El Shadow AI, también llamado IA en la sombra o IA invisible, es el uso de herramientas de inteligencia artificial por parte de empleados de una empresa sin aprobación ni supervisión del área de IT. Es uno de los riesgos de gobernanza y ciberseguridad empresarial más subestimados hoy en las organizaciones que incorporaron la IA a su día a día, muchas veces sin saberlo.
Según un reporte de KPMG de 2025, el 44% de los empleados ya usó la inteligencia artificial de alguna forma que contradice las políticas de su empresa, y solo el 41% dice que su organización tiene una política clara que guíe el uso de IA generativa. Esa brecha entre adopción y gobernanza es todavía más riesgosa cuando lo que está circulando sin control no es un chatbot, sino un agente con capacidad de acción. Estudios regionales muestran que esa misma brecha se repite, y a veces se agranda, en las empresas de América Latina.
En esta guía vemos qué es el Shadow AI, en qué se diferencia del Shadow IT, por qué los empleados recurren a él, qué herramientas son las más comunes, ejemplos de cómo se ve en el día a día de una pyme, qué riesgo concreto genera y qué podés hacer para controlarlo sin prohibir el uso de IA en tu empresa.
LECTURA RECOMENDADA: Inteligencia artificial en las empresas
Refuerza la seguridad de tu empresa con expertos.
- Plan por 30 días
- 30 años de experiencia
- ¿Qué es el Shadow AI o IA en la sombra?
- Ejemplos de Shadow AI en el día a día de una pyme
- ¿Cuál es la diferencia entre Shadow IT y Shadow AI?
- ¿Por qué los empleados recurren a Shadow AI sin autorización?
- ¿Qué herramientas de IA se usan más como Shadow AI?
- ¿Qué riesgos genera el Shadow AI en tu empresa?
- ¿Cómo detectar el uso de Shadow AI en tu red corporativa?
- Buenas prácticas para gestionar el riesgo del Shadow AI
- ¿Es lo mismo el Shadow AI en un chatbot que en un agente autónomo?
- ¿Por qué contratar una consultora para gestionar el Shadow AI?
- Preguntas frecuentes de Shadow AI
¿Qué es el Shadow AI o IA en la sombra?
El Shadow AI, también llamado IA en la sombra o IA invisible, es el uso de herramientas de inteligencia artificial por parte de empleados de una empresa sin aprobación ni supervisión del área de IT o de quien gestiona la tecnología en la organización. No es un ataque externo, es un problema de visibilidad y seguridad de la información donde la empresa no sabe qué herramientas de IA está usando su propio equipo, ni qué datos les está compartiendo.
Muchas veces pasa sin que nadie lo note como un riesgo. Alguien copia datos en un chat de IA para que lo ayude a redactar un informe, sube una presentación para mejorarla, o manda las notas de una reunión para que le arme un resumen. Parece inofensivo, pero no lo es. Según un estudio de LayerX, el 6% de los empleados ya copió y pegó información sensible en una herramienta de IA, y un 4% lo hace todas las semanas.
El problema es que muchas de estas herramientas guardan y reutilizan lo que se les carga. Si esa información es confidencial, la empresa pierde el control sobre ella: datos de clientes, documentos internos o estrategias de negocio pueden terminar en bases de datos externas, sin ninguna garantía real de protección.
Ejemplos de Shadow AI en el día a día de una pyme
Estos son escenarios ilustrativos de cómo se ve el Shadow AI (IA en la sombra) en las pequeñas y medianas empresas. Cada uno representa un tipo de daño distinto (no siempre es filtración de datos):
- Atención al cliente (riesgo reputacional): un representante, en vez de consultar los materiales aprobados por la empresa, le pide la respuesta a un chatbot no autorizado. El cliente recibe una respuesta inconsistente o directamente falsa, y si la consulta incluía datos sensibles, se suma un problema de seguridad al de imagen.
- Análisis de datos (riesgo competitivo): un analista sube el historial de ventas o de comportamiento de clientes a un modelo externo para encontrar patrones más rápido. La información puede terminar, en el peor de los casos, entrenando la misma herramienta que usa la competencia.
- Marketing (riesgo de cumplimiento): el equipo usa una herramienta de automatización de IA no aprobada para armar campañas de mail, cargando datos de contacto de clientes sin que nadie revisó cómo esa herramienta maneja esa información.
