Puede que tu empresa tenga una política de inteligencia artificial. Puede que haya comprado una licencia corporativa. Puede incluso que haya decidido qué herramientas están autorizadas y cuáles no. Eso no significa que sean las únicas que utilizan tus empleados.
- Un comercial puede subir un Excel a una herramienta de IA porque necesita analizarlo rápidamente.
- Un administrativo puede pegar el correo de un cliente en un chatbot para redactar una respuesta.
- Un desarrollador puede probar un asistente de programación con su cuenta personal.
- Marketing puede utilizar cinco herramientas diferentes para imágenes, vídeos, textos y presentaciones.
- Y alguien puede construir un pequeño agente con una plataforma que Informática ni siquiera sabe que existe.
Todo funciona. El empleado gana tiempo. La empresa quizá incluso obtiene más productividad. Pero aparece un problema: nadie sabe exactamente qué herramientas están utilizando los empleados, qué información están introduciendo en ellas ni qué condiciones se aplican a esos datos.
Eso es Shadow AI. Y probablemente sea uno de los problemas de gobernanza tecnológica más importantes que muchas empresas todavía no están viendo.
Shadow AI no significa necesariamente que alguien esté haciendo algo mal
El término puede sonar deliberadamente clandestino, pero muchas veces no existe mala intención. Un empleado tiene un problema, encuentra una herramienta, la prueba, funciona y empieza a incorporarla a su trabajo.
Es exactamente lo que ocurrió durante años con el llamado Shadow IT: departamentos que empezaban a utilizar aplicaciones SaaS, almacenamiento en la nube o herramientas de colaboración sin pasar previamente por IT.
La inteligencia artificial está acelerando ese fenómeno porque la barrera de entrada es prácticamente inexistente. No hace falta instalar un servidor ni desarrollar software. En algunos casos ni siquiera hace falta pagar: abrir una web puede ser suficiente.
Y el problema está evolucionando todavía más, porque ya no hablamos únicamente de chatbots. En febrero de 2026, Gartner advertía de que empleados y desarrolladores están adoptando rápidamente la IA agéntica, y de que las plataformas sin código y el vibe coding están multiplicando agentes de IA que nadie gestiona. En abril añadía que, si los empleados no pueden trabajar con las herramientas aprobadas, rodearán los controles de la organización y recurrirán a la IA en la sombra.
El Shadow AI ya no consiste únicamente en preguntar algo a un chatbot. También puede consistir en permitir que una IA actúe.
El verdadero problema no es cuántas herramientas utilizan
Imaginemos una empresa que descubre que sus empleados utilizan 27 herramientas diferentes de inteligencia artificial. Ese número, por sí solo, no dice demasiado. El verdadero problema empieza con otras preguntas:
- ¿Qué información está entrando en ellas?
- ¿Con qué cuentas?
- ¿Con qué condiciones contractuales?
- ¿Dónde se procesan los datos?
- ¿Durante cuánto tiempo se conservan?
- ¿Puede el proveedor utilizarlos para mejorar sus servicios o modelos?
- ¿Existe un registro de actividad?
- ¿Podemos eliminar los datos?
- ¿Tiene el empleado permiso para compartir esa información?
- ¿Qué ocurre cuando una herramienta pasa de leer información a actuar sobre sistemas corporativos?
Ahí cambia completamente la conversación.
El uso personal sigue siendo importante
Los datos disponibles muestran que las empresas están consiguiendo trasladar parte del uso de IA hacia entornos corporativos, pero el problema no ha desaparecido.
El informe global de Netskope para 2026 señala que actualmente un 30 % de los usuarios de IA observados utiliza únicamente aplicaciones personales, un 14 % mezcla aplicaciones personales y corporativas y un 56 % utiliza solo herramientas gestionadas por la organización.
En Europa, Netskope observa una evolución positiva: el uso de aplicaciones personales de IA habría bajado del 79 % al 43 %, mientras que el de soluciones gestionadas por la organización habría subido del 28 % al 72 %. Sin embargo, el porcentaje de usuarios que alterna entre cuentas personales y empresariales ha pasado del 7 % al 15 %.
No debemos interpretar estas cifras como una fotografía exacta de todas las empresas europeas: proceden de la telemetría de los clientes de un proveedor de seguridad. Pero sí muestran una tendencia importante: comprar una herramienta corporativa no elimina automáticamente el Shadow AI.
Un trabajador puede tener Copilot corporativo y seguir utilizando una cuenta personal de ChatGPT. Puede disponer de ChatGPT Enterprise y recurrir a otra herramienta porque realiza mejor una tarea concreta. Puede tener un asistente aprobado y utilizar un generador de vídeo que nunca ha evaluado la empresa.
