Shadow IT vs Shadow AI: por qué la IA es la mayor amenaza

Shadow IT es el uso de tecnología no aprobada sin conocimiento ni supervisión de TI. Shadow AI es el uso de herramientas, modelos, funciones y flujos de trabajo de IA no aprobados — y suele ser más arriesgado porque puede procesar datos sensibles, influir en decisiones, generar resultados e interactuar con credenciales o sistemas completamente fuera de la gobernanza normal.

La magnitud del problema ya es visible en los datos de brechas:

• Una de cada cinco organizaciones reportó una brecha debido a shadow AI, y el alto uso de shadow AI añadió un promedio de $670,000 a los costos de brechas — Informe del Costo de una Brecha de Datos 2025 de IBM.
• Más de la mitad de los ejecutivos (58%) reportaron que su organización experimentó un incidente de seguridad relacionado con IA o una situación cercana en el último año — encuesta AI Agents at Work 2026 de Okta.
• Se encontraron más de 1,27 millones de secretos de servicios de IA filtrados en GitHub público. Un 81% más que el año anterior. Ocho de los diez tipos de secretos filtrados de más rápido crecimiento están vinculados a servicios de IA — State of Secrets Sprawl 2026 de GitGuardian.
• Solo el 5% de las empresas tiene visibilidad completa sobre qué herramientas de IA están usando realmente los empleados, y el 78% confirmó un incidente de seguridad relacionado con IA o no pudo descartarlo — 2026 Cloud Security Report de Check Point.
• El 92% de los profesionales de seguridad están preocupados por los agentes de IA y su impacto en la seguridad, pero solo el 37% de las organizaciones tiene una política formal de IA implementada — State of AI Cybersecurity 2026 de Darktrace.

Los gobiernos han tomado nota. La Ley de IA de la UE está ahora en aplicación activa, con sanciones por uso no conforme de sistemas de IA de alto riesgo que alcanzan hasta 15 millones de euros o el 3% de la facturación anual global.

En Estados Unidos, el presidente Trump firmó una orden ejecutiva el 2 de junio de 2026 — «Promoting Advanced Artificial Intelligence Innovation and Security» — ordenando a CISA expandir las ciberdefensas habilitadas por IA en los sistemas federales y operadores de infraestructura crítica, y estableciendo un marco voluntario para evaluar modelos de IA de frontera antes de su lanzamiento público. La orden no regula cómo los empleados usan la IA dentro de las empresas, pero señala claramente que la seguridad de la IA es ahora una prioridad federal y que las organizaciones que operan infraestructura crítica ya están dentro del alcance.

Las herramientas están en uso. Los datos se están moviendo. ¿Hacia dónde? La mayoría de las organizaciones simplemente no lo sabe.

Puntos clave

• Shadow AI es una categoría de riesgo distinta, no solo Shadow IT con marca de IA. Las herramientas, modelos y agentes de IA no aprobados procesan datos, influyen en decisiones e interactúan con credenciales completamente fuera de la gobernanza normal, mientras que el Shadow IT tradicional solo crea dispersión tecnológica no gestionada.
• Los datos de brechas ya son visibles. Una de cada cinco organizaciones reportó una brecha debido a Shadow AI. La mayoría de las empresas no tiene una imagen clara de qué herramientas de IA están usando realmente los empleados.
• Las cuentas personales son la principal brecha de control. La mayoría del uso de herramientas de IA ocurre a través de cuentas personales que evitan SSO, DLP y registro centralizado, sin dejar rastro de auditoría ni base contractual para la eliminación de datos.
• Los agentes de IA desplazan el problema de la entrada de datos al acceso y la acción. Los agentes pueden leer archivos, llamar a APIs y modificar código mediante permisos OAuth delegados, y esas acciones pueden no registrarse en ningún lugar que el equipo de seguridad pueda ver.
• La exposición de credenciales es la brecha de mayor severidad. Los registros, fragmentos de código, archivos de entorno y datos de autocompletado del navegador frecuentemente contienen contraseñas, claves API o tokens. Cuando se pegan en una herramienta de IA, el resultado es una potencial ruta de acceso persistente, no solo un evento de exposición de datos.
• La prohibición total reubica el Shadow AI, no lo elimina. Los empleados migran a dispositivos personales y herramientas alternativas con menos señales de auditoría. Una gobernanza efectiva proporciona alternativas aprobadas y monitorea el movimiento de datos sensibles.
• Los reguladores han tomado nota. La Ley de IA de la UE está en aplicación activa, con sanciones que alcanzan 15 millones de euros o el 3% de la facturación anual global. Una orden ejecutiva de EE. UU. firmada el 2 de junio de 2026 señala que la seguridad de la IA es ahora una prioridad federal.
• La gobernanza requiere cinco respuestas específicas. Clasificación de datos, provisión de herramientas aprobadas, gobernanza de resultados, revisión de permisos de agentes y gestión de secretos. Los controles existentes de Shadow IT son necesarios pero no suficientes.