- Un agente autónomo mal configurado (riesgo operativo): un empleado configura, por su cuenta, un agente de IA con acceso de lectura y escritura sobre el mail de la empresa para que le “organice la bandeja de entrada”, sin que nadie haya revisado qué permisos tiene ni a qué información accede.
Este último caso es el que más nos preocupa cuando trabajamos en la ciberseguridad de pymes que ya empezaron a usar agentes de IA, porque el riesgo deja de ser solo de exposición de datos y pasa a ser de ejecución de acciones no autorizadas.
¿Cuál es la diferencia entre Shadow IT y Shadow AI?
El Shadow AI es una categoría específica dentro del fenómeno más amplio del Shadow IT. Su diferencia principal es que mientras que el Shadow IT abarca cualquier software, hardware o servicio no autorizado (una app personal, un almacenamiento en la nube no aprobado), el Shadow AI se refiere puntualmente al uso no autorizado de herramientas de inteligencia artificial.
La diferencia no es solo de categoría, también de qué se pone en riesgo. En el Shadow IT tradicional, el problema típico es que un archivo queda guardado en un servicio no autorizado, algo que en general se puede ubicar y eliminar. En el Shadow AI hay dos riesgos de la IA adicionales: por un lado, el dato puede quedar absorbido por el modelo para entrenarse, sin una forma clara de revertir eso. Por otro, el resultado que genera esa IA (un informe, un análisis, una recomendación) puede terminar alimentando una decisión de negocio sin que nadie lo haya validado ni sepa que ese contenido salió de una herramienta no autorizada.
Tabla comparativa de Shadow IT vs. Shadow AI (IA en la sombra)
| Criterio | Shadow IT | Shadow AI (IA en la sombra) |
|---|---|---|
| Qué es | Software o dispositivos no aprobados por IT. | Herramientas de IA no aprobadas por IT. |
| Riesgo principal | El dato queda guardado fuera de control, pero suele ser recuperable. | El dato puede ser usado para entrenar el modelo, de forma irreversible. |
| Ejemplo típico | Una planilla compartida por fuera de los sistemas oficiales. | Pegar código de producción en un chatbot público para debuggear. |
¿Por qué los empleados recurren a Shadow AI sin autorización?
En la gran mayoría de los casos que vemos en Tec5, los empleados recurren a Shadow AI por practicidad y desconocimiento del riesgo, no por mala intención. Las causas más comunes son:
- Procesos de aprobación de IT demasiado lentos frente a la velocidad con la que aparecen nuevas herramientas y aplicaciones de IA.
- Falta de una alternativa oficial que resuelva lo mismo que la herramienta no autorizada.
- Desconocimiento del riesgo: muchos empleados no tienen idea de que pegar un dato en un chat público puede ser un problema.
- La sensación de que “total, todos lo usan”, que hace que nadie se sienta responsable de pedir permiso.
Hay una quinta categoría, mucho menos frecuente pero real: el uso con intención de dañar. Es decir, alguien que recurre a una herramienta no autorizada específicamente para extraer información, sabiendo que hace algo indebido. Ahí ya no se trata de un problema de gobernanza sino de un incidente de seguridad, y la respuesta no es la misma.
Por eso, en Tec5 recomendamos no tratar todas las causas por igual: una política que solo contempla el desconocimiento no va a frenar a quien actúa a propósito, y una que trata todo como ataque genera desconfianza innecesaria en el 90% de los casos que son simple practicidad.
¿Qué herramientas de IA se usan más como Shadow AI?
Las herramientas de IA más comunes que vemos que se usan en el día a día de una empresa son:
- IA generativa de uso personal (ChatGPT, Claude, Gemini) usados para tareas de trabajo sin una cuenta corporativa gobernada.
- Extensiones de navegador que resumen, traducen o reescriben contenido, instaladas sin pasar por IT.
- Bots de transcripción que se suman a reuniones de Zoom o Teams (como Otter o Fireflies) sin invitación oficial.
- Asistentes de programación personales (Copilot, u otros) usados en entornos de desarrollo sin licencia empresarial.
- Funciones de IA activadas dentro de herramientas SaaS que la empresa ya usa (un CRM, un ERP), sin que nadie haya evaluado qué hace esa función con los datos que procesa.
