Gobernanza práctica de la IA

Shadow AI: riesgos y controles para empresas

Actualizado 23 de agosto de 2026

El shadow AI ya forma parte del trabajo diario. La respuesta útil no es una prohibición general, sino una ruta clara desde las herramientas desconocidas y los prompts de riesgo hacia un uso aprobado y controlado.

Shadow AI es el uso profesional de herramientas, cuentas, extensiones de navegador, asistentes de reuniones o funciones de IA sin que la organización haya aprobado—o a veces ni siquiera conozca—ese uso. Lo normal es que el empleado quiera trabajar más rápido, no eludir la seguridad. El riesgo aparece cuando los datos de la empresa entran en un servicio cuyos contratos, conservación, ajustes de entrenamiento, integraciones y permisos no se han evaluado.

Los ejemplos son cotidianos: un comercial pega notas del CRM en un chatbot gratuito para redactar un correo; RR. HH. sube currículums para comparar candidatos; un desarrollador comparte código fuente o logs de producción para depurar un error; el equipo jurídico pide el resumen de un contrato; o un empleado invita a un bot de reuniones no aprobado a una llamada con un cliente. Una extensión de IA también puede causar el mismo problema si puede leer páginas o formularios más allá de la tarea que el usuario pretendía resolver.

Los riesgos van mucho más allá de si el proveedor entrena su modelo. Los datos personales podrían tratarse sin una finalidad documentada, base jurídica, contrato de encargado, decisión de conservación o evaluación de transferencias. La estrategia, credenciales, código fuente o información de clientes pueden salir del entorno controlado. Las respuestas también pueden ser erróneas, sesgadas o revelar datos procedentes de fuentes conectadas, mientras que los plugins y agentes pueden actuar con permisos excesivos. Por eso OWASP recomienda controles como sanear los datos de entrada, limitar accesos y fuentes y formar a los usuarios.

Una regla práctica para los prompts es esta: la información pública o creada deliberadamente como dato sintético puede usarse en una herramienta aprobada; la información interna solo puede usarse en una herramienta autorizada expresamente para esa clase de datos y caso de uso. No se deben introducir en servicios de IA de consumo nombres junto a datos de contacto, identificadores, datos médicos o laborales, pagos, casos de clientes, credenciales, contratos privados, cifras no públicas, código fuente o logs de incidentes. Quitar el nombre no siempre anonimiza: el contexto, un puesto poco común, los detalles del caso o la combinación de campos pueden seguir identificando a alguien. Si el dato real es imprescindible, hay que minimizarlo y usar un entorno aprobado con los contratos y controles necesarios.

Una política fija reglas comunes, pero no inspecciona cada prompt ni detiene un copia y pega apresurado. Los controles técnicos cubren ese punto de ejecución: cuentas gestionadas e inicio de sesión único, lista de servicios permitidos, controles de navegador y endpoint, privilegio mínimo en conectores, ajustes de conservación y entrenamiento, DLP, detección o enmascarado antes del envío y registros de uso que no guarden el propio contenido sensible. El objetivo es ayudar a los empleados; las excepciones e incidentes deben servir después para que la vía aprobada resulte más fácil que el uso en la sombra.

Qué muestran los reguladores y las guías de seguridad

En 2025, la autoridad danesa de protección de datos concluyó inspecciones sobre el uso de IA generativa en 15 sindicatos y cajas de desempleo. Encontró medidas organizativas como políticas y formación, pero grandes diferencias en el tipo y alcance de los controles técnicos. Fuente
La AEPD recomienda mantener un inventario actualizado de sistemas de IA generativa y establecer mecanismos que eviten introducir información personal, sensible o confidencial en sistemas no autorizados expresamente para tratarla. Fuente
La Comisión Europea indica que la alfabetización en IA debe adaptarse a los sistemas, los riesgos, el contexto y las personas implicadas. Limitarse a pedir que se lean las instrucciones de la herramienta puede ser ineficaz. Fuente

