Shadow AI: når et KI-forbud gjør virksomheten blind

Virksomheten står ikke alltid overfor et valg mellom å tillate kunstig intelligens og å la være. I mange organisasjoner er det reelle valget i ferd med å bli et annet: KI under styring og kontroll eller KI i det skjulte.

La oss se for oss en situasjon som blir stadig mindre hypotetisk.

En advokat må gjennomgå en kontrakt på åtti sider. En finansanalytiker må sammenligne tre rapporter. En HR-medarbeider må sortere femti CV-er. En selger vil utarbeide et tilbud på grunnlag av e-poster, notater og dokumentasjon fra kunden.

Alle vet at et verktøy med kunstig intelligens kan redusere timer med arbeid til minutter.

Men virksomheten har ingen godkjent løsning. Eller den har en, men den fungerer langt dårligere enn verktøyene den ansatte bruker privat. Eller retningslinjene er så restriktive at enhver rimelig bruk krever godkjenninger, skjemaer eller prosedyrer som ikke lar seg forene med en vanlig arbeidsdag.

Da åpner den ansatte sin personlige konto hos ChatGPT, Claude, Gemini eller en annen tjeneste, limer inn dokumentet og fortsetter.

Virksomheten tror den har forbudt kunstig intelligens.

I virkeligheten har den bare mistet den av syne.

Shadow AI

Shadow AI betegner bruk av verktøy med kunstig intelligens utenfor systemene en organisasjon har godkjent, fører tilsyn med eller i det hele tatt kjenner til.

Fenomenet er ikke helt nytt. I flere tiår har vi hatt shadow IT: ansatte som begynner å bruke applikasjoner, skylagring eller eksterne tjenester fordi de løser et problem bedre enn virksomhetens egne verktøy.

Forskjellen er at KI kan gjøre denne atferden til en direkte overføring av kunnskap.

Brukeren installerer ikke lenger bare en applikasjon.

Vedkommende kan legge inn en kontrakt, en database, en forretningsstrategi, en kodebit, en klientmappe, en finansiell rapport, intern korrespondanse eller personopplysninger.

Og det kan gjøres på sekunder.

Tallene endrer seg. Mønsteret består.

De tilgjengelige undersøkelsene bruker ikke helt de samme utvalgene eller definisjonene. Derfor bør man ikke blande prosenttallene.

Men de peker nokså entydig i samme retning.

Den internasjonale studien fra 2025, ledet av University of Melbourne i samarbeid med KPMG og basert på over 48 000 deltakere i 47 land, viste at nesten halvparten av de ansatte som brukte KI, innrømmet å gjøre det på måter som brøt med organisasjonens retningslinjer. For Norge var det publiserte tallet 47 %. Studien viste også omfattende bruk som ikke ble gjort kjent, og stor tillit til KI-resultater uten at riktigheten ble kontrollert.

En internasjonal undersøkelse gjennomført av PagerDuty i 2026 blant 1 250 kontoransatte utenfor IT-avdelingene i store virksomheter i USA, Storbritannia, Australia og Japan viste at 66 % av dem som hadde brukt KI på jobb, hadde gjort det selv om de trodde virksomhetens retningslinjer ikke tillot det. 39 % svarte at de heller ville bruke KI uten å si fra enn å risikere at de fikk forbud mot det. 30 % svarte at de ville skjule bruken på grunn av restriktive retningslinjer eller frykt for hvordan kollegene ville se på dem.

De nøyaktige prosenttallene er mindre viktige enn selve fenomenet.

Når et verktøy gir en tilstrekkelig stor produktivitetsgevinst, er et forbud ingen garanti for at bruken opphører. Det kan ganske enkelt føre til at bruken forsvinner ut av organisasjonens synsfelt.

Sikkerhetsparadokset

Her kommer vi til hovedproblemet.

En virksomhet kan innføre svært restriktive retningslinjer nettopp fordi den vil beskytte sensitiv informasjon.