¿Qué es Shadow IT?

Shadow IT es cualquier tecnología (software, hardware, servicios en la nube, aplicaciones SaaS, scripts o infraestructura) utilizada dentro de una organización sin aprobación, conocimiento o supervisión de TI. El término abarca una amplia gama de comportamientos: un empleado que usa un almacenamiento personal en la nube para compartir archivos, un equipo que implementa una herramienta de gestión de proyectos no aprobada, un desarrollador que ejecuta scripts en infraestructura no gestionada, o un departamento que se suscribe a un producto SaaS fuera del proceso de adquisiciones.

El problema central del Shadow IT es la pérdida de gobernanza. Cuando TI no sabe que existe una herramienta, no puede aplicar controles de acceso, implementar políticas de Prevención de Pérdida de Datos (DLP), gestionar el ciclo de vida de los datos ni revocar el acceso cuando un empleado se va. Los requisitos de licencias, cumplimiento y rastro de auditoría también quedan sin cubrir.

El Shadow IT sigue un camino predecible. Un empleado necesita una herramienta — compartir archivos más rápido, un rastreador de proyectos, un script que funcione en algo diferente al stack aprobado. El proceso oficial es demasiado lento o la herramienta simplemente no está disponible, así que encuentran su propia solución. TI nunca se entera.

Ejemplos comunes de Shadow IT incluyen:

• Almacenamiento personal en la nube (cuentas de consumidor usadas para archivos de trabajo)
• Aplicaciones de mensajería y colaboración no aprobadas
• Extensiones de navegador con amplios permisos de datos
• Suscripciones SaaS no gestionadas pagadas con presupuesto del equipo
• Scripts y herramientas de automatización creados por desarrolladores que funcionan fuera de la visibilidad de TI
• Dispositivos de consumidor conectados a redes corporativas

El Shadow IT no siempre es malicioso. La mayoría comienza como una solución de productividad — un equipo necesitaba una herramienta, las adquisiciones eran lentas y alguien encontró una alternativa gratuita. Ese contexto importa para la gobernanza: la prohibición sin reemplazo rara vez funciona.

¿Qué es Shadow AI?

Shadow AI es el uso no autorizado de herramientas de IA, funciones de IA, modelos, prompts, agentes y flujos de trabajo sin aprobación ni supervisión de TI. Está relacionado con el Shadow IT pero es distinto: mientras que el Shadow IT principalmente crea dispersión tecnológica no gestionada, el Shadow AI crea procesamiento de datos no gestionado, soporte de decisiones no gestionado y acciones no gestionadas.

El Shadow AI incluye un conjunto amplio y de rápido crecimiento de comportamientos. Los empleados usan modelos de lenguaje grandes públicos (LLMs) como ChatGPT, Claude y Gemini a través de cuentas personales. Los desarrolladores usan asistentes de codificación con IA como GitHub Copilot o Cursor fuera de los tenants empresariales. Los equipos usan asistentes de reuniones con IA, extensiones de navegador con IA y funciones SaaS potenciadas por IA que nunca fueron revisadas formalmente. Algunos empleados construyen sus propios flujos de trabajo de IA usando herramientas de automatización de consumidor.

El Shadow AI sigue el mismo camino que el Shadow IT, pero las consecuencias al final son diferentes. Un empleado necesita moverse más rápido — resumir un documento, generar código, redactar una respuesta. No hay herramienta aprobada, o la herramienta aprobada es más lenta que la que ya usan personalmente. Así que usan su propia cuenta, una extensión de navegador o una función de IA integrada en un producto SaaS que TI ya aprobó pero nunca auditó.

