Shadow AI: cerrar la brecha de gobernanza de la IA

Lo esencial

• El shadow AI, o IA en la sombra, es el uso de herramientas, modelos o servicios de IA sin que las personas responsables de los datos, el riesgo y el cumplimiento lo sepan o mantengan el control.
• El fenómeno es masivo. Según Gartner, el 68 por ciento de los empleados usa herramientas de IA no autorizadas, frente al 41 por ciento en 2023, y la mayor parte de ese uso nunca pasa por una solicitud de aprobación.
• La lectura habitual, la de un problema de fuga de datos, resulta incompleta. El shadow AI es ante todo un fallo de gobernanza: es la IA que nunca llegó a su inventario.
• Conforme al Reglamento de IA, las obligaciones recaen sobre la organización con independencia de cómo se adoptara la herramienta. Un inventario de IA incompleto constituye, por tanto, una brecha de cumplimiento en sí mismo.
• La respuesta no es la prohibición. Es el descubrimiento, un registro de IA central, una responsabilidad clara y una clasificación del riesgo: el trabajo que convierte una IA padecida en una IA gobernada.

¿Qué es el shadow AI?

El shadow AI es el uso de herramientas, modelos o servicios de inteligencia artificial por parte de empleados o equipos, sin la aprobación ni la supervisión de quienes responden de los datos, el riesgo y el cumplimiento. En la práctica es la responsable de marketing que redacta sus campañas en una cuenta personal de un chatbot, la analista que pega un archivo de clientes en un modelo gratuito para que se lo resuma, y el desarrollador que acepta código de un asistente que la seguridad nunca revisó. Una precisión sobre el término, porque circulan dos sentidos. En español, la expresión «IA en la sombra» transmite bien la idea de una IA presente pero invisible. En un contexto de gobernanza y cumplimiento, el shadow AI designa un uso no autorizado ni gobernado de la IA dentro de la organización, heredero directo del shadow IT. El rasgo determinante es la invisibilidad. La herramienta funciona, la persona gana en productividad y nadie entre los responsables de la supervisión sabe que el sistema existe. Es precisamente esa distancia entre la IA sobre la que la organización funciona de verdad y la IA de la que puede rendir cuentas lo que constituye todo el problema. Nuestro análisis sobre la brecha de gobernanza del shadow AI lo plantea del mismo modo: no se gobierna lo que no se ha visto.

Shadow AI y shadow IT

El shadow IT enseñó a toda una generación de equipos de seguridad que los usos van más rápido que los procesos de aprobación. El shadow AI comparte esa raíz, pero añade dos propiedades que agudizan el riesgo. En primer lugar, el dato no se limita a residir en una aplicación no aprobada: sale del perímetro y se convierte en una entrada que un modelo de terceros puede conservar o reutilizar para su entrenamiento. En segundo lugar, la salida no es determinista, de modo que la misma consulta puede producir respuestas distintas y un texto convincente puede resultar falso. Una herramienta de intercambio mal configurada deja escapar lo que se deposita en ella. Un modelo no gobernado puede dejar escapar lo que se le confia y, además, orientar una decisión por el camino.

Por qué el shadow AI se extiende tan rápido

Tres fuerzas impulsan la adopción. La IA generativa llegó primero como producto de consumo: los empleados la conocieron en casa antes de que la gobernanza la conociera en el trabajo. La ganancia de productividad es inmediata y personal, lo que hace que estas herramientas cueste retirarlas. Y el acceso ocurre sin fricción: bastan una pestaña del navegador y una dirección de correo, sin un paso de compra que frene a nadie. Las cifras describen un comportamiento casi general, no un margen. Gartner registra un 68 por ciento de empleados que usan herramientas de IA no autorizadas, frente al 41 por ciento de 2023. Los datos recopilados en el informe State of Shadow AI de UpGuard van más lejos: el 81 por ciento de los empleados y el 88 por ciento de los responsables de seguridad admiten un uso no aprobado. El crecimiento global del shadow AI se estima en torno al 156 por ciento entre 2023 y 2025, con los asistentes conversacionales generalistas concentrando la inmensa mayoría de la actividad no autorizada. Lo que conviene retener es que esto no se limita a unos pocos perfiles junior que experimentan al margen. Directivos y perfiles técnicos veteranos figuran entre los usuarios más intensivos, precisamente quienes manejan el material más sensible. La prohibición tiende a desplazar ese comportamiento fuera de la vista en lugar de detenerlo.

