Shadow AI, traducido ocasionalmente como inteligencia artificial en la sombra, es el uso, desarrollo o integración de herramientas y sistemas de inteligencia artificial dentro de una organización sin la autorización, supervisión o conocimiento de sus departamentos de tecnologías de la información, seguridad, cumplimiento normativo o dirección.^[1]​^[2]​^[3]​

El fenómeno comprende tanto el empleo individual de aplicaciones públicas de inteligencia artificial generativa como la contratación departamental de servicios, la incorporación de funciones de IA en aplicaciones empresariales, la conexión no autorizada con API de modelos o la creación de agentes y automatizaciones fuera de los procedimientos corporativos establecidos.^[4]​

Aunque puede surgir como una forma de mejorar la productividad o experimentar rápidamente con nuevas tecnologías, también puede generar flujos de información desconocidos para la organización, exposición de datos confidenciales, incumplimientos regulatorios, resultados incorrectos o sesgados y dependencias de proveedores que no han sido evaluados.^[5]​

El concepto deriva del término inglés shadow IT, utilizado para describir programas, dispositivos, servicios en la nube y sistemas tecnológicos empleados sin la aprobación del departamento responsable de las tecnologías de la información. La diferencia principal es que el shadow AI se refiere específicamente a herramientas capaces de analizar información, generar contenidos, producir código, efectuar recomendaciones o automatizar decisiones.^[6]​

Además de los riesgos tradicionales del software no autorizado, los sistemas de IA pueden introducir problemas relacionados con los datos incluidos en las instrucciones o prompts, la variabilidad y falta de exactitud de las respuestas, la opacidad de algunos modelos, los cambios efectuados por el proveedor y la capacidad de determinados agentes para ejecutar acciones en otros sistemas.^[7]​

El shadow AI puede adoptar distintas formas:

• uso de cuentas personales de asistentes de IA para redactar, traducir, resumir o analizar documentos laborales;
• introducción de datos de clientes, código fuente, contratos o información financiera en servicios externos;
• utilización de asistentes de programación no autorizados para generar código destinado a sistemas corporativos;
• contratación directa de servicios de IA por parte de un departamento sin evaluación de seguridad, privacidad o compras;
• conexión de aplicaciones internas con API de modelos sin inventario ni control centralizado;
• activación de funciones de IA incorporadas en aplicaciones de software como servicio;
• creación de agentes o automatizaciones capaces de consultar datos, enviar comunicaciones o modificar otros sistemas;
• utilización de modelos descargados o ejecutados localmente sin validación, mantenimiento o documentación.

No todos estos usos tienen el mismo nivel de riesgo. El tratamiento de información pública para generar ideas genéricas es diferente del procesamiento de datos personales, secretos empresariales, credenciales o documentación sometida a obligaciones contractuales o regulatorias.

Una causa habitual es la diferencia entre la velocidad con la que aparecen nuevas herramientas y el tiempo requerido por las organizaciones para evaluarlas y aprobarlas. Los empleados pueden recurrir a ellas para reducir tareas repetitivas, preparar documentos, analizar información o resolver limitaciones de los sistemas oficiales.^[6]​

Otros factores son la facilidad de acceso mediante cuentas personales, los modelos de suscripción de bajo coste, la integración de IA en aplicaciones ya utilizadas, la ausencia de normas comprensibles, la falta de formación y la percepción de que los procedimientos de aprobación son demasiado lentos.

Por ello, el fenómeno no implica necesariamente una intención maliciosa. También puede actuar como indicador de necesidades laborales que las herramientas corporativas disponibles no cubren adecuadamente.^[5]​

La prevalencia exacta es difícil de calcular debido a que, por definición, parte de la actividad no está inventariada. Los estudios disponibles emplean definiciones, muestras y metodologías diferentes.

El informe Work Trend Index de Microsoft y LinkedIn de 2024, basado en una encuesta en línea a 31 000 trabajadores del conocimiento de 31 países, indicó que el 78 % de quienes utilizaban IA en el trabajo aportaban sus propias herramientas. Este dato, denominado por el informe Bring Your Own AI o BYOAI, no significa necesariamente que todos esos usos estuvieran expresamente prohibidos, pero muestra el carácter descentralizado de una parte importante de la adopción.^[8]​

Un informe de IBM y el Ponemon Institute publicado en 2025 señaló que una de cada cinco organizaciones estudiadas había comunicado una brecha relacionada con shadow AI. Según el mismo estudio, las organizaciones con niveles elevados de este fenómeno tuvieron costes medios de brecha 670 000 dólares estadounidenses superiores a las organizaciones con niveles bajos o inexistentes. Los resultados proceden de una investigación patrocinada por IBM sobre incidentes reales y no deben interpretarse como una estimación universal aplicable a cualquier organización.^[9]​

El término también ha sido utilizado en publicaciones académicas, profesionales y medios económicos para describir los riesgos de la adopción empresarial no gobernada de IA.^[5]​^[10]​^[11]​

Cuando un usuario introduce información en una herramienta externa, los datos pueden quedar sometidos a las condiciones de almacenamiento, retención, localización y tratamiento del proveedor. La organización puede perder la capacidad de determinar qué información se compartió, durante cuánto tiempo se conservará y si se utilizará para mejorar o entrenar sistemas posteriores.

