Shadow AI: cuando prohibir la IA deja a la empresa ciega

La empresa no elige siempre entre permitir inteligencia artificial o no permitirla. En muchas organizaciones la elección real empieza a ser otra: IA gobernada o IA clandestina.

Imaginemos una situación cada vez menos hipotética.

Un abogado tiene que revisar un contrato de ochenta páginas. Una analista financiera necesita comparar tres informes. Un empleado de recursos humanos debe clasificar cincuenta currículums. Un comercial quiere preparar una propuesta a partir de correos, notas y documentación del cliente.

Todos saben que una herramienta de inteligencia artificial puede reducir horas de trabajo a minutos.

Pero la empresa no dispone de una solución autorizada. O sí dispone de ella, pero funciona mucho peor que las herramientas que el empleado utiliza en su vida privada. O existe una política tan restrictiva que cualquier uso razonable exige autorización, formularios o procedimientos incompatibles con el ritmo normal del trabajo.

El empleado abre entonces su cuenta personal de ChatGPT, Claude, Gemini o cualquier otro servicio, pega el documento y continúa.

La empresa cree que ha prohibido la inteligencia artificial.

En realidad, simplemente ha dejado de verla.

Shadow AI

Se denomina Shadow AI al uso de herramientas de inteligencia artificial fuera de los sistemas aprobados, supervisados o incluso conocidos por una organización.

No es un fenómeno completamente nuevo. Durante décadas ha existido el shadow IT: empleados que empiezan a utilizar aplicaciones, almacenamiento en la nube o servicios externos porque resuelven mejor un problema que las herramientas corporativas.

La diferencia es que la IA puede convertir ese comportamiento en una transferencia directa de conocimiento.

El usuario ya no instala simplemente una aplicación.

Puede introducir en ella un contrato, una base de datos, una estrategia comercial, un fragmento de código, el expediente de un cliente, un informe financiero, una comunicación interna o información personal.

Y puede hacerlo en segundos.

Las cifras cambian. El patrón no.

Las encuestas disponibles no utilizan exactamente las mismas poblaciones ni las mismas definiciones, por lo que no conviene mezclar sus porcentajes.

Pero apuntan de manera bastante consistente en la misma dirección.

El estudio internacional de 2025 dirigido por la University of Melbourne en colaboración con KPMG, basado en más de 48.000 participantes de 47 países, encontró que casi la mitad de los empleados que utilizaban IA reconocía hacerlo de formas contrarias a las políticas de su organización. En Noruega, el porcentaje publicado fue del 47%. El mismo estudio encontró además niveles elevados de uso no transparente y de confianza en resultados de IA sin verificar su exactitud.

Una encuesta internacional de PagerDuty realizada en 2026 entre 1.250 profesionales de oficina ajenos a las áreas de TI, en grandes empresas de Estados Unidos, Reino Unido, Australia y Japón encontró que el 66% de quienes habían utilizado IA en el trabajo lo había hecho aun creyendo que la política empresarial no lo permitía. El 39% decía que preferiría utilizarla sin decir nada antes que arriesgarse a que se la prohibieran. Un 30% decía que ocultaría ese uso por las políticas restrictivas o por temor a cómo lo juzgaran sus compañeros.

Los porcentajes exactos importan menos que el fenómeno.

Cuando una herramienta ofrece una ventaja productiva suficientemente grande, la prohibición no garantiza que desaparezca su uso. Puede conseguir simplemente que ese uso salga del campo de visión de la organización.

La paradoja de la seguridad

Aquí aparece el problema central.

Una empresa puede establecer una política extremadamente restrictiva precisamente porque quiere proteger información sensible.

La intención puede ser perfectamente razonable.

Pero si en la práctica respetar la política significa dedicar tres horas a una tarea que el profesional sabe que podría completar en veinte minutos, aparece un incentivo enorme para buscar una vía alternativa.

Y esa vía alternativa será precisamente aquella sobre la que la empresa tiene menos control.

Seguridad puede haber creado así un entorno aparentemente muy seguro y, al mismo tiempo, una organización realmente menos segura.

Porque ya no sabe qué herramienta se está utilizando, qué cuenta la controla, qué información se introduce, dónde se procesa, durante cuánto tiempo se conserva, qué integraciones tiene activadas, qué servicios de terceros intervienen ni qué resultado termina después incorporándose al trabajo profesional.

El riesgo no es simplemente «que el modelo aprenda nuestros datos»

Este debate se simplifica con frecuencia diciendo:

«No introduzcas información confidencial en ChatGPT porque podría utilizarse para entrenamiento».