Ejemplos comunes de Shadow AI en la práctica:

• Empleados usando ChatGPT, Claude, Gemini o Perplexity a través de cuentas personales de nivel gratuito
• Desarrolladores usando asistentes de codificación con IA fuera de los controles de licencia empresarial
• Equipos de ventas y marketing usando herramientas de escritura con IA no revisadas por seguridad
• Equipos de RR. HH. y finanzas usando IA para resumir documentos que contienen datos regulados
• Asistentes de reuniones con IA grabando y transcribiendo llamadas sin controles de retención empresarial
• Extensiones de IA basadas en navegador con acceso al contenido de la página, portapapeles y campos de formulario
• Agentes de IA construidos por empleados conectándose a APIs SaaS o sistemas internos

La escala es significativa. El informe 2025 de Menlo Security registró 10,53 mil millones de visitas a sitios de IA solo en enero de 2025, frente a 7 mil millones en febrero de 2024, con el 80% de ese acceso ocurriendo a través de navegadores. El Shadow AI no es un comportamiento de nicho — es la forma en que la mayoría de los empleados actualmente usa la IA.

Shadow IT vs Shadow AI: Las diferencias clave

El Shadow IT y el Shadow AI comparten la misma causa raíz: empleados resolviendo problemas reales con herramientas que TI no ha aprobado. Pero crean diferentes perfiles de riesgo y requieren diferentes controles.

La brecha de remediación es particularmente significativa. Cuando un empleado usa una herramienta SaaS no aprobada, TI puede revocar el acceso y migrar los datos. Cuando el contenido sensible entra en el flujo de trabajo de un modelo de IA externo, confirmar la eliminación, demostrar la no retención y delimitar el incidente es sustancialmente más difícil, especialmente cuando se accedió a la herramienta a través de una cuenta personal sin rastro de auditoría empresarial.

Por qué Shadow AI es la amenaza mayor

El Shadow AI es a menudo más peligroso que el Shadow IT tradicional porque no solo almacena o mueve datos — los procesa, genera y actúa sobre ellos. Las siguientes cinco dimensiones explican dónde cambia el modelo de riesgo. Juntas, forman lo que este artículo llama el multiplicador de riesgo del Shadow AI.

1. La exfiltración de datos ocurre a través del trabajo ordinario

Los empleados no necesitan exfiltrar datos intencionalmente. Pegan correos electrónicos, contratos, hojas de cálculo, código fuente, tickets de soporte, registros de clientes, información de RR. HH. y registros del sistema en herramientas de IA como parte del trabajo normal. Cada prompt es una potencial transferencia de datos.

El análisis de Harmonic Security de 22.458.240 prompts de IA generativa empresarial de 2025 detectó 579.113 instancias de exposición de datos sensibles en 665 herramientas de IA. El código, los documentos legales y los datos financieros representaron el 74,5% de lo expuesto. Según el AI Adoption & Risk Report 2026 de Cyberhaven, el 39,7% de todas las interacciones con IA involucraron datos sensibles, y los empleados introducen datos sensibles en herramientas de IA una vez cada tres días en promedio.

Los datos sensibles y la IA están ahora integrados en los flujos de trabajo diarios, y la exposición no es ocasional.

2. Las cuentas personales rompen los controles empresariales

Una parte significativa del uso de IA ocurre a través de cuentas personales en lugar de tenants empresariales. Los datos de 2026 de Cyberhaven encontraron que el 32,3% del uso de ChatGPT, el 58,2% del uso de Claude y el 60,9% del uso de Perplexity ocurrieron a través de cuentas personales. El informe 2025 de Menlo Security encontró que el 68% de los empleados usaron herramientas de IA de nivel gratuito a través de cuentas personales, con el 57% introduciendo datos sensibles.

Las cuentas personales evitan la aplicación de SSO, las políticas de retención empresarial, el registro centralizado, los controles DLP y la gobernanza de datos a nivel de administrador. Cuando un empleado usa Claude o Perplexity a través de una cuenta personal, la organización no tiene visibilidad de lo que se envió, no tiene rastro de auditoría y no tiene base contractual para la eliminación de datos o compromisos de no entrenamiento.

3. La IA puede influir en decisiones, no solo almacenar archivos

El Shadow IT principalmente crea almacenamiento o transferencia de datos no gestionados. El Shadow AI hace algo más: resume, clasifica, clasifica, recomienda, genera código y redacta contenido dirigido a clientes o legal. Una herramienta de IA no aprobada puede dar forma a una decisión empresarial basada en datos no verificados, una versión de modelo desconocida y suposiciones que el usuario nunca examinó.