¿Shadow AI es lo mismo que usar ChatGPT sin permiso en el trabajo?
Sí, usar ChatGPT personal para una tarea de trabajo es una forma de Shadow AI. Se da, por ejemplo, cuando alguien pega el contenido de un mail de un cliente para que ChatGPT redacte la respuesta, cuando sube una planilla con datos de ventas o de stock para pedirle un resumen o detectar tendencias, o cuando lo usa para traducir o reformular un contrato o una propuesta comercial, sin pasar por una cuenta corporativa gobernada.
¿Qué riesgos genera el Shadow AI en tu empresa?
El Shadow AI expone a una empresa en más de un frente a la vez: desde la información confidencial que se filtra sin querer, hasta las decisiones que se toman confiando en un resultado que nadie revisó. Estos son los riesgos más importantes:
- Fuga de datos sensibles: información de clientes, cifras financieras, código fuente o propiedad intelectual pueden terminar compartidos con un tercero sin que exista ningún ataque de por medio, simplemente porque alguien los pegó en un prompt sin pensarlo dos veces.
- Decisiones de negocio mal informadas: cuando una herramienta de IA no pasó por ningún control, tampoco pasaron por control sus resultados. Errores o alucinaciones de la IA pueden terminar alimentando un informe, un análisis o una recomendación sin que nadie los haya revisado antes.
- Daño reputacional: no hace falta una fuga de datos para dañar la imagen de una empresa. Alcanza con que un contenido o una decisión basada en IA no supervisada llegue a un cliente o al público y no cumpla con los estándares de calidad esperados.
- Incumplimiento normativo: compartir datos de clientes o empleados con una herramienta no autorizada puede exponer a la empresa a infringir la ley de protección de datos, aunque nadie lo haya hecho a propósito.
- Pérdida de visibilidad y control: si no sabés qué herramientas de IA usa tu equipo, tampoco podés anticipar por dónde puede aparecer un problema, ni reaccionar a tiempo cuando ya ocurrió.
¿Cómo afecta esto al cumplimiento normativo?
En Argentina, la Ley 25.326 de Protección de Datos Personales regula cómo se pueden tratar los datos de clientes y empleados, y compartir esos datos con una IA no autorizada puede exponer a la empresa a un incumplimiento sin que nadie lo haya hecho a propósito. A esto se suman marcos internacionales como el RGPD europeo o la Ley de IA de la Unión Europea, cada vez más exigentes con demostrar gobernanza sobre el uso de IA.
¿Por qué es más difícil de detectar que el Shadow IT tradicional?
Por dos motivos. Primero, las herramientas de IA se multiplican mucho más rápido de lo que cualquier equipo de IT puede evaluar y bloquear una por una, y cada vez más aplicaciones que la empresa ya usa vienen con funciones de IA integradas de fábrica, así que la línea entre “uso autorizado” y “Shadow AI” se vuelve borrosa. Segundo, algunas aplicaciones de IA corren en el propio equipo del empleado (modelos locales, sin conexión a un servidor externo), lo que las vuelve invisibles para un monitoreo de tráfico de red tradicional.
¿Cómo detectar el uso de Shadow AI en tu red corporativa?
Detectar Shadow AI requiere combinar varias capas de herramientas técnicas, porque ninguna por sí sola cubre todo el panorama: unas ven el tráfico de red, otras el uso de aplicaciones en la nube, y ninguna alcanza a ver lo que corre fuera de la red corporativa. Estas son las principales:
- 🔍 Herramientas de detección de Shadow AI/IT. Son soluciones que rastrean y catalogan todos los sistemas y servicios que tu equipo está usando en este momento, tanto los aprobados como los que no pasaron por ningún control. El objetivo no es armar una lista para sancionar a nadie, sino tener un mapa real de la situación antes de decidir qué herramienta conviene aprobar, cuál restringir y cuál bloquear directamente.
- 🛡️ Arquitectura CASB o SASE. Un CASB (Cloud Access Security Broker) es la tecnología específica pensada para esto: protege las aplicaciones y servicios en la nube combinando en una misma capa la detección de Shadow AI, el control de acceso, la prevención de fuga de datos (DLP) y, en algunos casos, el aislamiento del navegador para bloquear plataformas no autorizadas sin frenar el resto del trabajo del equipo. Suele implementarse como parte de una arquitectura más amplia llamada SASE (Secure Access Service Edge).