La cuestión ya no es únicamente ofrecer una alternativa. Es entender por qué la alternativa oficial no cubre determinados trabajos.
Los empleados están enviando información real
Este punto importa porque la IA empresarial ya no se utiliza solamente para preguntar:
«Dame cinco ideas para una campaña.»
Cada vez está más integrada en trabajos reales. Cyberhaven analizó miles de millones de movimientos de datos de una muestra de 222 empresas para su informe de 2026 y encontró que el 39,7 % de las interacciones con herramientas de IA, contando los textos que se escriben y lo que se copia y pega, incluía datos sensibles. También observó que el 32,3 % del uso de ChatGPT detectado se hacía con cuentas personales, igual que el 24,9 % del uso de Gemini.
De nuevo, son cifras procedentes de la base de clientes de una compañía de seguridad, no de todas las empresas del mundo. Pero ilustran perfectamente el problema. La información que introducimos en la IA ya puede incluir código fuente, información financiera, datos de clientes, contratos, documentos internos, propiedad intelectual, estrategias comerciales, credenciales, datos personales o información todavía no pública.
La pregunta ya no es si los empleados utilizan IA. Es qué parte de la empresa está pasando por ella.
Un ejemplo aparentemente inocente
Imaginemos a un comercial. Tiene que preparar una propuesta para un cliente importante y, para ahorrar tiempo, copia en su herramienta favorita el nombre del cliente, los correos intercambiados, el presupuesto, los descuentos negociados, los problemas que tiene el cliente y una propuesta anterior. Después pide:
«Prepárame una nueva oferta utilizando esta información.»
Desde el punto de vista del empleado, acaba de ahorrar una hora. Desde el punto de vista de la empresa pueden aparecer preguntas que nadie ha evaluado:
- ¿Era una cuenta corporativa?
- ¿Estaba autorizado ese proveedor?
- ¿Qué tratamiento hace de esos datos?
- ¿El contrato permite introducir información confidencial?
- ¿Hay datos personales?
- ¿Existe retención?
- ¿Hay registros administrativos?
- ¿Podemos controlar quién tiene acceso?
- ¿Puede la empresa recuperar después esa conversación?
La productividad puede ser real. Y el riesgo también. Ambas cosas pueden existir a la vez.
En España ya existe una señal bastante clara de cómo debería gestionarse
La Agencia Española de Protección de Datos publicó en enero de 2026 las obligaciones y recomendaciones que se aplica a sí misma para gestionar la IA generativa. Entre otras medidas, recomienda restringir su uso a usuarios formados y autorizados, mantener un inventario corporativo de sistemas, evaluar antes de contratar cuestiones como el tratamiento de logs y metadatos, la reutilización de los datos, su localización y su retención, y contratar modalidades empresariales que permitan a la organización mantener la gobernanza.
También recomienda informar expresamente a los usuarios de la prohibición de emplear sistemas de IA generativa no registrados en el inventario corporativo y de no introducir información confidencial, no pública o datos personales en herramientas no autorizadas.
Aunque está pensado para la propia agencia, es una buena referencia para cualquier empresa. Pero redactar una política no resuelve por sí solo el problema.
Prohibir toda herramienta desconocida puede empeorarlo
Imaginemos este mensaje:
«A partir de mañana queda prohibido utilizar cualquier IA que no sea la herramienta X.»
Puede reducir parte del riesgo. Pero también puede tener otro resultado: los empleados siguen necesitando resolver los mismos problemas, solo que ahora lo hacen con menos visibilidad.
La pregunta útil no es únicamente «¿cómo impedimos que utilicen esto?». También es «¿por qué lo estaban utilizando?»:
- Quizá Marketing necesita generar vídeo y la solución autorizada no puede hacerlo.
- Quizá un analista necesita trabajar con documentos más largos.
- Quizá desarrollo necesita un asistente dentro del entorno de programación.
- Quizá administración necesita extraer información de PDF.
- Quizá ventas necesita investigar empresas.
- Quizá un equipo necesita transcribir reuniones.
El Shadow AI contiene información muy valiosa sobre las necesidades tecnológicas que la organización todavía no ha resuelto oficialmente.
Tu Shadow AI puede ser un mapa de oportunidades de automatización
Supongamos que descubrimos esto:
- 12 empleados utilizan herramientas externas para resumir documentación.
- 8 utilizan diferentes aplicaciones para transcribir reuniones.
- 6 utilizan IA para transformar facturas en datos estructurados.