Las alucinaciones, la deriva del modelo y el sesgo en los resultados de IA son modos de fallo reales. Cuando la herramienta no está sancionada y el resultado no está atribuido, no hay forma de auditar la cadena de decisiones después del hecho.

4. Los agentes de IA extienden el problema de la entrada a la acción

Los agentes de IA pueden leer archivos, usar portapapeles, llamar a APIs, enviar mensajes, modificar código y conectarse a sistemas SaaS. Muchos funcionan a nivel del sistema operativo, mantienen ventanas de contexto persistentes y sincronizan datos con infraestructura fuera de la supervisión del equipo de seguridad.

Esto mueve el Shadow AI de un problema de entrada de datos a un problema de acceso y acción. Un agente con permisos OAuth delegados o una clave API puede actuar en nombre de un usuario, y esas acciones pueden no registrarse en ningún lugar que el equipo de seguridad pueda ver.

5. La exposición de credenciales y secretos convierte el uso de IA en riesgo de acceso

Los registros, fragmentos de código, archivos de entorno, datos de autocompletado del navegador y tickets de soporte frecuentemente contienen contraseñas, claves API o tokens. Cuando estos se pegan en una herramienta de IA — a menudo accidentalmente — el resultado no es solo un evento de exposición de datos. Es una potencial ruta de acceso persistente.

El informe 2025 de IBM encontró que el 97% de las organizaciones comprometidas a través de modelos o aplicaciones de IA carecían de controles de acceso de IA adecuados, lo que significa que la mayoría de las organizaciones que experimentaron una brecha relacionada con IA no tenían ninguna capa de control significativa implementada.

Si su equipo está comenzando a mapear la exposición al Shadow AI, las credenciales y los secretos suelen ser la brecha de mayor severidad. Passwork centraliza contraseñas compartidas, claves API y credenciales de cuentas de servicio en una única bóveda cifrada con RBAC, integración LDAP/SSO y un registro de auditoría completo de cada evento de acceso. Cuando un empleado se va o se da de baja un flujo de trabajo de IA, el acceso se revoca en un solo lugar, sin necesidad de rastrearlo en una docena de herramientas. Pruebe Passwork gratis

Ejemplos reales de riesgo de Shadow AI

Los escenarios de riesgo a continuación son representativos de lo que los equipos de seguridad y TI encuentran en todos los departamentos. Ninguno requiere intención maliciosa — cada uno comienza con un objetivo de productividad legítimo.

El riesgo tiende a concentrarse en un pequeño número de herramientas de alto uso, lo cual es útil para la priorización de la gobernanza. Pero la larga cola todavía importa — una integración raramente usada puede conllevar el mismo riesgo de exposición de credenciales que un asistente de uso diario.

Por qué prohibir la IA generalmente empeora el Shadow AI

Una prohibición total de las herramientas de IA no elimina el Shadow AI. Lo reubica. Los empleados migran a dispositivos personales, cuentas personales o herramientas alternativas en las que TI tiene menos visibilidad. El resultado es la misma exposición de datos con menos señales de auditoría.

Según la encuesta de Okta publicada en mayo de 2026, más de la mitad de los empleados reportaron usar herramientas de IA personales sin aprobación. Dos tercios de los empleados en EE. UU. usan IA no sancionada, y casi una cuarta parte lo hace regularmente. Al mismo tiempo, el 58% de los ejecutivos dijo que su organización tuvo un incidente de seguridad relacionado con IA o una situación cercana en el año anterior.

La investigación de Okta también encontró que más de la mitad de los empleados dicen que las políticas de uso de IA de su organización son poco claras, difíciles de encontrar o inexistentes. Esa brecha entre la confianza ejecutiva y la experiencia del empleado es donde crece el Shadow AI.

Algunos casos de uso de alto riesgo deberían bloquearse directamente — pegar registros de clientes en una herramienta de IA pública, o conectar un agente de IA de consumidor a sistemas de producción. Pero la prohibición total no funciona. Los empleados adoptan shadow AI por razones racionales: mejores herramientas, resultados más rápidos, adquisiciones que se mueven demasiado lento. Una gobernanza efectiva proporciona alternativas aprobadas, establece límites claros y monitorea el movimiento de datos sensibles. Ignore los incentivos subyacentes y el comportamiento no cambiará.