Ejemplos habituales de shadow AI

El shadow AI se entiende mejor por función, porque aparece allí donde una tarea repetitiva se cruza con un modelo disponible. <table header-row=»true»> <tr> <td>Función</td> <td>Uso habitual de shadow AI</td> <td>Lo que queda expuesto</td> </tr> <tr> <td>Marketing</td> <td>Textos e imágenes generados en cuentas personales</td> <td>Datos de marca, campañas no publicadas</td> </tr> <tr> <td>Ingeniería</td> <td>Asistentes de código no aprobados</td> <td>Código fuente, secretos, riesgo de licencia</td> </tr> <tr> <td>Datos y analítica</td> <td>Conjuntos de datos pegados en un chatbot</td> <td>Datos de clientes y financieros</td> </tr> <tr> <td>Recursos humanos y selección</td> <td>Cribado de candidaturas con una herramienta de consumo</td> <td>Datos personales, riesgo de discriminación</td> </tr> <tr> <td>Finanzas y jurídico</td> <td>Contratos resumidos en un modelo gratuito</td> <td>Material confidencial y sujeto a secreto</td> </tr> </table> Dos detalles convierten estos ejemplos en algo más que anécdotas. El caso de recursos humanos puede llevar a una organización al terreno de alto riesgo del Reglamento de IA, ya que la IA para selección y evaluación de candidatos se clasifica allí como de alto riesgo. Y el caso de la analítica es aquel en el que la información sensible cruza con más frecuencia la frontera hacia un modelo de terceros, motivo por el cual cerca del 38 por ciento de los empleados admite compartir información de trabajo sensible con herramientas de IA sin autorización, según la investigación de seguridad sintetizada por Orca Security.

Los riesgos reales: más allá de la fuga de datos

La exposición de datos y propiedad intelectual es el riesgo que todos nombran primero, y su coste ya es medible. El informe Cost of a Data Breach 2025 de IBM constata que las brechas que implican shadow AI cuestan alrededor de 670.000 dólares más que las demás, y que el 20 por ciento de las organizaciones afectadas había sufrido un incidente relacionado con shadow AI. El mismo informe indica que el 97 por ciento de las organizaciones con una brecha relacionada con la IA carecía de controles de acceso adecuados y que el 63 por ciento no tenía ninguna política de gobernanza de la IA. Pero la fuga de datos es solo el fallo más visible. Otros cuatro riesgos pesan tanto como ese:

• Seguridad y superficie de ataque. Los modelos no autorizados y sus integraciones quedan fuera de la supervisión, y su tráfico se parece a una actividad web ordinaria, de modo que las herramientas clásicas lo pasan por alto.
• Exposición regulatoria. Si una herramienta trata datos personales o alimenta una decisión de alto riesgo, la organización carga con la obligación, conociera o no la herramienta.
• Calidad de las decisiones. Una respuesta segura pero errónea que orienta una contratación, un crédito o un juicio clínico es un evento de gobernanza, no una errata.
• Riesgo agentico. A medida que las herramientas adquieren la capacidad de actuar, y no solo de responder, un agente no gobernado con acceso a los sistemas puede dar pasos que nadie autorizó.

Lo que la lectura de seguridad pasa por alto

La mayoría de los análisis del shadow AI se detiene en el archivo filtrado. Esa lectura es correcta pero superficial, porque trata el asunto como un perímetro que defender en lugar de una población que gobernar. La exposición más profunda es una responsabilidad sin titular: sin propietario, sin clasificación del riesgo, sin constancia de que el sistema existe y, por tanto, sin manera de responder a un regulador, a un auditor o a un consejo que formula una pregunta sencilla. ¿Qué sistemas de IA hacemos funcionar, quién responde de ellos y qué pueden hacer? Una herramienta de seguridad puede bloquear una conexión. A esa pregunta no puede responder.

