado para “resumir”, una planilla de nómina subida para “analizar”, código propietario enviado para “refactorizar”. La persona está trabajando. El dato salió del perímetro y, según el plan en uso, puede haber entrado al entrenamiento.
2. Pérdida de base legal
Si la empresa trata datos personales y los envía a un tercero sin que eso conste en el registro de operaciones, sin base legal mapeada y sin contrato de tratamiento, la irregularidad no es la fuga: es el tratamiento en sí. Eso se convierte en un hallazgo aunque nada se filtre. Es el tema de la guía sobre la LGPD y las herramientas de IA.
3. Dependencia operativa invisible
Los procesos pasan a depender de una herramienta que la empresa no sabe que usa, no contrató y para la cual no tiene SLA. Cuando la herramienta cambia de precio, de política o se cae, el área descubre que aquello era infraestructura.
4. Uso indebido de contenido generado
Texto, imagen o código generado entra en material comercial sin verificación de derechos ni de exactitud. El riesgo de menor probabilidad y mayor costo reputacional.
Un dato para calibrar la urgencia: la investigación State of AIde McKinsey indica que la gran mayoría de las organizaciones ya usa IA de alguna forma, pero solo alrededor de un tercio logró escalarla — y cerca de la mitad reporta haber enfrentado ya alguna consecuencia negativa. La distancia entre “usamos IA” y “gobernamos el uso de IA” es donde vive el Shadow AI.
Por qué prohibir no funciona
La reacción instintiva es bloquear los dominios conocidos en el firewall y publicar un comunicado. Eso falla por tres motivos, en orden creciente de gravedad:
- El uso migra, no desaparece. Bloqueado en el escritorio corporativo, el empleado usa su teléfono personal. El trabajo se sigue haciendo con IA; la empresa solo perdió la capacidad de saber con cuál.
- La lista queda vieja en semanas. Bloquear por dominio presupone conocer los dominios. Surgen herramientas nuevas continuamente, y la mayor parte del uso real está en la cola larga: decenas de herramientas pequeñas, no las cinco famosas.
- La empresa pasa a declarar algo falso.Este es el peor. Una política que dice “está prohibido usar IA” en una empresa donde el 60 % de las personas usa IA convierte un problema de seguridad en un problema de cumplimiento documental: ahora existe un documento firmado que contradice el comportamiento real, y ese documento es el que lee el auditor.
Vale ser explícito sobre algo que confunde a mucha gente: ningún marco de gobernanza — ni la LGPD, ni la ISO/IEC 42001, ni el EU AI Act — exige que la empresa bloquee herramientas de IA. Todos exigen que sepa qué está en uso, que haya decidido conscientemente sobre cada elemento y que pueda demostrarlo. Aprobar con política escrita es cumplimiento. Prohibir en el papel y no saber qué ocurre en la práctica es lo contrario.
Cómo detectar Shadow AI
La visibilidad viene antes que la política: no se pueden escribir reglas sobre un entorno que no se ve. Hay tres formas de obtener esa visibilidad, y no son excluyentes:
| Método | Qué ve | Límite |
|---|---|---|
| Agente en el endpoint | Procesos en ejecución, consultas DNS e historial de navegación de la estación, incluso fuera de la red corporativa. | Exige instalación. No cubre dispositivos personales (BYOD). |
| Registros de NGFW, SSE o SIEM | Todo el tráfico que pasa por la red o el proxy corporativo, sin instalar nada en las máquinas. | No ve máquinas fuera de la red ni tráfico que evita el proxy. |
| Extensión de navegador | Qué cuenta y qué plan están en uso en cada herramienta: la diferencia entre la cuenta gratuita, que suele entrenar con el dato, y la corporativa, que no. | Solo cubre el navegador donde está instalada. |
Ninguno de los tres sirve sin un catálogo detrás: una lista de dominios y procesos conocidos como herramientas de IA, con clasificación de riesgo. Sin eso, el resultado es un registro de tráfico, no un inventario. Nuestro catálogo de herramientas de IA es público y de consulta libre.
Un detalle de privacidad que traba el proyecto si no se resuelve al inicio: detectar qué herramienta se usó es distinto de leer qué se escribió en ella. Lo primero es inventario y es lo que la gobernanza necesita; lo segundo es monitoreo de contenido, tiene su propio régimen jurídico y suele ser desproporcionado. Decirlo explícitamente en la comunicación interna cambia por completo cómo reciben el programa los empleados.
El camino, en cuatro pasos
El orden importa más que la velocidad. Los programas que empiezan por la política, y no por el inventario, casi siempre terminan reescribiendo la política.
- 1. Inventariar. Descubrir qué está en uso, en qué máquinas y con qué frecuencia. Sin juicio en esta fase: el objetivo es el mapa, no la sanción.
- 2. Clasificar. Cada herramienta pasa a ser permitida, restringida o prohibida, con el criterio registrado. Aquí entran el catálogo y el nivel de riesgo.
- 3. Publicar la política. Corta, específica sobre qué tipo de dato puede entrar en qué categoría de herramienta, y firmada. Ver el modelo comentado de política de uso de IA.
- 4. Monitorear y remediar. Una herramienta prohibida detectada se convierte en una tarea con responsable y plazo, no en una línea de informe. Es la diferencia entre un programa vivo y un documento en un cajón.
Preguntas frecuentes
¿Qué es Shadow AI?
Shadow AI es el uso de herramientas de inteligencia artificial dentro de una organización sin la aprobación, el conocimiento ni el monitoreo de las áreas de TI, seguridad o legal. Va desde un empleado que pega un contrato en su cuenta personal de ChatGPT hasta un equipo que contrata una API de modelo con la tarjeta corporativa sin evaluación de proveedor.
¿Cuál es la diferencia entre Shadow AI y Shadow IT?
Shadow IT es el uso de cualquier software no aprobado. Shadow AI es un subconjunto con tres agravantes: el dato ingresado puede quedar incorporado al entrenamiento del modelo y no se puede recuperar; la herramienta produce contenido que entra en decisiones de negocio sin rastro de origen; y las herramientas agénticas ejecutan acciones solas, ampliando el alcance de un único acceso no revisado.
¿Prohibir la IA resuelve el problema de Shadow AI?
No. La prohibición sin detección solo mueve el uso fuera del alcance de la empresa: al teléfono personal, a la cuenta personal y a la red de casa. El riesgo es el mismo, ahora sin ninguna visibilidad, con el agravante de que la empresa pasa a declarar formalmente algo que no es cierto. Ningún marco de gobernanza exige bloquear; todos exigen que la empresa sepa qué está en uso.
¿Cómo detectar Shadow AI en la empresa?
Hay tres caminos: un agente liviano en los endpoints que observa procesos, consultas DNS e historial de navegación; la ingesta de los registros de NGFW, SSE o SIEM que la empresa ya tiene, sin instalar nada; y una extensión de navegador que identifica la cuenta y el plan usados en cada herramienta. Los tres resuelven dominios contra un catálogo de herramientas de IA conocidas.