Cómo detectar Shadow AI en la empresa

Detectar shadow AI requiere visibilidad en navegadores, endpoints, permisos SaaS y sistemas de identidad. La investigación de 2025 de IBM encontró que solo el 34% de las organizaciones con políticas de gobernanza de IA realizaron auditorías regulares para IA no sancionada — lo que significa que la mayoría de las organizaciones tienen política sin visibilidad operativa.

Un enfoque de detección práctico cubre siete áreas

1. Paso 1. Inventariar dominios de IA, extensiones de navegador, funciones de IA en SaaS, herramientas de reuniones con IA, asistentes de codificación con IA y funciones de IA integradas en aplicaciones ya aprobadas.
2. Paso 2. Monitorear el uso de IA generativa basada en navegador, eventos de copiar/pegar, cargas de archivos y descargas cuando sea legal y éticamente apropiado bajo las reglas de monitoreo de empleados de su jurisdicción.
3. Paso 3. Revisar concesiones OAuth, tokens API, cuentas de servicio y permisos de aplicaciones de terceros. Los agentes e integraciones de IA a menudo solicitan amplios alcances OAuth que persisten mucho después de la configuración inicial.
4. Paso 4. Clasificar las categorías de datos sensibles que nunca deberían enviarse a herramientas de IA externas sin aprobación explícita: datos de identificación personal, código fuente, pronósticos financieros, documentos legales, datos de salud regulados y credenciales.
5. Paso 5. Verificar los controles de identidad: cobertura de SSO, aplicación de MFA, aprovisionamiento SCIM/LDAP, asignaciones RBAC y completitud del registro de auditoría. Las cuentas de IA personales evitan todos estos.
6. Paso 6. Buscar credenciales expuestas en repositorios de código, registros, tickets y flujos de trabajo relacionados con IA. Los tokens y las claves API aparecen en lugares inesperados — historial de commits, hilos de Slack, tickets de soporte y registros de prompts de IA.
7. Paso 7. Mapear el uso de IA a la necesidad empresarial antes de bloquearlo. Comprender por qué los empleados usan una herramienta es necesario para proporcionar una alternativa gobernada que realmente usarán.

Cómo reducir el riesgo de Shadow AI sin bloquear la productividad

La gobernanza efectiva del Shadow AI es un problema de habilitación tanto como un problema de seguridad. El objetivo es dar a los empleados opciones seguras y aprobadas mientras se aplican controles donde los datos sensibles están en riesgo.

La capa de identidad y acceso necesita tres cosas: cobertura de SSO en las herramientas de IA aprobadas, aplicación de MFA y aprovisionamiento SCIM o LDAP que vincule el acceso directamente al estado de empleo. Para contraseñas y secretos, una bóveda centralizada con control de acceso basado en roles, integración con Active Directory y registros de actividad convierte la gestión de credenciales de una tarea manual en un proceso auditable.

Dónde encajan las contraseñas y los secretos en la gobernanza del Shadow AI

La gobernanza del Shadow AI trata sobre qué credenciales y permisos pueden alcanzar las herramientas adyacentes a la IA.

La exposición de credenciales en flujos de trabajo de IA a menudo ocurre indirectamente:

• Un desarrollador pega un archivo de registro en un asistente de codificación — el registro contiene una cadena de conexión a la base de datos
• Un ingeniero de soporte comparte una captura de pantalla en una herramienta de IA — la captura de pantalla muestra una clave API en una pestaña del navegador
• Un empleado carga un archivo de configuración de entorno para depuración asistida por IA — el archivo contiene credenciales de cuenta de servicio

Ninguno de estos es un evento de exfiltración deliberada. Todos ellos crean un riesgo de acceso real.

Los asistentes de codificación y agentes de IA agravan esto. Pueden interactuar con repositorios, terminales, APIs SaaS y sistemas de archivos locales. Un agente con acceso a la sesión de terminal de un desarrollador puede leer variables de entorno, claves SSH y archivos de credenciales. Si ese agente funciona a través de una cuenta personal sin rastro de auditoría empresarial, la organización no tiene registro de lo que se accedió.