El shadow AI atañe al Reglamento de IA, no solo a la seguridad

Aquí la perspectiva de gobernanza cambia lo que está en juego. El Reglamento de IA no contempla ninguna exención para la IA que los empleados adoptaron sin aprobación. Sus obligaciones recaen sobre la organización como responsable del despliegue o como proveedor, con independencia de cómo entrara el sistema en el parque. Una organización que no sabe producir un inventario completo y clasificado por riesgo de la IA que utiliza no puede demostrar el cumplimiento, y el shadow AI es precisamente la población ausente de ese inventario. Varias obligaciones muerden de forma directa. El artículo 4 exige a proveedores y responsables del despliegue garantizar un nivel suficiente de alfabetización en IA entre el personal, y se aplica desde el 2 de febrero de 2025. Cuando la IA sirve a una finalidad de alto riesgo, como la selección de personal o la evaluación de solvencia, el responsable del despliegue hereda obligaciones de supervisión humana, de gobernanza de los datos de entrada y de conservación de registros. El calendario de aplicación se acerca: las obligaciones para los modelos de IA de propósito general se aplican desde el 2 de agosto de 2025 y la mayor parte del régimen de alto riesgo desde el 2 de agosto de 2026. Las sanciones están calibradas para notarse, hasta el 7 por ciento del volumen de negocio anual mundial para las prácticas prohibidas y hasta el 3 por ciento para la mayoría de los demás incumplimientos. El mismo principio ocupa el centro de los grandes marcos. El marco de gestión de riesgos de IA del NIST convierte el mantenimiento de un inventario de sistemas de IA y la asignación clara de responsabilidades en un cimiento de sus funciones GOVERN y MAP. La norma ISO/IEC 42001, sobre el sistema de gestión de IA, espera que una organización mantenga un registro de sus sistemas de IA y defina las funciones asociadas. En España, la articulación con la AEPD en materia de datos personales y con la AESIA en materia de supervisión de la IA hace ese inventario aún más concreto. De un marco a otro, el primer movimiento es el mismo: saber lo que se tiene.

De la detección a la gobernanza: cerrar la brecha del shadow AI

Los proveedores de seguridad responden al shadow AI con detección y bloqueo. Es un control necesario, pero un punto de partida, no un destino. La gobernanza responde con un ciclo de vida: descubrir, inventariar, asignar un responsable, clasificar el riesgo, gobernar el sistema a lo largo de su vida y atestiguarlo periódicamente. La diferencia es la que separa cortar una conexión de poder sostener cada decisión de IA que toma su organización. El objeto que hace esto posible es un registro de IA: un único sistema de referencia que reúne cada sistema de IA, su responsable, su finalidad, su nivel de riesgo y sus evidencias. Nuestro registro de IA está construido exactamente para esta transición y convierte una huella de IA dispersa e invisible en un parque gobernado. Una vez inscrito en el registro, un sistema deja de ser shadow AI. Se convierte en un activo con un responsable y un conjunto de controles, el único estado desde el que el cumplimiento, la supervisión y un reporte honesto al consejo se vuelven posibles.

Por qué la prohibición no funciona

Una prohibición general parece firme y rara vez se sostiene. Las personas que hallaron valor real en una herramienta no se detienen: se pasan a dispositivos y cuentas personales, donde su visibilidad es aún menor. La prohibición convierte un problema gobernable en uno invisible. Las organizaciones que avanzan combinan la habilitación con la gobernanza: herramientas aprobadas que de verdad sean buenas, una vía clara y rápida para evaluar una nueva herramienta y un registro que refleje el uso real. Habilitación más gobernanza vence a la prohibición, porque este enfoque trabaja con el comportamiento en lugar de contra él.

Llevar el shadow AI a la gobernanza, en la práctica

Un programa operativo se sostiene en cinco movimientos, por orden.

