¿Qué es exactamente la shadow AI?
Shadow AI es el uso de herramientas de inteligencia artificial generativa por parte de empleados, con fines de trabajo, sin que el área de TI o seguridad lo haya aprobado, evaluado ni sepa que ocurre. No hace falta que sea deliberadamente clandestino: la mayoría de los casos son mucho más mundanos que "clandestinos".
- Un empleado pega un contrato entero en ChatGPT para que se lo resuma.
- RR. HH. sube currículos a una app gratuita para preseleccionarlos más rápido.
- Ventas carga una hoja de clientes en un asistente de IA para redactar mensajes personalizados.
- Alguien instala una extensión de navegador con IA integrada que nadie en TI ha revisado.
Ninguno de estos casos nace de mala fe. Nace de que la herramienta funciona mejor, más rápido o simplemente existe, y la alternativa aprobada por la empresa — si es que existe — no está a la altura.
Por qué prohibirla no funciona
La respuesta instintiva de muchas direcciones en cuanto descubren shadow AI es prohibirla sin más. Es comprensible, y está condenada al fracaso: buena parte de los empleados seguiría usando estas herramientas incluso después de una prohibición formal, según estudios del sector de 2025-2026. Quien prohíbe sin dar alternativa no reduce el uso — solo lo esconde mejor, y la empresa pierde justo la poca visibilidad que tenía sobre lo que está pasando con sus datos.
La alternativa que de verdad reduce el riesgo no es la prohibición, es el acceso gobernado: saber qué se usa, decidir con criterio qué se autoriza, con qué condiciones, y qué se sustituye por una opción más segura — no apagar la luz y esperar que el problema desaparezca.
Por qué ya es un problema de cumplimiento, no solo de cultura
Un análisis del Laboratorio de Privacidad de la AEPD de agosto de 2026 lo deja claro: un simple prompt puede contener datos personales, información confidencial, secretos empresariales o documentación sujeta a reserva. Introducir datos personales en una herramienta externa puede constituir en sí mismo un tratamiento de datos sujeto al RGPD — lo que obliga a revisar qué papel juega el proveedor de esa herramienta, dónde procesa la información y bajo qué condiciones.
Antes de autorizar cualquier servicio que vaya a recibir información corporativa, conviene poder responder a preguntas muy concretas: qué datos procesa, con qué finalidad, cuánto tiempo los conserva, si intervienen subproveedores, dónde se realiza el tratamiento, si las entradas pueden usarse para entrenar o mejorar el servicio, y si la herramienta permite borrar o exportar esos datos cuando se le pida. Sin un inventario de qué se usa realmente, ninguna de esas preguntas tiene respuesta.
Cómo detectar la shadow AI sin montar un sistema de vigilancia
El objetivo no es fiscalizar a cada persona, es construir un mapa razonablemente fiable de qué se usa. Las fuentes más útiles, combinadas, suelen bastar:
- Gastos y suscripciones de tarjeta corporativa — la mayoría de herramientas de IA se pagan con suscripción, y esos cargos dejan rastro.
- Extensiones instaladas en navegadores gestionados por la empresa — una parte importante de la shadow AI entra por ahí, no por aplicaciones de escritorio.
- Aplicaciones SaaS con inicio de sesión corporativo (SSO) — muchas herramientas de uso diario ya han añadido funciones de IA sin que nadie las revisara para ese uso concreto.
- Una encuesta directa y no punitiva al equipo — preguntar abiertamente qué se usa y para qué suele dar más información, más rápido, que cualquier herramienta técnica, siempre que quede claro que no habrá consecuencias por responder con sinceridad.
Con ese mapa ya se puede decidir con criterio: qué usos siguen tal cual, cuáles necesitan más controles (una DPA con el proveedor, restricciones de qué datos se pueden introducir) y cuáles conviene retirar y sustituir por una alternativa aprobada.
De la detección a la regularización
Detectar sin regularizar solo genera una lista incómoda que nadie sabe qué hacer con ella. El paso que de verdad cierra el círculo es traducir ese mapa en tres decisiones por herramienta: autorizar (con condiciones claras sobre qué datos puede recibir), sustituir (por una alternativa ya evaluada que cubra la misma necesidad) o retirar (cuando el riesgo no compensa, explicando por qué en vez de prohibir sin más). Comunicar esas decisiones — y el porqué de cada una — es lo que evita que la próxima ola de shadow AI vuelva a aparecer por la misma puerta.