El objetivo de la gobernanza es evitar que los flujos de trabajo de IA no gestionados conviertan un token pegado o una contraseña compartida en una ruta de acceso persistente. Eso requiere controles específicos: credenciales únicas por servicio, sin contraseñas compartidas en chat o tickets, compartición basada en bóveda con controles de acceso, privilegio mínimo en cuentas de servicio, MFA en todo acceso administrativo, rotación regular de secretos, inventario de claves API, revisiones de permisos OAuth y registros de auditoría que cubran el acceso a credenciales.

Passwork está disponible como despliegue autoalojado o en la nube, con una REST API completa y herramientas CLI para equipos que necesitan integrar la gestión de credenciales en flujos de trabajo DevOps existentes. Las revisiones de acceso, los registros de auditoría y las asignaciones de roles se gestionan a través de una única interfaz — sin necesidad de herramientas separadas. Más información

Una lista de verificación práctica para la gobernanza del Shadow AI

Esta lista de verificación está diseñada para ingenieros de seguridad y equipos de cumplimiento que comienzan o maduran un programa de gobernanza de Shadow AI. Revísela trimestralmente — las capacidades de las herramientas de IA y los requisitos regulatorios cambian más rápido de lo que los ciclos anuales pueden rastrear.

La lista de verificación de gobernanza de Shadow AI (10 puntos)

1. Definir casos de uso de IA aprobados, condicionales y prohibidos por tipo de datos y función empresarial.
2. Crear una lista de herramientas de IA aprobadas por función: redacción, codificación, análisis de datos, notas de reuniones, soporte al cliente.
3. Requerir cuentas empresariales para herramientas aprobadas donde se puedan procesar datos sensibles.
4. Bloquear o advertir sobre la carga pública de categorías de datos restringidos (datos de identificación personal, código fuente, pronósticos financieros, documentos legales, credenciales).
5. Revisar las extensiones de navegador de IA y los permisos OAuth — revocar aquellos sin una necesidad empresarial documentada.
6. Auditar tokens API, cuentas de servicio, credenciales compartidas y secretos usados cerca de flujos de trabajo de IA.
7. Añadir DLP o controles de navegador para prompts, cargas de archivos y eventos de copiar/pegar donde sea apropiado y legalmente permitido.
8. Publicar ejemplos de prompts permitidos y prohibidos — los ejemplos concretos superan a la política abstracta.
9. Formar a los equipos por rol: desarrolladores, ventas, legal, RR. HH., finanzas y soporte enfrentan diferentes escenarios de riesgo de IA.
10. Revisar las políticas de IA trimestralmente porque las capacidades de las herramientas, los términos de retención del proveedor y las regulaciones cambian rápidamente.

Conclusión

Shadow AI no es una razón para frenar la adopción de IA. Es una razón para gobernar la IA como un problema de datos, identidad y acceso — las mismas disciplinas que los equipos de seguridad ya aplican a otras tecnologías, aplicadas a una categoría que se mueve más rápido y es más difícil de observar.

Las cinco dimensiones del multiplicador de riesgo del Shadow AI — exfiltración de datos a través del trabajo ordinario, cuentas personales que rompen los controles empresariales, decisiones influenciadas por IA, acción agéntica y exposición de credenciales — explican por qué los controles existentes de Shadow IT son necesarios pero no suficientes. Cada dimensión requiere una respuesta específica: clasificación de datos, provisión de herramientas aprobadas, gobernanza de resultados, revisión de permisos de agentes y gestión de secretos.

Las organizaciones que gestionan esto bien son las que dan a los empleados opciones seguras, definen reglas claras y construyen la capacidad de monitoreo para ver lo que realmente está sucediendo.

Si su equipo está revisando los controles de Shadow AI, incluya contraseñas compartidas, claves API, cuentas de servicio y secretos en la evaluación. Passwork apoya esta parte del programa de gobernanza centralizando el acceso a credenciales, integrándose con LDAP/SSO y proporcionando visibilidad de auditoría para flujos de trabajo relacionados con contraseñas.

Preguntas frecuentes

¿Es Shadow AI lo mismo que Shadow IT?

No. Shadow AI está relacionado con Shadow IT pero involucra específicamente herramientas de IA, funciones de IA, modelos, prompts, agentes y flujos de trabajo no aprobados. Añade riesgos distintos en torno al procesamiento de datos a través de prompts y cargas de archivos, retención de modelos, calidad de resultados generados y permisos delegados para agentes de IA. El Shadow IT tradicional principalmente crea dispersión tecnológica no gestionada.

¿Por qué Shadow AI es más peligroso que Shadow IT?