1. Descubrir. Combinar una encuesta de uso anónima con un descubrimiento técnico a partir de los registros de red y SaaS. El objetivo es una primera imagen honesta, no un ejercicio disciplinario.
2. Registrar. Anotar cada sistema hallado en un registro de IA central, para que el inventario sea un registro vivo y no una hoja de cálculo caducada el mismo día de su cierre.
3. Asignar la responsabilidad y clasificar el riesgo. Dar a cada sistema un responsable designado y un nivel de riesgo, apoyándose en las categorías del Reglamento de IA cuando procedan. Es la responsabilidad la que hace exigible lo demás.
4. Habilitar y formar. Ofrecer alternativas aprobadas que los equipos de verdad quieran usar y satisfacer la obligación de alfabetización del artículo 4 con una formación que explique la razón de ser del registro.
5. Atestiguar de forma continua. Reconfirmar periódicamente la responsabilidad, el nivel de riesgo y los controles, y rendir cuentas del estado del parque al consejo. Es la atestación continua la que mantiene el inventario fiel.

Ninguno de estos movimientos es exótico. Lo que los hace eficaces es realizarlos en un sistema construido para la gobernanza en lugar de en un documento estático, de modo que el registro se mantenga al día mientras el parque de IA cambia por debajo.

Preguntas frecuentes

¿Qué es el shadow AI? El shadow AI, o IA en la sombra, es el uso de herramientas, modelos o servicios de IA dentro de una organización sin la aprobación ni la supervisión de quienes responden de los datos, el riesgo y el cumplimiento. Es el equivalente para la IA del shadow IT, con el riesgo añadido de que los datos salgan del perímetro hacia un modelo de terceros y de que las salidas puedan orientar decisiones. ¿Cuál es un ejemplo de shadow AI? Un ejemplo frecuente es la analista que pega una tabla de datos de clientes en un chatbot gratuito para resumirla, con una cuenta personal que seguridad y cumplimiento nunca aprobaron. Igual de comunes son los equipos de marketing que generan contenidos en cuentas de IA personales o los desarrolladores que aceptan código de asistentes no aprobados. ¿Por qué es un problema el shadow AI? Porque crea una exposición que nadie gestiona: datos sensibles pueden salir de la organización, las decisiones pueden apoyarse en salidas no verificadas y la IA no aparece en ningún inventario. Conforme al Reglamento de IA, las obligaciones se aplican con independencia de cómo se adoptara la herramienta, de modo que una IA no registrada es una brecha de cumplimiento directa y no solo un problema de seguridad. ¿Cómo funciona el shadow AI? Se extiende gracias a un acceso sin fricción. Una persona se registra en una herramienta de IA de consumo con un navegador y una dirección de correo, la usa para trabajar más rápido y no la hace pasar ni por compras ni por seguridad. Como el tráfico se parece a una actividad web ordinaria y la ventaja es real, el uso persiste y se multiplica en silencio. ¿Cómo se detecta el shadow AI? La detección combina dos métodos: una encuesta anónima que pregunta a los equipos qué usan de verdad y un descubrimiento técnico a partir de los registros de red, proxy y SaaS que saca a la luz el tráfico y las aplicaciones de IA. El resultado de ambos debería alimentar un registro de IA central, para que la detección desemboque en gobernanza y no en una auditoría aislada. ¿Se puede frenar el shadow AI prohibiendo las herramientas de IA? Rara vez. Las prohibiciones tienden a empujar el uso hacia dispositivos y cuentas personales, donde la visibilidad es aún menor. El enfoque más duradero combina gobernanza y habilitación: herramientas aprobadas que los equipos quieran usar, una vía de evaluación rápida para las nuevas y un registro que mantenga honesto el inventario.

Conclusión

El shadow AI no es, en el fondo, una historia de empleados indisciplinados o de archivos filtrados. Es la historia de la distancia entre la IA sobre la que una organización funciona y la IA de la que puede rendir cuentas. Los controles de seguridad reducen esa distancia; solo la gobernanza la cierra. Las organizaciones que superarán una auditoría, cumplirán el Reglamento de IA y darán una respuesta nítida a su consejo son las que llevan el shadow AI a un registro, asignan a cada sistema un responsable y un nivel de riesgo y mantienen ese registro fiel con el tiempo. Si busca un único punto de partida, empiece por el inventario: lleve la IA que no ve a un registro de IA, y dejará de ser una sombra.