Shadow AI: qué es, cómo detectarla en su empresa y por qué prohibir no funciona

Se denomina shadow AI al uso de herramientas de inteligencia artificial dentro de una organización sin conocimiento ni aprobación de quienes responden por la tecnología, la información y el gasto. No es un fenómeno marginal ni malintencionado: es la consecuencia previsible de que la IA resulte útil y la empresa aún no ofrezca una vía corporativa para usarla. Este artículo explica por qué aparece, cómo detectarla y qué funciona para gobernarla.

Qué es y por qué aparece

El término deriva de shadow IT, la tecnología que los equipos adoptan por fuera de los canales formales. En el caso de la IA, adopta formas concretas: una cuenta personal de un asistente conversacional usada para resumir correos de clientes, una extensión del navegador que lee los documentos abiertos, una suscripción individual que un colaborador paga de su bolsillo o legaliza como gasto menor.

Aparece por una razón sencilla. La herramienta está a un clic, es gratuita o barata, y resuelve en minutos tareas que tomaban horas. Quien la usa no pretende eludir una norma: pretende cumplir con su trabajo. Ya en 2024, el Work Trend Index de Microsoft y LinkedIn —31.000 trabajadores en 31 mercados— registró que el 78 % de quienes usaban IA en el trabajo llevaba sus propias herramientas (Microsoft WorkLab, mayo de 2024); la cifra tiene dos años, y las más recientes indican que el fenómeno no ha retrocedido. Por eso la shadow AI se concentra precisamente en los equipos con mayor carga documental, que suelen ser también los que manejan la información más delicada.

Tres riesgos que conviene distinguir

Información. Es el más visible. Datos de clientes, contratos o cifras internas terminan en la infraestructura de un tercero, bajo condiciones de uso que nadie en la empresa revisó. Se agrava por la ausencia de registro: la organización no sabe qué se compartió, de modo que tampoco puede evaluar el daño ni responder ante un titular que pregunte por sus datos. El informe Cost of a Data Breach de 2026, elaborado por el Ponemon Institute con el patrocinio de IBM sobre 602 organizaciones de 16 países, encontró que la shadow AI intervino en el 43 % de los incidentes de seguridad, frente al 20 % del año anterior, y que el 68 % de las organizaciones que sufrieron una brecha no tenía gobernanza de IA para gestionarla ni para detectarla (IBM y Ponemon Institute, 29 de julio de 2026). En la edición de 2025, un nivel alto de shadow AI añadía en promedio 670.000 dólares al costo de una brecha, y esos incidentes comprometían datos personales en el 65 % de los casos y propiedad intelectual en el 40 % (IBM, 30 de julio de 2025). El artículo Cómo usar ChatGPT y otras IA en la empresa sin exponer datos confidenciales desarrolla este punto.

Calidad y criterio. Cuando cada colaborador usa la herramienta que prefiere, con sus propias instrucciones, la calidad del resultado depende de la pericia individual. Dos personas del mismo equipo entregan documentos con tonos, formatos y niveles de verificación distintos, y las advertencias o criterios que la empresa considera obligatorios se aplican solo si cada quien los recuerda.

Gasto. Es el riesgo menos comentado y el que más rápido está entrando en la conversación regional. Las licencias individuales se acumulan en tarjetas corporativas y reembolsos, sin una vista consolidada de cuántas hay, quién las usa ni con qué resultado. En un análisis publicado en Colombia, Capgemini señala que el 59 % del gasto en IA generativa ocurre sin intervención del área de tecnología y que el 68 % de las organizaciones ha superado su presupuesto de IA, con datos de su instituto de investigación (Capgemini Colombia, 8 de septiembre de 2026).

Cómo detectarla

La detección no requiere herramientas especializadas para empezar. Cuatro fuentes ofrecen una imagen suficiente:

1. Gastos y reembolsos. Una revisión de los cargos recurrentes a proveedores de IA en tarjetas corporativas y legalizaciones de gastos suele revelar más suscripciones de las esperadas.

2. Tráfico y aplicaciones. El área de tecnología puede identificar el acceso a los dominios de las herramientas más conocidas y las extensiones instaladas en los navegadores corporativos.