Shadow AI es a menudo más peligroso porque puede exponer datos sensibles a través de prompts y cargas de archivos, influir en decisiones empresariales a través de resultados no verificados e interactuar con credenciales o sistemas a través de agentes e integraciones. La investigación de 2025 de IBM encontró que las organizaciones con alto uso de shadow AI incurrieron en un promedio de $670,000 más en costos de brechas que aquellas con bajo o ningún uso de shadow AI.

¿Qué datos nunca deberían pegar los empleados en herramientas de IA públicas?

Los empleados no deberían pegar contraseñas, claves API, tokens, código fuente, registros de clientes, registros de RR. HH., documentos legales, pronósticos financieros, datos regulados (registros de salud, datos de identificación personal) o propiedad intelectual confidencial en herramientas de IA públicas a menos que la organización haya aprobado explícitamente esa herramienta y caso de uso con protecciones de datos contractuales apropiadas.

¿Pueden las empresas detener completamente el Shadow AI?

La mayoría de las organizaciones no deberían depender de la prohibición completa. Los datos de 2025 de Harmonic Security encontraron que mientras solo el 40% de las empresas han comprado suscripciones oficiales de IA, los empleados en más del 90% de las organizaciones usan activamente herramientas de IA — principalmente a través de cuentas personales. Una mejor estrategia es proporcionar herramientas de IA aprobadas, definir casos de uso claros, monitorear el movimiento de datos sensibles y aplicar controles de acceso.

¿Cómo pueden los equipos de seguridad detectar Shadow AI?

La detección requiere una combinación de inventario de dominios de IA, herramientas de visibilidad del navegador, DLP, revisión de postura de seguridad SaaS (SSPM), revisión de concesiones OAuth, telemetría de endpoints e informes de empleados. Los equipos de seguridad también deberían auditar las funciones de IA integradas en herramientas SaaS ya aprobadas — estas a menudo se pasan por alto porque la aplicación principal está sancionada.

¿Cómo ayudan los gestores de contraseñas con el riesgo de Shadow AI?

Los gestores de contraseñas no gobiernan la IA por sí mismos, pero reducen la dispersión de credenciales en torno a los flujos de trabajo de IA. Ayudan a centralizar credenciales compartidas, aplicar controles de acceso basados en roles, soportar rastros de auditoría para el uso de contraseñas y secretos, simplificar la rotación de secretos y proporcionar visibilidad sobre qué credenciales se comparten y con quién — todo lo cual importa cuando las herramientas o agentes de IA pueden haber tocado esas credenciales.

¿Aborda la Ley de IA de la UE el Shadow AI?

La Ley de IA de la UE (en vigor desde agosto de 2024, con obligaciones escalonadas hasta 2027) establece requisitos para proveedores y desplegadores de sistemas de IA, incluyendo obligaciones de transparencia, clasificación de riesgos y gobernanza para sistemas de IA de alto riesgo. No regula directamente el uso de herramientas de IA de consumidor por parte de empleados, pero las organizaciones sujetas a la Ley deberían asegurar que sus programas de gobernanza de IA cubran el uso no sancionado, particularmente para casos de uso de alto riesgo. Los equipos legales deberían revisar las obligaciones aplicables bajo los artículos específicos relevantes para su contexto de despliegue de IA.

VaultJacking: cómo un PIN expone la bóveda de Google

VaultJacking ataca el PIN de Google Password Manager para desbloquear toda la bóveda. Un solo PIN capturado expone todas las contraseñas y passkeys guardadas. Descubra cómo funciona el ataque, quién está en riesgo y qué hacer si ha sido víctima de phishing.

Passwork BlogAlex Muntyan

Últimas noticias NIS2: actualizaciones de mayo 2026

Sanciones en Bulgaria, nueva ley en Luxemburgo, Cyberbeveiligingswet en Países Bajos, ENISA NIS360 2026: novedades de aplicación de NIS2 en mayo de 2026.

Passwork BlogAlex Muntyan

Passwork gana Top Performer Primavera 2026 en SourceForge

Passwork ha sido nombrado Top Performer Primavera 2026 por SourceForge, posicionándose en el 10% superior de más de 100.000 soluciones. La insignia se basa exclusivamente en reseñas verificadas — 4,8 estrellas en general, con un 5,0 perfecto en soporte.

Passwork BlogAlex Muntyan