Hensikten kan være fullt ut fornuftig.

Men hvis det å følge retningslinjene i praksis betyr å bruke tre timer på en oppgave fagpersonen vet kunne vært ferdig på tjue minutter, skapes det et sterkt insentiv til å finne en annen vei.

Og den andre veien blir nettopp den virksomheten har minst kontroll over.

Sikkerhetsarbeidet kan dermed ha skapt et tilsynelatende svært trygt miljø og samtidig en organisasjon som i realiteten er mindre trygg.

For virksomheten vet ikke lenger hvilket verktøy som brukes, hvilken konto som styrer det, hvilken informasjon som legges inn, hvor den behandles, hvor lenge den lagres, hvilke integrasjoner som er aktivert, hvilke tredjepartstjenester som er involvert, eller hvilket resultat som til slutt blir brukt i det faglige arbeidet.

Risikoen er ikke bare «at modellen lærer av dataene våre»

Denne debatten forenkles ofte til følgende:

«Ikke legg konfidensiell informasjon inn i ChatGPT, for den kan bli brukt til trening.»

Det avhenger av leverandøren, produktet, innstillingene og avtalevilkårene. Mange bedriftsløsninger gir helt andre garantier enn dem som gjelder for personlige kontoer eller gratistjenester.

Problemet er større enn som så.

Når en ansatt legger informasjon fra virksomheten inn i et eksternt system, endrer vedkommende veien informasjonen tar.

Det kan innebære lagring, tekniske logger, underleverandører, koblinger til andre systemer, verktøy som agenter tar i bruk, behandling i ulike miljøer eller midlertidige kopier.

PagerDuty fant i sin undersøkelse at 43 % av deltakerne hadde lagt arbeidsrelatert korrespondanse inn i offentlig tilgjengelige KI-verktøy, 34 % hadde lagt inn kundeopplysninger, 31 % finansiell informasjon og ytterligere 31 % konfidensielle dokumenter eller forretningsstrategier. Utvalget representerer ikke alle arbeidstakere i verden, men illustrerer ganske tydelig hvilken type risiko fenomenet skaper.

Det skal ikke nødvendigvis en stor databaselekkasje til.

Ett dokument kan være nok.

De rettslige forpliktelsene forsvinner ikke fordi verktøyet er personlig

Her er problemet ikke lenger bare teknologisk.

De konkrete reglene varierer fra land til land, men bruk av en personlig konto får ikke automatisk virksomhetens rettslige forpliktelser eller den ansattes faglige plikter til å forsvinne.

I EU krever for eksempel personvernforordningen, GDPR, at den behandlingsansvarlige gjennomfører egnede tekniske og organisatoriske tiltak og kan dokumentere at reglene etterleves. Den krever også et sikkerhetsnivå som er egnet i forhold til risikoen, og nevner uttrykkelig uautorisert tilgang og utlevering blant risikoene som må håndteres.

Hvis bruk av Shadow AI fører til et brudd på personopplysningssikkerheten, må det i tillegg vurderes om vilkårene for meldeplikt er oppfylt. Ved et meldepliktig brudd er hovedregelen etter GDPR at tilsynsmyndigheten skal varsles uten ugrunnet opphold og, når det er mulig, innen 72 timer etter at den behandlingsansvarlige fikk kjennskap til bruddet. Ikke all uautorisert bruk av KI utgjør automatisk et meldepliktig brudd, men en organisasjon som ikke vet hvor dataene dens sirkulerer, vil åpenbart ha større vanskeligheter med å oppdage, undersøke og vurdere en hendelse.

Og det finnes andre, selvstendige lag av forpliktelser ved siden av personvernet.

Advokater, leger, finansforetak og andre regulerte yrkesgrupper kan være underlagt særskilte krav til taushet, konfidensialitet, oppbevaring eller aktsomhet. Reglene varierer mellom jurisdiksjoner, men det praktiske prinsippet er det samme: Å flytte dokumentet til et verktøy organisasjonen ikke kontrollerer, opphever ikke plikten som beskyttet dokumentet før det ble flyttet.