Eso depende del proveedor, del producto, de la configuración y de los términos contractuales. Muchas soluciones empresariales establecen garantías muy diferentes de las aplicables a cuentas personales o servicios gratuitos.

El problema es más amplio.

Cuando un empleado introduce información empresarial en un sistema externo, está modificando el recorrido de esa información.

Puede haber almacenamiento, registros técnicos, proveedores auxiliares, conectores, herramientas invocadas por agentes, procesamiento en diferentes entornos o copias temporales.

PagerDuty encontró en su encuesta que el 43% de los participantes había introducido correspondencia profesional en herramientas públicas de IA; el 34%, información de clientes; el 31%, información financiera; y otro 31%, documentos confidenciales o estrategias empresariales. Su muestra no representa a todos los trabajadores del mundo, pero ilustra con bastante claridad el tipo de riesgo que genera el fenómeno.

No hace falta una gran filtración de una base de datos.

Puede bastar un documento.

La obligación jurídica tampoco desaparece porque la herramienta sea personal

Aquí el problema deja de ser exclusivamente tecnológico.

Las normas concretas varían según el país, pero utilizar una cuenta personal no hace desaparecer automáticamente las obligaciones jurídicas de la empresa ni los deberes profesionales del empleado.

En la Unión Europea, por ejemplo, el RGPD exige al responsable aplicar medidas técnicas y organizativas adecuadas y poder demostrar el cumplimiento. También obliga a establecer un nivel de seguridad adecuado al riesgo y considera expresamente el acceso o divulgación no autorizados entre los riesgos que deben gestionarse.

Si un uso de Shadow AI produce una brecha de datos personales, habrá que determinar además si se cumplen los requisitos de notificación. Cuando exista una brecha notificable, el RGPD establece como regla la comunicación a la autoridad sin dilación indebida y, cuando sea posible, dentro de las 72 horas desde que el responsable haya tenido conocimiento de ella. No todo uso no autorizado de IA constituye automáticamente una brecha notificable, pero una organización incapaz de saber dónde circulan sus datos tendrá evidentemente más dificultades para detectar, investigar y valorar un incidente.

Y existen otras capas independientes de la protección de datos.

Abogados, médicos, entidades financieras y otras profesiones reguladas pueden estar sometidos a obligaciones específicas de secreto, confidencialidad, custodia o diligencia. Las reglas cambian entre jurisdicciones, pero el principio práctico es parecido: trasladar el documento a una herramienta que la organización no controla no elimina el deber que protegía ese documento antes de hacerlo.

La alfabetización también empieza a convertirse en una obligación

La legislación está empezando además a reconocer algo que durante años se trató simplemente como formación interna.

En la Unión Europea, el artículo 4 del AI Act obliga a proveedores y responsables del despliegue a adoptar medidas para apoyar el desarrollo de la alfabetización en IA de su personal y de otras personas que operen los sistemas en su nombre. La disposición empezó a aplicarse en febrero de 2025 y fue reformulada en 2026 por el Digital Omnibus para aclarar que la obligación consiste en adoptar medidas de apoyo, no en garantizar que cada individuo alcance un nivel determinado.

Es una norma europea, no internacional. Y su incorporación en los países EFTA del EEE sigue su propio procedimiento; por ejemplo, a finales de septiembre de 2026 tanto el AI Act como su modificación continuaban pendientes de incorporación al EEE.

Pero la dirección resulta significativa.

Enseñar a utilizar IA adecuadamente está dejando de ser únicamente una iniciativa de recursos humanos. Está convirtiéndose en parte de la gobernanza.

El contraargumento: algunas cosas sí deben estar prohibidas

Nada de esto significa que una empresa deba permitir cualquier herramienta o cualquier uso.

Hay información que no debe salir de determinados sistemas.

Puede ser perfectamente razonable bloquear servicios, utilizar DLP, restringir dominios, impedir determinados conectores o prohibir categorías concretas de datos en modelos externos. En sectores altamente regulados, ciertas restricciones pueden ser imprescindibles.

Y una pequeña empresa tampoco dispone necesariamente de presupuesto para desplegar la plataforma empresarial más avanzada del mercado.

Pero eso no contradice la tesis.

Control técnico y alternativa útil son complementarios, no sustitutos.

La empresa necesita impedir determinados comportamientos y, al mismo tiempo, proporcionar una ruta razonable para las necesidades profesionales legítimas que generan esos comportamientos.

Si solo construye el muro y no construye la puerta, alguien terminará buscando una ventana.

No todos los datos necesitan la misma arquitectura

Uno de los errores más habituales consiste en aplicar la misma política a todo.

Una pregunta sobre legislación públicamente disponible no plantea el mismo riesgo que un expediente de un cliente. Un borrador comercial genérico no es equivalente a una operación corporativa confidencial.

