Shadow AI: o que é e quais são os riscos?

Shadow AI é o uso de ferramentas de inteligência artificial (IA) no trabalho sem que TI, segurança ou compliance tenham revisado, aprovado ou acompanhado. Os riscos principais são vazamento de dados, LGPD descumprida e agentes autônomos agindo em sistemas internos que ninguém inventariou. Até setembro de 2026, nenhuma pesquisa oficial brasileira mede esse uso informal. Este artigo separa o dado oficial da estimativa de fornecedor, mostra quanto um incidente custou em 2025 e diz por onde começar a mapear a IA que já roda na sua empresa.

• 67% do acesso a ferramentas como o ChatGPT nas empresas passa por contas não gerenciadas, segundo o relatório de 2025 da LayerX
• US$ 670 mil a mais por violação de dados ligada a shadow AI em 2025, no Cost of a Data Breach Report da IBM com o Ponemon Institute
• 53% das organizações já registraram agentes de IA que excederam as permissões pretendidas, de acordo com a Cloud Security Alliance em 2026
• 17% das empresas brasileiras declaravam usar IA em 2025, na pesquisa TIC Empresas do Cetic.br, e nada além disso é medido oficialmente

O que é shadow AI e por que ela é diferente da shadow IT

Shadow AI é o uso de ferramentas de inteligência artificial (IA) para tarefas de trabalho sem que a área de TI, de segurança ou de compliance tenha revisado, aprovado ou acompanhado esse uso. O termo também circula em português como “IA sombra” ou “IA invisível”, e a ideia central é a mesma: sistemas de IA que operam fora dos canais oficiais de compra e governança da empresa. Uma definição mais rigorosa, publicada por pesquisadores da CSIRO em junho de 2026, descreve a shadow AI como sistemas de IA implantados sem autorização formal, supervisão de governança ou avaliação de segurança.

Na prática, isso raramente se parece com um projeto secreto. Parece com rotina de escritório.

Forma de shadow AI	Como aparece no dia a dia	Por que escapa da TI
Conta pessoal de IA generativa	O analista cola um contrato no chatbot gratuito para resumir	Login pessoal, sem contrato corporativo
Extensão de navegador com IA	Um plugin reescreve e-mails e lê o conteúdo da aba aberta	Instala em um clique, sem pedido de compra
IA embutida em software aprovado	O assistente de IA é ativado dentro de um CRM ou editor já homologado	A homologação cobriu o software, e o recurso de IA chegou depois
Assinatura departamental paralela	O marketing paga uma ferramenta de geração de imagem no cartão corporativo	Despesa pequena, fora do processo de compras
Agente autônomo	Um agente lê e-mails, consulta sistemas internos e executa ações	Recebe as credenciais de uma pessoa e age em nome dela

O conceito é filho direto da shadow IT, expressão que a literatura de segurança usa há mais de uma década para qualquer software, hardware ou serviço adotado por colaboradores sem conhecimento ou aprovação formal do departamento de TI. A planilha compartilhada por conta pessoal, o grupo de WhatsApp do time, o Google Drive fora do domínio da empresa. Tudo isso é shadow IT, e ninguém que trabalhe em uma empresa brasileira de médio porte vai fingir surpresa com a lista.

Então por que dar um nome novo a um fenômeno velho? Porque o dano potencial mudou de natureza.

Uma planilha não autorizada guarda o que você digitou nela e nada mais. Uma ferramenta de IA generativa recebe o prompt, processa o conteúdo em servidores de terceiros, pode reter esse conteúdo por prazo que você não controla e, dependendo do contrato (ou da ausência dele), pode reutilizar o material para treinar modelos futuros. O contrato colado no chatbot para “só resumir” passa a existir fora da empresa, sem registro de saída, sem classificação e sem prazo de descarte. Com um agente autônomo o problema cresce de novo, porque ele deixa de apenas ler e passa a agir sobre sistemas internos com as permissões de quem o configurou.