KI-kompetanse er også i ferd med å bli en forpliktelse

Lovgivningen begynner dessuten å anerkjenne noe som i mange år bare ble behandlet som intern opplæring.

I EU pålegger artikkel 4 i KI-forordningen leverandører og virksomheter som tar KI-systemer i bruk, å treffe tiltak for å støtte utviklingen av KI-kompetanse hos ansatte og andre som bruker systemene på deres vegne. Bestemmelsen begynte å gjelde i februar 2025 og ble omformulert i 2026 gjennom Digital Omnibus for å klargjøre at plikten gjelder støttende tiltak, og ikke en garanti for at hvert enkelt individ oppnår et bestemt nivå.

Dette er en europeisk regel, ikke en internasjonal. Innlemmelsen i EFTA-statene i EØS følger sin egen prosess; i slutten av september 2026 ventet for eksempel både KI-forordningen og endringsforordningen fortsatt på å bli innlemmet i EØS-avtalen.

Men retningen er talende.

Å lære ansatte å bruke KI på en forsvarlig måte er i ferd med å bli mer enn bare et HR-tiltak. Det blir en del av virksomhetens styring.

Motargumentet: Noe må faktisk være forbudt

Ingenting av dette betyr at en virksomhet bør tillate ethvert verktøy eller enhver bruk.

Noen typer informasjon må ikke forlate bestemte systemer.

Det kan være fullt ut fornuftig å blokkere tjenester, bruke DLP, begrense domener, sperre bestemte koblinger eller forby konkrete kategorier av data i eksterne modeller. I sterkt regulerte sektorer kan enkelte begrensninger være helt nødvendige.

En liten virksomhet har heller ikke nødvendigvis budsjett til å ta i bruk markedets mest avanserte bedriftsplattform.

Men det motsier ikke hovedpoenget.

Teknisk kontroll og et nyttig alternativ utfyller hverandre. De erstatter ikke hverandre.

Virksomheten må hindre visse former for atferd og samtidig tilby en rimelig vei for de legitime arbeidsbehovene som ligger bak atferden.

Bygger den bare muren og ikke døren, vil noen før eller siden lete etter et vindu.

Ikke alle data trenger samme arkitektur

En av de vanligste feilene er å bruke de samme retningslinjene på alt.

Et spørsmål om offentlig tilgjengelig lovgivning innebærer ikke samme risiko som en klientmappe. Et generelt utkast til et tilbud er ikke det samme som en konfidensiell selskapstransaksjon.

Retningslinjene kan bli langt mer nyttige hvis de klassifiserer informasjon og oppgaver.

En organisasjon kan for eksempel etablere en arkitektur som denne:

• Offentlig informasjon eller informasjon med lav risiko: forhåndsgodkjente eksterne modeller.
• Vanlig intern informasjon: bedriftskontoer som organisasjonen har inngått avtale om og konfigurert.
• Sensitiv informasjon: særskilt godkjente verktøy, ekstra kontroller, logging og begrensninger på koblinger til andre systemer.
• Konfidensiell klientinformasjon eller forretningshemmeligheter: lokal behandling, pseudonymisering eller dataminimering før bruk av eksterne tjenester.
• Svært sensitiv informasjon: behandling utelukkende i kontrollert infrastruktur når risikoen tilsier det.
• Resultater av betydning: menneskelig gjennomgang og tilstrekkelig sporbarhet til å vite hvilken informasjon som ble lagt inn, hvilket system som ble brukt, og hvilket resultat som ble tatt i bruk.

Dette er styring.

Det handler ikke om å erklære at «KI er tillatt».

Det handler om å bestemme hvilken KI, til hvilken oppgave, med hvilke data og på hvilke vilkår.