- 10 preparan propuestas comerciales con chatbots.
- 4 programadores han incorporado asistentes de código por su cuenta.
Podemos interpretar estos datos de dos maneras. La primera:
«Tenemos 40 problemas de cumplimiento.»
La segunda:
«Tenemos cinco necesidades empresariales repetidas que nuestros sistemas actuales no están resolviendo.»
Probablemente necesitamos ambas interpretaciones: controlar el riesgo y estudiar la oportunidad. Esto cambia completamente cómo debería abordar una empresa el Shadow AI: no solo como una lista de herramientas que bloquear, sino como un sistema para descubrir los procesos que los empleados ya están intentando mejorar.
La empresa debería empezar descubriendo, no castigando
El primer paso debería ser obtener visibilidad:
- ¿Qué herramientas se utilizan?
- ¿En qué departamentos?
- ¿Con qué frecuencia?
- ¿Con cuentas personales o corporativas?
- ¿Para qué tarea?
- ¿Qué tipo de información introducen?
- ¿La herramienta solo genera contenido o también puede actuar?
- ¿Está conectada a Google Drive, Microsoft 365, GitHub, el CRM o el ERP?
Sin ese mapa es difícil tomar decisiones racionales, porque no todas las herramientas presentan el mismo riesgo. Un empleado que utiliza una IA para crear cinco títulos genéricos no representa el mismo escenario que otro que carga contratos de clientes. Y una IA que solo produce texto no tiene la misma superficie de riesgo que un agente con acceso al correo y capacidad para ejecutar acciones.
No todo Shadow AI debería tratarse igual
Podemos imaginar una clasificación sencilla.
Riesgo bajo
Herramientas utilizadas con información pública o ficticia, sin acceso a sistemas internos, sin datos personales y sin capacidad de ejecutar acciones. Aquí puede bastar con reglas sencillas y formación.
Riesgo medio
Herramientas que procesan documentación interna no crítica, con uso profesional recurrente e integraciones limitadas. Puede ser necesario evaluar el proveedor, la modalidad empresarial, el tratamiento de los datos y los controles.
Riesgo alto
Información confidencial, datos personales, código propietario, información financiera o acceso al correo, al almacenamiento o a aplicaciones internas. Aquí la evaluación debe ser mucho más seria.
Riesgo crítico
Agentes capaces de modificar sistemas, realizar pagos, eliminar información, cambiar datos sensibles, ejecutar código o interactuar de forma autónoma con terceros. Aquí ya no hablamos simplemente de Shadow AI. Hablamos de autoridad empresarial no gobernada.
El Shadow AI también puede estar escondido dentro de aplicaciones aprobadas
Existe otra dificultad. La empresa puede haber autorizado una aplicación hace tres años, pero la aplicación de hoy quizá ya no sea la misma:
- Un CRM añade un copiloto.
- Un programa de videollamadas añade transcripción y resumen.
- Una herramienta de diseño incorpora generación de imágenes.
- Un gestor documental integra un chatbot.
- Una plataforma de desarrollo incorpora agentes.
Formalmente, la aplicación puede estar aprobada. Pero su funcionalidad de inteligencia artificial quizá nunca se haya evaluado. Por eso el inventario tradicional de software empieza a quedarse corto. No basta con saber «usamos esta aplicación». Hay que saber también «¿qué capacidades de IA tiene ahora?».
Y ahora aparecen los agentes invisibles
Gartner señala un siguiente nivel del problema: empleados capaces de crear sus propios agentes con herramientas cada vez más sencillas, incluso sin programar. Una persona conecta el correo, Drive, una IA, un CRM y una automatización, y crea algo que lee información, toma decisiones y ejecuta acciones.
Puede ser enormemente útil. Pero también puede funcionar durante meses sin que la organización tenga un inventario claro de quién lo creó, qué credenciales utiliza, qué sistemas toca, qué datos procesa, quién lo mantiene y cómo se desactiva.
El Shadow AI empieza entonces a parecerse mucho al problema histórico del Shadow IT. Solo que esta vez el software puede actuar de manera semiautónoma.
La respuesta no debería ser elegir entre innovación y seguridad
Las empresas suelen presentar este problema como una elección: o dejamos utilizar la IA libremente, o lo bloqueamos todo para estar seguros. Probablemente las organizaciones más maduras harán algo diferente: ofrecerán una vía rápida para utilizar la IA de forma segura. Por ejemplo:
- una lista clara de herramientas aprobadas;
- cuentas empresariales;
- reglas sencillas sobre qué información puede utilizarse;
- un proceso rápido para solicitar nuevas herramientas;
- una revisión proporcional al riesgo;
- formación práctica;
- controles técnicos para la información especialmente sensible;
- y mecanismos para descubrir nuevas aplicaciones que empiezan a extenderse.