Checklist de shadow AI: nueve controles que implantar

Descubrir el uso real: preguntar a los equipos, revisar el SaaS y las extensiones autorizadas y ofrecer un canal no punitivo para comunicar herramientas y casos de uso.
Mantener un registro de IA con responsable, finalidad, usuarios, categorías de datos, proveedor, despliegue, integraciones, conservación, uso para entrenamiento y fecha de revisión.
Clasificar casos de uso, no solo proveedores: el mismo asistente puede ser válido para texto público de marketing e inadecuado para expedientes de clientes o empleados.
Publicar una guía de entrada de una página con ejemplos de datos permitidos, condicionados y prohibidos, además de una vía clara para solicitar excepciones.
Proporcionar cuentas empresariales aprobadas y desactivar el entrenamiento del proveedor o el historial innecesario cuando el servicio lo permita.
Aplicar mínimo privilegio a conectores, plugins, bots de reuniones y fuentes RAG; no dar al asistente accesos que la tarea no necesita.
Detectar o enmascarar datos personales y secretos antes del envío y bloquear destinos claramente prohibidos cuando el riesgo residual lo justifique.
Formar por funciones con prompts reales: minimizar datos, revisar respuestas, comunicar errores y reaccionar si ya se ha enviado información sensible.
Medir adopción e incidentes, reevaluar proveedores y configuración y actualizar el registro cuando cambie el servicio o el caso de uso.

Una regla de decisión de 30 segundos

Antes de enviar, conviene hacerse tres preguntas: ¿Está aprobada esta herramienta para esta tarea concreta? ¿Tengo autorización para compartir cada dato del prompt y los archivos adjuntos? ¿Puedo eliminar, generalizar o sustituir algo y seguir obteniendo una respuesta útil? Si alguna respuesta no está clara, hay que parar y usar la vía aprobada. Si la información ya se envió por error, deben conservarse los hechos y notificarse por el proceso habitual de seguridad o protección de datos, sin ocultar ni repetir la exposición al intentar corregirla.

Dónde encaja AIamigo—y dónde no

AIamigo puede añadir una capa práctica antes del envío en los chats de IA utilizados desde el navegador: detecta identificadores personales habituales, permite revisar cada coincidencia y puede sustituir los datos detectados por etiquetas claras antes de enviar. Esto ayuda a reducir divulgaciones accidentales justo cuando ocurren. Complementa, pero no sustituye, la evaluación de proveedores, la configuración de cuentas aprobadas, el control de acceso, la formación, el análisis jurídico, la respuesta a incidentes ni los controles sobre información confidencial que no sea un dato personal.

Añadir a Chrome Crear una cuenta gratis Reservar una demo

Recursos relacionados

Preguntas frecuentes

¿Qué es el shadow AI?

Shadow AI es el uso profesional de herramientas, cuentas, extensiones, agentes o integraciones de IA sin aprobación o visibilidad de la organización. También incluye una herramienta aprobada que se utiliza para una finalidad o un tipo de datos no autorizados.

¿Por qué los empleados recurren al shadow AI?

Normalmente porque la herramienta resuelve una necesidad inmediata más rápido que el proceso aprobado o porque no conocen una alternativa autorizada. Por eso el descubrimiento debe analizar casos útiles y fricción, no limitarse a sancionar.

¿Pueden los empleados introducir datos personales en una IA generativa?

Solo si la organización ha aprobado la herramienta y el caso de uso para esos datos, ha establecido la base y garantías exigidas por el RGPD y ha limitado la entrada a lo necesario. No deben introducirse datos personales en un servicio de IA de consumo no autorizado.

¿Basta una política de IA para controlar el shadow AI?

No. La política y la formación por funciones fijan expectativas, pero hacen falta controles técnicos en el punto de uso: cuentas gestionadas, servicios permitidos, integraciones con mínimo privilegio, ajustes de conservación y detección o enmascarado antes del envío.

¿Debe una empresa bloquear todas las herramientas de IA generativa?

Un bloqueo temporal puede estar justificado para un servicio concreto de alto riesgo, pero una prohibición general suele dejar la necesidad sin resolver. El enfoque sostenible combina herramientas y casos aprobados, reglas claras de datos y controles técnicos proporcionales.

¿AIamigo resuelve todos los riesgos de shadow AI?

No. AIamigo ayuda a detectar y sustituir identificadores personales habituales antes de enviar prompts en chats de IA compatibles desde el navegador. No sustituye el inventario de IA, la diligencia sobre proveedores, el control de acceso, el análisis jurídico ni la respuesta a incidentes.