A diferença, portanto, está em três pontos:

• O que sai: na shadow IT saem arquivos; na shadow AI saem prompts, que costumam carregar contexto de negócio muito mais denso do que um documento isolado
• Para onde vai: o dado deixa de ficar parado em um serviço de armazenamento e entra em um ciclo de processamento que a empresa não enxerga
• Quem age: agentes de IA executam tarefas com credenciais reais, algo que nenhuma ferramenta clássica de shadow IT fazia

Esse último ponto é o que me parece menos compreendido. Boa parte das políticas corporativas ainda trata IA como “mais um SaaS”. Ela é um SaaS que lê, guarda e, em breve, clica.

Quão disseminada está a shadow AI nas empresas?

A shadow AI está mais disseminada do que a adoção oficial de IA sugere: nos levantamentos de fornecedores de segurança publicados entre 2025 e 2026, o uso informal de IA nas empresas supera de longe o uso aprovado e governado. Os números abaixo vêm de empresas que vendem a proteção contra o problema, o que exige leitura crítica. Mesmo com esse desconto, eles apontam todos na mesma direção.

• 67% do acesso a ferramentas como o ChatGPT nas empresas ocorre por contas não gerenciadas, segundo o relatório Enterprise AI and SaaS Data Security Report 2025, da LayerX
• Oito em cada dez colaboradores usam ferramentas de IA não aprovadas pela organização, de acordo com a nota de pesquisa da Cloud Security Alliance sobre aplicações de shadow AI, de maio de 2026
• 82% dos CIOs dizem que funcionários criam agentes e aplicações de IA mais rápido do que a TI consegue governar, no mesmo levantamento de 2026
• 53% das organizações já registraram agentes de IA que excederam as permissões pretendidas, ainda segundo a CSA em 2026

O dado da LayerX merece uma segunda leitura. Dois em cada três acessos a chatbots corporativos fora de qualquer conta gerenciada significa que a maioria do tráfego de IA da empresa nem sequer aparece nos painéis de quem deveria monitorar. O time de segurança enxerga o terço que passou pelo SSO. O resto é login pessoal, celular ou navegador fora do domínio.

E o ritmo piora o quadro. Quando 82% dos CIOs admitem que a criação de agentes corre mais rápido do que a governança, o problema deixou de ser “alguns funcionários usam ChatGPT” e virou “funcionários estão construindo software com IA sem que ninguém inventarie”. A Microsoft chegou a uma conclusão parecida no relatório Cyber Pulse: An AI Security Report, publicado entre 2025 e 2026, ao apontar que a velocidade de implantação de agentes tende a superar os controles de segurança e conformidade já existentes. Fornecedor de nuvem falando mal da própria pressa é raro, e por isso vale registro.

O número que mais me incomoda é o dos 53%. Metade das organizações consultadas já viu um agente fazer mais do que devia. Isso deixou de ser hipótese de apresentação de vendedor em 2026 e passou a ser incidente registrado.

Por que os funcionários recorrem à IA não autorizada

Funcionários recorrem à IA não autorizada porque a ferramenta aprovada pela empresa não existe, chega tarde ou não resolve o problema que eles têm na mesa naquele dia. Ninguém cola um relatório num chatbot pessoal por sabotagem. A pessoa faz isso porque tem um prazo e a alternativa oficial, quando existe, exige três aprovações e responde pior.

A literatura sobre shadow IT já tinha descrito essa tensão antes de a IA generativa existir. Um estudo da Universidade Federal de Santa Maria, de 2019, encontrou influência positiva das tecnologias paralelas como WhatsApp, Skype e Google Drive sobre a colaboração dos funcionários, mesmo com os riscos de segurança que essas ferramentas carregam. Os autores chamam isso de natureza dual: no curto prazo, produtividade e velocidade de resposta sobem; no longo prazo, aparecem as brechas de conformidade e os problemas de integração que tendem a superar o ganho inicial.

A tecnologia não autorizada ganha espaço porque entrega algo que a oficial não entrega. Essa é a lição da shadow IT que a maioria das políticas de IA ainda ignora.