- 📡 Monitoreo de tráfico de red. Sirve para identificar conexiones hacia dominios de IA que la empresa nunca aprobó formalmente, o picos inusuales de transferencia de datos hacia servicios en la nube que no están catalogados. Es la capa más técnica, pero también la más limitada: no detecta lo que corre en un dispositivo personal o en un modelo local, que quedan directamente fuera de la red corporativa.
- 🗣️ Auditorías y encuestas honestas al equipo. Es la capa que más rápido revela información real, siempre que se plantee sin buscar culpables. Preguntarle directamente al equipo qué herramientas de IA usa hoy, sin consecuencias por responder con sinceridad, suele destapar mucho más de lo que cualquier sistema técnico puede ver por sí solo, sobre todo porque buena parte del Shadow AI ocurre fuera del alcance de cualquier monitoreo corporativo.
Detectar el problema es el primer paso, pero no alcanza por sí solo. Una vez que sabés qué se está usando y quién lo usa, el desafío pasa a ser otro: qué hacer con esa información sin frenar la productividad de tu equipo ni generar una cultura de desconfianza. Eso es lo que vemos a continuación.
Buenas prácticas para gestionar el riesgo del Shadow AI
No es realista prohibir el uso de IA en tu empresa. Si lo bloqueás sin dar alternativa, lo único que lográs es que la gente lo siga usando desde su celular personal, fuera de la red corporativa, donde tenés todavía menos visibilidad. Lo que funciona para la gestión de riesgos asociados al Shadow AI es una combinación de medidas:
- Gobernanza positiva: ofrecer versiones aprobadas y seguras de las herramientas que tu equipo ya quiere usar, en vez de solo bloquear.
- Colaboración entre IT, seguridad y el resto de la empresa: buena parte del Shadow AI aparece porque nunca hubo una conversación real sobre qué necesita cada equipo. Hablar antes de prohibir evita que el problema vuelva a aparecer por otra vía.
- Procesos de aprobación ágiles: si pedir una herramienta nueva tarda semanas, tu equipo va a resolverlo por su cuenta mientras espera. La gestión tiene que dar una respuesta rápida, no solo un “no” con trámite lento.
- Escuchar al equipo antes de elegir las herramientas oficiales: quien hace el trabajo todos los días suele saber mejor que nadie qué herramienta le resuelve el problema. Una encuesta simple antes de definir el stack aprobado evita que se apruebe algo que igual nadie va a usar.
- Cultura de no buscar culpables: si el objetivo es que la gente cuente qué está usando, castigar a quien lo admite logra el efecto contrario. Esto importa especialmente en la región: según un estudio de 2026 de G-CERTI sobre gobernanza de IA en América Latina, el 92% de las empresas ya usa IA, pero solo el 8% tiene políticas formales para gestionarla. Es una brecha enorme entre adopción y control, y deja el tema librado a la interpretación de cada jefe de equipo.
- Monitoreo continuo: la situación cambia todo el tiempo, no es algo que se resuelve una sola vez.
Dos de estas medidas necesitan su propio desarrollo: la política de uso y la capacitación del equipo.
¿Cómo crear una política de uso de IA para empleados?
Una política de uso de IA útil, sin ser un documento de 40 páginas que nadie lee, debería definir con claridad:
- Qué herramientas de IA están aprobadas y cuáles no.
- Qué tipo de datos nunca se pueden pegar en una IA (datos de clientes, código de producción, información financiera sin anonimizar).
- A quién consultar si el equipo necesita una herramienta que hoy no está aprobada.
- Qué pasa si se detecta un uso no autorizado (la idea es corregir, no castigar, en línea con la cultura de no buscar culpables que mencionamos arriba).
¿Cómo capacitar a tu equipo en uso seguro de IA?
Una capacitación efectiva combina tres elementos: ejemplos del propio rubro de la empresa (no genéricos, sino casos reales de qué se puede y qué no se puede compartir en el trabajo diario de ese equipo), sesiones cortas y frecuentes en vez de una única charla larga que se da por cumplida y se olvida, y un canal claro para hacer preguntas cuando surge una duda puntual, en vez de esperar a la próxima capacitación formal. Las empresas que actualizan esta formación cada pocos meses, a medida que aparecen nuevas herramientas, tienen mejores resultados que las que la tratan como un trámite único de una sola vez.
