El shadow AI es el uso de herramientas de inteligencia artificial por parte de empleados sin conocimiento ni autorización de la empresa. Ocurre cuando alguien pega datos de un cliente en ChatGPT para resumir un informe o conecta un asistente a una hoja de cálculo interna.
El riesgo no es la IA en sí: es la falta de control sobre dónde acaban tus datos.
Qué es el shadow AI y por qué ha crecido tan rápido
El shadow AI describe el uso de aplicaciones y modelos de inteligencia artificial dentro de una empresa sin que el área de datos, IT o seguridad lo sepa ni lo haya aprobado. Es la evolución directa del shadow IT de hace una década, con una diferencia de fondo: aquella herramienta no autorizada almacenaba información, esta la interpreta, la reutiliza y en algunos casos la conserva como parte de su propio entrenamiento.
El crecimiento del fenómeno tiene una explicación sencilla. La IA generativa se volvió accesible de un día para otro. Cualquier persona con un correo corporativo puede abrir un chatbot y pegar un documento en segundos, sin pasar por ningún proceso de aprobación de software. Mientras las áreas de datos siguen definiendo su estrategia de IA, los equipos de negocio ya la están usando a diario para ganar tiempo.
Cómo aparece el shadow AI en el día a día de una empresa
El shadow AI rara vez llega como un proyecto formal. Aparece en tareas concretas: un equipo que redacta propuestas comerciales con un asistente de IA gratuito, un analista financiero que sube una hoja de cálculo con cifras internas para pedir un resumen, o un equipo de atención al cliente que conecta un chatbot externo a su base de tickets para responder más rápido.
Ninguno de estos escenarios nace de mala fe. Nace de la necesidad de trabajar mejor y más rápido, en ausencia de una alternativa aprobada igual de cómoda. Ese es precisamente el punto ciego: cuantas más herramientas de IA use la organización sin visibilidad centralizada, menos sabe qué información sale de ella, hacia dónde y bajo qué condiciones.
Los riesgos del shadow AI que van más allá de la ciberseguridad
La mayoría del contenido sobre shadow AI lo aborda como un problema exclusivamente de ciberseguridad: fuga de datos, superficie de ataque, necesidad de herramientas de monitorización. Son riesgos reales, pero no son los únicos ni, para una empresa de datos, los más relevantes.
- El primer riesgo es de gobierno de la información: si no sabes qué datos ha visto un modelo externo, no puedes garantizar su calidad, su procedencia ni su trazabilidad. Una decisión de negocio basada en un resumen generado por una herramienta no gobernada es una decisión que no puedes auditar ni defender ante un cliente, un auditor o un regulador.
- El segundo riesgo es normativo. El Reglamento europeo de IA (AI Act) entró en aplicación general el 2 de agosto de 2026, con obligaciones de transparencia para contenidos generados por IA y una exigencia de alfabetización en IA para el personal que ya está vigente desde febrero de 2025. Una empresa que no sabe qué herramientas de IA usan realmente sus equipos no puede demostrar ese cumplimiento, porque no puede inventariar lo que no ve.
- El tercer riesgo es de continuidad: cuando el conocimiento de cómo se genera un informe o una respuesta a cliente vive dentro del historial de un chat personal en una herramienta externa, la empresa pierde ese conocimiento en cuanto esa persona cambia de rol o de compañía.
Por qué bloquear herramientas no resuelve el problema de fondo
La primera reacción de muchas organizaciones es prohibir el acceso a Claude u otras herramientas similares desde la red corporativa. Es una medida rápida, pero frena el síntoma, no la causa. Los empleados que ya han incorporado la IA a su forma de trabajar buscan otra vía: el móvil personal, una extensión de navegador, una API sin registrar.
El problema de fondo sigue intacto: la empresa no tiene visibilidad sobre qué datos existen, quién puede acceder a ellos y qué sistemas (humanos o de IA) los están consumiendo. Sin esa base, cualquier política de bloqueo es temporal y cualquier herramienta aprobada que se despliegue después hereda el mismo punto ciego.
Cómo abordar el shadow AI desde el gobierno de datos
La forma más sólida de controlar el shadow AI no pasa por añadir una capa de seguridad más, sino por resolver la pregunta que la hace posible: ¿sabe tu empresa qué datos tiene, dónde están y quién puede tocarlos? Esa es la base del gobierno de datos, y es el punto de partida real para frenar el shadow AI sin frenar la adopción de IA.
En la práctica, esto significa construir un catálogo de datos que identifique qué información existe, su nivel de sensibilidad y quién es responsable de ella. Sin ese catálogo, cualquier criterio de «qué se puede subir a una IA externa y qué no» queda en manos del criterio individual de cada empleado.
También significa definir políticas de acceso y clasificación por sensibilidad antes de desplegar cualquier herramienta de IA, para que un asistente conectado al CRM o al ERP solo pueda ver la información que le corresponde, y trazabilidad sobre qué sistemas de IA, aprobados o no, están consumiendo qué datos, algo que plataformas como Unity Catalog dentro de Databricks o los catálogos nativos de Microsoft Fabric permiten construir de forma nativa sobre la arquitectura de datos existente, sin depender de una herramienta de seguridad añadida a posteriori.
El error más frecuente que vemos en empresas que empiezan por aquí es tratar el shadow AI como un problema de IT o de seguridad exclusivamente. Funciona mejor cuando lo lidera un grupo mixto: dirección, datos, legal y los propios equipos de negocio que están usando estas herramientas. Ellos son quienes mejor conocen para qué las necesitan.
Tampoco hace falta catalogar toda la información de la empresa el primer día. El criterio que mejor funciona es priorizar por sensibilidad: empezar por los datos de clientes, información financiera y propiedad intelectual, que son los que generan mayor exposición si acaban en una herramienta externa sin control, y extender el catálogo al resto de la organización de forma progresiva. Un gobierno de datos parcial pero bien priorizado protege más, más rápido, que un plan integral que tarda meses en arrancar.
Cómo abordamos en BertIA el shadow AI
En BertIA no vendemos herramientas de detección ni de bloqueo de tráfico: nuestro trabajo empieza por el dato. Cuando una empresa nos plantea su exposición al shadow AI, el primer paso es siempre el mismo que aplicamos en cualquier proyecto de gobierno de datos: entender qué información existe, dónde vive y quién es responsable de ella antes de tocar ninguna herramienta.
A partir de ahí construimos la capa de catalogación y control de acceso sobre la arquitectura de datos ya existente (normalmente con Databricks Unity Catalog o los catálogos nativos de Microsoft Fabric) para que cualquier sistema de IA, aprobado o no, quede sujeto a las mismas reglas de sensibilidad y trazabilidad que el resto de la organización. No es una capa añadida por fuera: es la misma arquitectura de datos bien gobernada, extendida también a la IA.
Conclusión
El shadow AI no se resuelve prohibiendo herramientas ni añadiendo una capa más de vigilancia. Se resuelve sabiendo qué datos tiene tu empresa, quién puede acceder a ellos y qué sistemas los están usando, sean humanos o de IA. Esa base de gobierno de datos es la que permite adoptar IA de forma segura y demostrar cumplimiento normativo cuando toque.
Si quieres evaluar cómo de expuesta está tu empresa al shadow AI, puedes hablar con nuestro equipo de gobierno de datos e IA y revisar juntos por dónde empezar.