Netskope observa precisamente que el paso de las cuentas personales a las soluciones corporativas está reduciendo parte del Shadow AI, aunque no lo elimina por completo. Ese detalle importa: la gobernanza funciona mejor cuando la opción segura es también la opción fácil.
Si aprobar una herramienta tarda tres meses, el empleado encontrará otra esta tarde
Parece una cuestión menor, pero probablemente sea fundamental. La velocidad de adopción de la IA es incompatible con muchos procesos tradicionales de compra de software. Cada semana aparecen herramientas nuevas. Un departamento descubre una necesidad, encuentra una solución y puede empezar a utilizarla en diez minutos.
Si la única alternativa corporativa consiste en abrir un ticket, esperar, justificar el presupuesto, esperar, pasar una revisión técnica, esperar, pasar una revisión jurídica, esperar y recibir respuesta ocho semanas después, la organización está creando incentivos para que exista Shadow AI.
La gobernanza tiene que controlar. Pero también tiene que competir en velocidad.
Una posible arquitectura de gobernanza
Una empresa no necesita empezar creando un departamento de veinte personas. Puede comenzar con seis elementos:
- Inventario: qué IA utiliza la organización oficialmente.
- Descubrimiento: qué herramientas adicionales aparecen realmente en el trabajo.
- Clasificación: qué nivel de riesgo tiene cada caso de uso.
- Política: qué información y qué acciones están permitidas.
- Alternativa: qué herramienta corporativa debe utilizar el empleado.
- Canal de incorporación: cómo puede proponer una nueva herramienta cuando la actual no resuelve su necesidad.
Y, a medida que aumenta la autonomía, un séptimo: el control de agentes, es decir, qué sistemas pueden utilizar, qué acciones pueden ejecutar y cómo se vigilan.
No hace falta prohibir la innovación. Hace falta convertir la innovación espontánea en innovación gobernada.
Hay una pregunta aún más interesante: ¿qué está intentando resolver el empleado?
Cada herramienta no autorizada cuenta una historia: alguien necesitaba algo. Una persona utiliza ChatGPT para preparar informes porque el sistema interno tarda demasiado. Otra utiliza Claude para analizar contratos porque no dispone de una herramienta corporativa equivalente. Un desarrollador instala Cursor porque su entorno de programación no le ayuda lo suficiente. Administración utiliza una web para extraer tablas de PDF porque el proceso actual es manual.
La empresa debería preguntarse: ¿qué proceso está intentando acelerar esta persona? Porque detrás de determinados comportamientos de Shadow AI puede esconderse el próximo proyecto de digitalización. Quizá la respuesta no sea aprobar esa herramienta concreta, sino construir una solución integrada y segura para todos.
Del Shadow AI al sistema oficial
Imaginemos que ocho empleados utilizan diferentes chatbots para revisar facturas. El proceso maduro podría ser este:
- Descubrir. Detectamos el patrón.
- Entender. ¿Por qué lo hacen? Porque reciben facturas en formatos distintos y pierden tiempo copiando información.
- Evaluar. ¿Qué datos contienen? ¿Qué riesgos existen? ¿Qué precisión necesitamos?
- Diseñar. Construimos un flujo corporativo conectado al correo, al almacenamiento y al ERP.
- Gobernar. Definimos permisos, validaciones, tratamiento de los datos y excepciones que revisa una persona.
- Desplegar. Los ocho empleados dejan de necesitar herramientas externas porque existe una solución mejor dentro de la empresa.
Esto es mucho más interesante que limitarse a bloquear una dirección web.
El Shadow AI puede ser una mala noticia y una buena noticia al mismo tiempo
La mala: tu empresa puede estar utilizando mucha más inteligencia artificial de la que crees. La buena: tus empleados están señalando exactamente dónde creen que la tecnología puede ahorrarles trabajo.
El reto consiste en capturar esa innovación sin perder el control, la seguridad, la privacidad, la propiedad intelectual, la trazabilidad y el conocimiento de qué está ocurriendo realmente.
Por eso la pregunta correcta quizá no sea «¿cómo eliminamos el Shadow AI?». Puede ser «¿cómo conseguimos que los empleados no necesiten trabajar en la sombra?».
Porque prohibir una herramienta puede eliminar una aplicación. Pero entender por qué alguien la necesitaba puede eliminar un problema empresarial entero.