¿Es lo mismo el Shadow AI en un chatbot que en un agente autónomo?
No, el riesgo asociado escala bastante. Un chatbot no autorizado, en el peor de los casos, expone lo que alguien le compartió manualmente (un dato de cliente pegado en una consulta, un fragmento de código, una cifra financiera) o devuelve una respuesta incorrecta que alguien usa sin chequear. Un agente autónomo no autorizado, en cambio, tiene permisos para actuar (mandar mails, acceder a un CRM, ejecutar tareas), y puede tomar acciones reales en tus sistemas sin que nadie las haya aprobado ni esté monitoreando qué hace.
Esto conecta directo con algo que ya vimos en detalle en nuestra guía de prompt injection: cuanta más autonomía y más permisos tiene un agente de IA, mayor es el daño potencial si algo sale mal, sea por un ataque externo o, como en este caso, porque nadie sabía que ese agente existía.
Refuerza la seguridad de tu empresa con expertos.
- Plan por 30 días
- 30 años de experiencia
¿Por qué contratar una consultora para gestionar el Shadow AI?
Porque la mayoría de los equipos de IT internos no tienen el tiempo ni la mirada objetiva para relevar esto mientras siguen con su trabajo del día a día, y porque hace falta alguien que entienda tanto de ciberseguridad como del negocio para decidir qué herramienta aprobar y qué política realmente va a cumplir la gente, no una que quede en un cajón.
Una consultora aporta lo que rara vez existe puertas adentro: un relevamiento objetivo de qué áreas manejan qué tipo de dato, qué herramientas de IA tiene sentido aprobar para cada equipo según su riesgo, y una política diseñada junto con la gente que la va a usar, no bajada desde arriba sin consulta.
En Tec5 abordamos la IA en la sombra como parte de nuestros servicios de ciberseguridad: evaluamos qué uso de IA existe hoy en tu empresa (autorizado y no autorizado), qué riesgo representa cada caso, y armamos esa política de gobernanza junto con el equipo. Esto se complementa con nuestra auditoría de ciberseguridad, que ya cubre buena parte de este relevamiento.
Refuerza la seguridad de tu empresa con expertos.
- Plan por 30 días
- 30 años de experiencia
Preguntas frecuentes de Shadow AI
¿El Shadow IT puede introducir riesgos de seguridad?
Sí. Cualquier software o herramienta que opera por fuera del control de IT es, por definición, un punto ciego: la empresa no puede proteger lo que no sabe que existe. El Shadow AI hereda ese mismo riesgo y lo agrava, porque además involucra el uso activo de datos por parte de un tercero.
¿Cómo sé si mi empresa tiene un problema de Shadow AI?
Si nunca hiciste un relevamiento formal de qué herramientas de IA usa tu equipo, es muy probable que ya tengas Shadow AI circulando, aunque no lo hayas detectado. La forma más confiable de saberlo es con una auditoría que analice tráfico de red, aplicaciones en uso y consultas del propio equipo.
¿Cuánto cuesta una brecha de datos provocada por Shadow AI?
Según IBM, las brechas vinculadas a Shadow AI cuestan en promedio 670.000 dólares más que una brecha de datos convencional, principalmente porque es mucho más difícil determinar qué información confidencial fue absorbida por un modelo externo y no hay forma de “deshacer” ese aprendizaje.
¿El Shadow AI aumenta o disminuye con la adopción de IA generativa?
Aumenta. Cuantas más herramientas de IA existen y más fácil es acceder a ellas gratis o desde el celular personal, más difícil se vuelve para una empresa mantener el control sobre cuáles se están usando puertas adentro.
¿Las soluciones de DLP tradicionales detectan Shadow AI?
Parcialmente. Las herramientas de DLP (prevención de fuga de datos) tradicionales están pensadas para detectar que un archivo se copia, se envía o se sube a un destino no autorizado. Pero no fueron diseñadas para detectar que un dato fue tipeado dentro de un prompt y usado para entrenar un modelo, que es el riesgo específico del Shadow AI. Por eso hace falta una capa de visibilidad adicional, enfocada en el tráfico hacia servicios de IA.
Fuentes:
