¿Qué es el shadow AI? Riesgos, ejemplos y cómo pueden controlarlo las empresas

En la investigación de IBM sobre brechas de 2025, una de cada cinco organizaciones que sufrió una brecha tenía shadow AI en algún punto de la cadena, y esas brechas costaron en promedio $670,000 más que las que no la tenían. Sin embargo, casi nunca empieza como un incidente de seguridad. Empieza cuando alguien intenta terminar su trabajo más rápido de lo que le permiten las herramientas aprobadas por su empresa.

Esa brecha, entre lo normal que se siente el comportamiento y lo caro que termina siendo, es lo que hace difícil de gestionar el shadow AI. La adopción ocurre persona por persona, y para cuando una empresa se da cuenta, docenas de herramientas de IA no aprobadas ya podrían estar tocando sus datos.

A continuación se explica qué significa el shadow AI, por qué se propaga, qué aspecto tiene en la práctica y qué pueden hacer realmente las empresas al respecto.

¿Qué es el shadow AI?

El shadow AI es el uso no autorizado de una herramienta o aplicación de IA por parte de los empleados, sin la aprobación formal ni la supervisión de su departamento de TI o seguridad. Abarca cuentas gratuitas de chatbot usadas para tareas laborales, extensiones de IA en el navegador, funciones de IA activadas silenciosamente dentro de herramientas SaaS, asistentes de código que se ejecutan con inicios de sesión personales, y modelos de código abierto que los empleados instalan en laptops de la empresa. Cuenta cualquier sistema de IA que procese datos de la empresa fuera de las herramientas y la supervisión aprobadas por la organización, sin importar si la persona que lo usa tiene alguna intención de causar daño.

La definición, y la mayor parte del marco conceptual en torno a ella, viene de IBM, que hoy es la autoridad más citada sobre el término. IBM también trata el shadow AI como un descendiente directo de un problema más antiguo: la shadow IT, el uso de cualquier software o servicio no aprobado sin el conocimiento de TI, desde almacenamiento personal en la nube hasta una aplicación de mensajería no autorizada. El shadow AI heredó la causa habitual de ese patrón junto con su nombre. Lo que cambia es el objeto que queda expuesto. La shadow IT normalmente pone en riesgo un archivo o una contraseña. El shadow AI pone en riesgo cualquier cosa que una persona esté dispuesta a escribir en un prompt, que tiende a ser mucho más revelador.

Por qué los empleados usan shadow AI

La mayor parte del uso se remonta a una carencia, no a un rencor. El Work Trend Index 2024 de Microsoft y LinkedIn, basado en una encuesta a 31,000 personas en 31 países, encontró que el 75% de los trabajadores del conocimiento ya usa IA en el trabajo, y que el 78% de esos usuarios trae sus propias herramientas en lugar de esperar a que se les asigne una. El software autorizado suele tardar más en llegar, ser más restrictivo o simplemente no existir todavía para una tarea concreta, así que la gente lo rodea de la misma forma en que siempre lo ha hecho con la shadow IT.

Prohibir el comportamiento sin más rara vez lo elimina. Solo desplaza la misma actividad todavía más fuera de la vista, lo cual es peor para la visibilidad que el problema original. La siguiente sección muestra cómo se ve eso una vez que ya ha ocurrido.

Ejemplos reales de shadow AI

El caso documentado más claro es el de Samsung. En marzo de 2023, ingenieros de la división de semiconductores de la empresa usaron ChatGPT para trabajo real: uno pegó código fuente de una base de datos interna para depurar un error, otro envió código para identificar equipos defectuosos, y un tercero grabó una reunión interna, la transcribió y usó la transcripción para generar notas de la reunión. Tres incidentes distintos salieron a la luz en unos 20 días. Samsung prohibió las herramientas de IA generativa en toda la empresa al mes siguiente, advirtiendo que las infracciones podrían llevar al despido.

Nada de esto fue malicioso. Cada empleado estaba tratando de resolver un problema real con una herramienta que funcionaba bien, exactamente el perfil que describen las cifras de Microsoft y LinkedIn. Es también la razón por la que Amazon, JPMorgan Chase y varios bancos importantes impusieron restricciones similares sobre ChatGPT durante el mismo periodo.

La mayor parte del shadow AI se ve mucho menos dramática en el día a día. Las formas comunes incluyen a un empleado usando una cuenta personal de IA para borradores de trabajo porque la empresa no ha licenciado una, una extensión del navegador que resume páginas y envía silenciosamente su contenido a otro lugar, una función de IA integrada en una herramienta SaaS que se activa sin que nadie en TI la apruebe, un desarrollador ejecutando GitHub Copilot en una cuenta personal contra código de la empresa, o alguien descargando un modelo de código abierto para ejecutarlo localmente en una laptop de trabajo, fuera de cualquier monitoreo.

Los riesgos del shadow AI

La evidencia más clara del costo proviene del Informe sobre el costo de una brecha de datos 2025 de IBM, basado en investigación del Ponemon Institute en 600 organizaciones de 16 países. El veinte por ciento de las organizaciones que sufrieron una brecha tuvo una brecha relacionada con shadow AI, y un nivel alto de shadow AI añadió en promedio $670,000 al costo de una brecha. El mismo informe encontró que el 63% de las organizaciones no tiene ninguna política para gestionar el uso de IA ni para detectar shadow AI.

Detrás de esa cifra hay varios riesgos distintos. La exposición al cumplimiento normativo suele ser la que muerde más rápido: los registros de clientes pegados en un chatbot público pueden convertirse en una transferencia de datos transfronteriza no reportada bajo el RGPD o en un problema de divulgación bajo la HIPAA, sin importar la intención de nadie. Los puntos ciegos de seguridad lo agravan, ya que un equipo de seguridad no puede aplicar controles, monitorear ni responder ante una herramienta cuya existencia desconoce. Por eso el shadow AI funciona menos como una nueva categoría de amenaza y más como un programa de prevención de pérdida de datos con huecos permanentes.

Hay un riesgo más reciente específico de hacia dónde se dirige la IA. Un chatbot no autorizado en su mayoría solo responde preguntas. Un agente de IA no autorizado puede consultar una base de datos, llamar a una API o completar una tarea de varios pasos en nombre de alguien, sin que nadie haya revisado qué se le permite tocar. A medida que se propagan las herramientas agénticas, el shadow AI deja de ser solo un problema de exposición de datos y empieza a ser también un problema de acciones que nadie aprobó.

El mecanismo de la filtración de datos

La filtración de datos es el riesgo que subyace a la mayoría de las cifras anteriores, y el caso de Samsung muestra exactamente cómo ocurre. Una persona con un problema real y urgente pega la entrada más rápida disponible, sin detenerse a preguntar a dónde va después. Una vez que un prompt llega a una herramienta de IA pública, quien lo envía generalmente no tiene forma de controlar su retención, ninguna garantía de que el contenido no se use para entrenamiento, y ninguna vía para eliminarlo si la decisión resulta ser mala después de los hechos.

Esto no es un argumento de que toda herramienta de IA en la nube sea negligente con los datos. Es que, una vez que la información sale del dispositivo, quien la envía está confiando en una política que casi nunca leyó, en un servicio que su empresa nunca evaluó. El desglose técnico más profundo de lo que le sucede a un prompt en el procesamiento en la nube frente al procesamiento local se cubre en IA en la nube frente a IA local: ¿cuál es más segura para tus datos?

El shadow AI y los equipos de seguridad

Para un equipo de seguridad, la característica que define al shadow AI no es que sea peligroso. Es que es invisible. El monitoreo tradicional vigila las aplicaciones autorizadas, y un chatbot o extensión no aprobado simplemente no aparece en ese mapa, lo que significa que la pregunta estándar, «¿están protegidos nuestros datos?», se vuelve silenciosamente imposible de responder para cualquier cosa que ocurra en la capa de shadow AI.

Obtener visibilidad suele empezar con pasos poco sofisticados y sin herramientas especializadas: revisar los registros de acceso a la red y a los SaaS en busca de tráfico hacia plataformas de IA conocidas, comprobar qué extensiones de navegador están instaladas en toda la organización, y realizar una encuesta anónima honesta preguntando a la gente qué herramientas de IA usa realmente y por qué. El porqué importa tanto como el qué, ya que apunta directamente a qué herramienta autorizada haría innecesario el atajo. Para una visión más completa de cómo se explota la IA sin gobernanza una vez que está instalada, consulta La crisis de seguridad de los agentes de IA.

Cómo pueden las empresas controlar el shadow AI

La respuesta más eficaz empieza antes de escribir cualquier política. Dale a la gente una herramienta autorizada que sea realmente lo bastante buena para usar, porque una prohibición sin nada que reemplace el atajo solo empuja el uso todavía más hacia la clandestinidad. A partir de ahí, una política corta y específica funciona mejor que una larga: nombrar qué herramientas están aprobadas, qué categorías de datos están prohibidas como entrada para la IA y a quién preguntar cuando surge algo nuevo supera a un vago memorando de «usa la IA de forma responsable» que nadie puede poner en práctica.

La capacitación cierra una brecha que la política sola no puede. La mayoría de las personas pega texto sensible en un chatbot porque nunca se le dijo que no lo hiciera, no porque se le advirtió y lo ignoró. La visibilidad continua, mediante las revisiones de registros y las encuestas mencionadas arriba, mantiene el panorama actualizado en lugar de preciso solo el día en que se firmó la política. Y donde las herramientas lo permiten, darles a los empleados una forma de obtener ayuda de IA sin que sus prompts salgan del control de la organización elimina la razón subyacente por la que existen muchos de estos atajos en primer lugar.

Dónde encaja la IA local

Una pieza específica del problema de exposición, los prompts que salen de un dispositivo hacia un servicio que nadie evaluó, tiene una respuesta arquitectónica. El Modo Privado de Sigma Browser permite que las tareas compatibles se ejecuten en un modelo local en el propio dispositivo de una persona en lugar de enviar el prompt a un proveedor en la nube.

Eso es una mitigación para una parte del shadow AI, no un sustituto de la gobernanza. El Modo Privado no cubre todas las funciones de Sigma: la búsqueda web, Deep Research y algunos flujos de trabajo de agentes siguen dependiendo del procesamiento externo, y usarlo no le da a una empresa visibilidad sobre lo que hacen sus empleados ni una política que les indique qué está permitido. Lo que sí hace es eliminar una razón común por la que la gente recurre a una herramienta no aprobada en primer lugar: necesitar ayuda de IA sin que un prompt salga de su máquina.

Señales de que tu organización tiene un problema de shadow AI

Un puñado de patrones suele aparecer antes que cualquier auditoría formal:

• Los empleados mencionan casualmente «una herramienta que encontré» o «una IA que uso» de la que TI nunca ha oído hablar.
• Suscripciones personales de IA aparecen en reportes de gastos o solicitudes de reembolso.
• La velocidad de producción o el estilo de escritura cambia de forma marcada y uniforme en todo un equipo, sin una nueva contratación o proceso que lo explique.
• Un proveedor de SaaS lanza una nueva función «impulsada por IA» que se activa silenciosamente por sí sola, y nadie en TI recuerda haberla aprobado.
• Una encuesta anónima revela nombres de herramientas que no aparecen en ninguna lista aprobada.
• Nadie en la empresa puede decir, con confianza, qué herramientas de IA tienen actualmente acceso a sus datos.

Cualquiera de estas señales vale la pena investigarlo más de cerca. Varias a la vez suelen significar que el shadow AI ya está establecido, no que está emergiendo.

El shadow AI en una frase

El shadow AI es lo que ocurre cuando la herramienta más rápida disponible no es la que aprobó TI, y la solución rara vez es una prohibición: es darle a la gente una opción autorizada lo bastante buena como para que el atajo deje de valer el riesgo. Para la pieza específica de ese riesgo impulsada por los prompts que salen del dispositivo, el Modo Privado de Sigma es una opción que vale la pena conocer, junto con el trabajo de política, capacitación y visibilidad que ninguna herramienta puede sustituir.