Et eksempel: Det er ikke nødvendig å sende hele saksmappen

La oss anta at et advokatfirma vil bruke en kraftig ekstern modell til å analysere en konfidensiell saksmappe.

Valget står ikke bare mellom å sende hele PDF-en og å forby KI.

Originaldokumentet kan bli værende i et kontrollert miljø.

Der utføres OCR eller tekstuttrekk. Deretter kan navn, adresser, identifikasjonsnumre og andre sensitive elementer fjernes eller erstattes. Systemet beholder lokalt koblingen mellom de virkelige identitetene og de pseudonyme identifikatorene.

Den eksterne modellen mottar for eksempel:

KLIENT_01, MOTPART_02, EIENDOM_01.

Den kan analysere fakta, argumenter, klausuler og sammenhenger uten nødvendigvis å måtte kjenne personenes virkelige identitet.

Resultatet kommer deretter tilbake til det kontrollerte miljøet, der koblingen gjenopprettes når det er nødvendig.

Ikke alle saker tillater et fullstendig skille, og pseudonymisering gjør ikke automatisk dataene anonyme. Men eksempelet viser en grunnleggende tanke:

Alternativet til å sende alt til den eksterne modellen trenger ikke være å gi avkall på den eksterne modellen.

Arkitekturen kan legges imellom.

Virksomheten får ikke lenger kontroll på problemet med én side i internhåndboken

Nyttige retningslinjer for KI bør svare på et svært enkelt spørsmål:

Hva skal en ansatt gjøre i morgen hvis vedkommende vil bruke KI til en legitim arbeidsoppgave?

Hvis svaret er uklart, tidkrevende eller upraktisk, har styringssystemet allerede et problem.

Organisasjonen trenger konkurransedyktige verktøy, klassifisering av informasjon, praktisk opplæring, tilgangsrettigheter, sporbarhet og en enkel måte å avklare tvilstilfeller på.

Og den må gjennomgå dette systemet ofte.

Retningslinjer som ble skrevet for atten måneder siden, kan beskrive et teknologisk landskap som knapt finnes lenger.

Sikkerhet og produktivitet er nå én og samme designutfordring

Kanskje er dette den mest interessante lærdommen av Shadow AI.

Sikkerhet og produktivitet kan ikke lenger utformes i hver sin avdeling.

Hvis den sikre løsningen er for dårlig til å arbeide med, vil de ansatte på eget initiativ lage en annen løsning.

Hvis den produktive løsningen mangler kontroll, påtar virksomheten seg unødvendig risiko.

En god arkitektur må ivareta begge deler.

Når en organisasjon oppdager Shadow AI, bør derfor den første reaksjonen ikke bare være:

«Hvordan får vi blokkert dette?»

Den bør også spørre:

«Hvilket arbeidsbehov dekker de ansatte med disse verktøyene som vi selv ikke dekker?»

Det spørsmålet kan redusere mer risiko enn ti nye sider med forbud.

KI under styring og kontroll eller KI i det skjulte

Kunstig intelligens skaper reelle utfordringer knyttet til konfidensialitet, personvern, immaterielle rettigheter, riktighet, sporbarhet og ansvar.

Nettopp derfor trenger den styring.

Men å styre en teknologi som mangedobler produktiviteten, handler ikke bare om å forby den. Det handler om å bygge et system der det er enklere å bruke den riktig enn å omgå reglene.

I noen organisasjoner vil det fortsatt finnes oppgaver der det riktige svaret er «nei».

I mange andre vil svaret være en bedriftskonto, en privat modell, et lag for pseudonymisering, et lokalt system, bestemte tilgangsrettigheter eller en kombinasjon av alt dette.

Det viktige er at det finnes en legitim vei.

For i store deler av kunnskapsarbeidet er virksomheten i ferd med å stå overfor et annet valg enn den trodde:

ikke mellom kunstig intelligens og fravær av kunstig intelligens, men mellom KI under styring og kontroll og Shadow AI.