La política puede ser mucho más útil si clasifica información y tareas.

Por ejemplo, una organización podría establecer una arquitectura como esta:

• Información pública o de bajo riesgo: modelos externos previamente autorizados.
• Información interna ordinaria: cuentas empresariales contratadas y configuradas por la organización.
• Información sensible: herramientas específicamente autorizadas, controles adicionales, logging y restricciones de conectores.
• Información confidencial de clientes o secretos empresariales: tratamiento local, pseudonimización o minimización antes de utilizar servicios externos.
• Información extremadamente sensible: procesamiento exclusivamente dentro de infraestructura controlada cuando el riesgo lo justifique.
• Resultados relevantes: revisión humana y conservación de trazabilidad suficiente para saber qué información entró, qué sistema intervino y qué resultado se utilizó.

Esto es gobernanza.

No consiste en declarar que «la IA está permitida».

Consiste en decidir qué IA, para qué tarea, con qué datos y bajo qué condiciones.

Un ejemplo: no hace falta enviar el expediente

Supongamos que un despacho quiere utilizar un modelo externo potente para analizar un expediente confidencial.

La única opción no es elegir entre enviar el PDF completo o prohibir la IA.

El documento original puede mantenerse dentro de un entorno controlado.

Allí se realiza OCR o extracción de texto. Después pueden eliminarse o sustituirse nombres, direcciones, números identificativos y otros elementos sensibles. El sistema conserva localmente la correspondencia entre las identidades reales y los identificadores pseudónimos.

El modelo externo recibe, por ejemplo:

CLIENTE_01, CONTRAPARTE_02, INMUEBLE_01.

Puede analizar hechos, argumentos, cláusulas y relaciones sin necesitar necesariamente conocer la identidad real de las personas.

El resultado vuelve después al entorno controlado y, cuando sea necesario, se reconstruye la correspondencia.

No todos los casos permiten una separación perfecta y la pseudonimización no convierte automáticamente los datos en anónimos. Pero el ejemplo muestra una idea fundamental:

la alternativa a enviar todo al modelo externo no tiene por qué ser renunciar al modelo externo.

La arquitectura puede interponerse entre ambos.

La empresa ya no controla el problema con una página del manual interno

Una política de IA útil debería responder a una pregunta muy sencilla:

¿Qué tiene que hacer mañana un empleado que quiere utilizar IA para una tarea legítima?

Si la respuesta es confusa, lenta o impracticable, el sistema de gobernanza ya tiene un problema.

La organización necesita herramientas competitivas, clasificación de información, formación práctica, permisos, trazabilidad y un mecanismo sencillo para resolver casos dudosos.

Y necesita revisar ese sistema con frecuencia.

Una política escrita hace dieciocho meses puede describir un ecosistema tecnológico que prácticamente ya no existe.

Seguridad y productividad son ahora el mismo problema de diseño

La lección más interesante del Shadow AI quizá sea esa.

Seguridad y productividad ya no pueden diseñarse en departamentos independientes.

Si la solución segura es demasiado mala para trabajar, los empleados construirán espontáneamente otra solución.

Si la solución productiva carece de controles, la empresa asumirá riesgos innecesarios.

La arquitectura correcta tiene que conseguir ambas cosas.

Por eso, cuando una organización descubre Shadow AI, la primera reacción no debería ser únicamente:

«¿Cómo conseguimos bloquearlo?»

También debería preguntar:

«¿Qué necesidad profesional están resolviendo nuestros empleados con estas herramientas que nosotros no estamos resolviendo?»

Esa pregunta puede reducir más riesgo que diez páginas nuevas de prohibiciones.

IA gobernada o IA clandestina

La inteligencia artificial introduce problemas reales de confidencialidad, protección de datos, propiedad intelectual, exactitud, trazabilidad y responsabilidad.

Precisamente por eso necesita gobernanza.

Pero gobernar una tecnología que multiplica la productividad no consiste simplemente en prohibirla. Consiste en construir un sistema dentro del cual resulte más fácil utilizarla correctamente que saltarse las reglas.

En algunas organizaciones habrá tareas para las que la respuesta correcta seguirá siendo «no».

En muchas otras, la respuesta será una cuenta empresarial, un modelo privado, una capa de pseudonimización, un sistema local, determinados permisos o una combinación de todo ello.

Lo importante es que exista una vía legítima.

Porque en buena parte del trabajo del conocimiento, la empresa empieza a enfrentarse a una elección distinta de la que creía:

no entre inteligencia artificial y ausencia de inteligencia artificial, sino entre IA gobernada y Shadow AI.