3. Una encuesta sin consecuencias. Preguntar a los equipos qué utilizan y para qué, con el compromiso expreso de no sancionar, produce la información más valiosa: qué tareas están resolviendo con IA. Esa lista es, en la práctica, el inventario de necesidades que la vía corporativa deberá cubrir.

4. Señales en los entregables. Cambios bruscos de estilo, textos con estructuras reconocibles o citas que no resisten verificación indican uso no declarado.

El objetivo de este ejercicio es dimensionar, no perseguir. Una detección que se perciba como vigilancia lleva el uso a dispositivos personales, donde la empresa pierde incluso la visibilidad que tenía.

Por qué prohibir no funciona

La prohibición es la respuesta más frecuente y la menos efectiva, por tres razones.

Primera: no elimina el uso, lo desplaza. El colaborador que ya comprobó que la herramienta le ahorra horas seguirá usándola desde su teléfono o su equipo personal, fuera de todo control corporativo.

Segunda: deja a la organización sin el beneficio. La empresa asume el costo de quedarse atrás mientras una parte de sus equipos sigue usando IA de todos modos.

Tercera: convierte un problema de gestión en un problema disciplinario. Quien usa IA deja de contarlo, y la organización pierde la información que necesita para decidir.

Samsung prohibió las herramientas de IA generativa en 2023, después de descubrir que miembros de su personal habían subido código interno a ChatGPT (Bloomberg, 2 de mayo de 2023). Fue una medida de contención razonable tras un incidente. No es una estrategia: es el tiempo que una empresa gana mientras prepara una alternativa.

La capacitación, por sí sola, tampoco basta. Mejora el criterio, pero una protección que depende de que cada persona recuerde la norma en cada tarea falla con el primer descuido.

Qué funciona: una alternativa aprobada

Las organizaciones que reducen la shadow AI no lo consiguen bloqueando, sino ofreciendo una vía corporativa que resulte preferible a la herramienta personal. Para que lo sea, debe reunir cuatro condiciones, con independencia del proveedor que se elija:

• Ser al menos tan buena como lo que reemplaza. Si la vía aprobada ofrece modelos inferiores o una experiencia más lenta, los equipos volverán a sus cuentas personales. El acceso a modelos de primer nivel no es un lujo: es la condición de adopción.

• Proteger la información sin exigir esfuerzo. La protección debe operar antes de que el mensaje salga y sin pasos adicionales para el colaborador. En NiuCore ese papel lo cumple la anonimización activa, habilitada por defecto para toda la empresa.

• Ajustarse a cada equipo. El área jurídica, la comercial y la financiera no trabajan con la misma información ni bajo las mismas restricciones. Un gobierno por áreas permite definir para cada una sus integrantes, modelos, conectores, bibliotecas, reglas y habilidades, con áreas más abiertas para el trabajo general y áreas privadas para los procesos sensibles.

• Incorporar los criterios de la empresa y hacer visible el uso. Las reglas aplican de forma automática las instrucciones y restricciones de la organización a cada conversación, sin depender de la decisión del colaborador. Y un panel de observabilidad muestra el consumo por usuario, por modelo y por área, que es la base para controlar el gasto.

Un plan de cuatro pasos

1. Dimensionar. Aplicar las cuatro fuentes de detección y elaborar el inventario de herramientas, equipos y tareas.

2. Decidir la vía corporativa. Elegir una plataforma que cumpla las cuatro condiciones anteriores y definir las áreas iniciales, empezando por los equipos con mayor uso detectado.

3. Comunicar en positivo. Presentar la vía aprobada como un recurso que la empresa pone a disposición, con una fecha a partir de la cual el trabajo con información corporativa debe hacerse en ella. La política de uso acompaña, no encabeza.

4. Medir y ajustar. Revisar periódicamente la adopción —usuarios activos sobre licencias asignadas— y el consumo por área, y repetir el ejercicio de detección a los tres meses para comprobar si el uso externo se redujo.

Cierre

La shadow AI no indica un problema de disciplina, sino una demanda interna que la organización aún no ha atendido. Tratarla como tal —con una alternativa mejor, protegida y visible— resulta más efectivo que prohibirla y convierte un riesgo en una capacidad. Las páginas de áreas y gobierno y de reglas y habilidades describen cómo lo plantea NiuCore.