Entre los contenidos potencialmente afectados se encuentran datos personales, información financiera, historiales laborales, documentación de clientes, contratos, estrategias comerciales, credenciales y código propietario.

Las aplicaciones o integraciones no evaluadas pueden ampliar la superficie de ataque de una organización. Entre los riesgos se encuentran una gestión inadecuada de claves de API, permisos excesivos, complementos inseguros, dependencias desconocidas, vulnerabilidades en código generado y conexiones con proveedores externos que no han superado una revisión de seguridad.^[5]​

En sistemas con capacidad de ejecutar acciones, los riesgos también pueden incluir instrucciones maliciosas introducidas mediante ataques de inyección de instrucciones, acceso indebido a repositorios internos o realización de operaciones que no han sido revisadas por una persona.

Los modelos generativos pueden producir datos incorrectos o inventados, fenómeno conocido como alucinación. Cuando una herramienta no autorizada se utiliza para elaborar informes, evaluar personas, interpretar contratos, generar código o recomendar decisiones, puede resultar difícil conocer la versión del modelo, las instrucciones utilizadas y las comprobaciones realizadas.

La ausencia de documentación y trazabilidad dificulta reproducir el resultado, detectar errores y determinar responsabilidades.

El uso no controlado de IA puede interferir con obligaciones de protección de datos, confidencialidad, propiedad intelectual, conservación documental, seguridad sectorial y contratación.

En la Unión Europea, el Reglamento General de Protección de Datos puede resultar aplicable cuando se procesan datos personales, mientras que el Reglamento de Inteligencia Artificial establece obligaciones diferenciadas según el tipo de sistema, su nivel de riesgo y el papel desempeñado por cada organización. El hecho de que una herramienta se utilice sin autorización interna no determina por sí solo una infracción: la valoración depende de los datos procesados, el uso concreto y la normativa aplicable.^[12]​^[13]​

La contratación independiente de múltiples herramientas puede producir suscripciones duplicadas, gastos difíciles de atribuir, incompatibilidades técnicas y dependencia de proveedores no inventariados. También puede impedir que una organización mida de forma agregada el coste, la utilidad y el impacto de sus iniciativas de IA.

La gestión del shadow AI forma parte de la gobernanza de la inteligencia artificial y de la gestión general de riesgos tecnológicos. Entre las medidas utilizadas se encuentran:

• mantener un inventario de herramientas, modelos, proveedores, agentes e integraciones;
• establecer procedimientos sencillos para solicitar y evaluar nuevas aplicaciones;
• clasificar los datos que pueden o no ser procesados por sistemas externos;
• proporcionar alternativas corporativas que respondan a las necesidades de los empleados;
• aplicar controles de identidad, permisos mínimos, registro de actividad y gestión segura de claves;
• revisar las condiciones de privacidad, seguridad, retención y propiedad intelectual de los proveedores;
• establecer mecanismos de supervisión humana para usos con efectos relevantes;
• formar a los empleados sobre los límites y riesgos de los sistemas generativos;
• comprobar y documentar los resultados antes de utilizarlos en decisiones o sistemas de producción;
• realizar auditorías periódicas y actualizar las políticas conforme cambian las herramientas y los riesgos.

El Instituto Nacional de Estándares y Tecnología de Estados Unidos publicó el AI Risk Management Framework y un perfil específico para IA generativa. Estos documentos proponen identificar, medir, gestionar y supervisar los riesgos durante el ciclo de vida de los sistemas de IA, aunque no están dedicados exclusivamente al shadow AI.^[14]​

La eliminación completa del uso no autorizado puede ser difícil, especialmente cuando las aplicaciones son accesibles desde cuentas o dispositivos personales. Por este motivo, algunas estrategias combinan controles técnicos con formación, canales de aprobación y herramientas oficiales suficientemente útiles para reducir los incentivos para recurrir a alternativas no supervisadas.^[7]​^[10]​

• Shadow IT
• Gobernanza de la inteligencia artificial
• Inteligencia artificial generativa
• Seguridad de la información
• Prevención de pérdida de datos
• Gestión de riesgos
• Ética de la inteligencia artificial