O segundo mecanismo é cultural, e ele explica por que o problema costuma ser descoberto tarde. Um estudo publicado em abril de 2025 sobre uso não sancionado de tecnologia em instituições de ensino mostrou que o uso não aprovado se normaliza entre os colegas bem antes de a instituição reconhecê-lo como risco. O título do artigo reproduz a fala de um participante: “não é aprovado, mas muitos, como eu, ignoram a regra”. Troque a sala de aula pelo escritório e a dinâmica é idêntica. Quando o comitê de governança se reúne para discutir uma política de IA, o time comercial já usa a ferramenta há meses, e o hábito é o padrão contra o qual a política vai brigar.

O que ninguém descobre até tentar é o efeito colateral do bloqueio. Ao barrar o domínio do chatbot no proxy corporativo, o uso migra para o celular pessoal, onde a visibilidade da empresa cai a zero e os dados continuam saindo. A proibição resolve o relatório de auditoria e piora o risco real.

Isso muda a pergunta que a empresa precisa se fazer. Em vez de “como impedir”, a pergunta útil é “o que a ferramenta paralela entrega que a nossa não entrega”. A resposta costuma ser desconfortável, e é ela que define se a governança de IA vai funcionar ou virar mais um PDF na intranet.

Vazamento de dados: o risco mais caro da shadow AI

Vazamento de dados é o risco mais caro da shadow AI, e ele já tem preço: em 2025, incidentes ligados a ferramentas de IA não sancionadas custaram, em média, US$ 670 mil a mais do que uma violação comum. O mecanismo por trás desse número é fácil de descrever e difícil de conter.

O caminho do dado é curto. Quando alguém cola um documento num chatbot de terceiros, três coisas podem acontecer com o conteúdo, e a empresa não decide nenhuma delas:

• Retenção: o fornecedor guarda prompt e resposta pelo prazo definido nos termos de uso da conta pessoal, sem contrato corporativo por trás
• Reuso em treinamento: dependendo do plano, o material entra na base usada para ajustar modelos futuros
• Exposição: o histórico de conversas vira mais um repositório de dados sensíveis, hospedado fora da empresa e sujeito a vazamento no fornecedor

O perfil de IA generativa do NIST AI Risk Management Framework, publicado em 26 de julho de 2024 pelo instituto de padrões dos Estados Unidos, cataloga 13 categorias de risco próprias dessa tecnologia. A confidencialidade dos dados é uma delas, exatamente por esse motivo: prompts enviados a ferramentas de terceiros podem ser retidos, usados para treinar modelos ou expostos. O documento saiu de um grupo de trabalho público criado em julho de 2023 e lista mais de 400 ações para reduzir esses riscos, tanto para quem desenvolve quanto para quem usa os modelos.

O custo vem do relatório Cost of a Data Breach 2025, que a IBM produz com o Ponemon Institute a partir de 600 organizações. Em 2025, 20% das organizações estudadas sofreram violações de dados ligadas a shadow AI, e esses incidentes adicionaram US$ 670 mil ao custo de uma violação, que naquele ano ficou em US$ 4,99 milhões na média global. O mesmo levantamento mostrou que 63% das empresas não tinham política de governança de IA capaz de gerenciar ou prevenir o uso de shadow AI.

97% das organizações que sofreram um incidente de segurança relacionado a IA em 2025 disseram não ter controles de acesso adequados para IA, segundo o Cost of a Data Breach Report 2025 da IBM.

Os dois últimos percentuais explicam o primeiro. Uma em cada cinco violações passou por uma ferramenta de IA que a empresa não homologou, e a razão é que, na maioria dessas empresas, a política de IA não falhou. Ela nunca foi escrita.

Vale o desconto de sempre: a IBM vende segurança, a amostra tem 600 organizações e o custo médio muda de uma edição para outra, então o número de 2025 descreve 2025, e só. Mesmo com essas ressalvas, US$ 670 mil por incidente é uma ordem de grandeza que nenhum orçamento de TI de empresa média absorve sem aviso, e ela não aparece na fatura do chatbot. Aparece na fatura do incidente.

Riscos regulatórios: LGPD, ANPD e AI Act

Os riscos regulatórios da shadow AI nascem de um problema anterior a qualquer lei: a empresa não consegue inventariar, classificar por risco nem explicar um sistema de IA que não sabe que existe, e é justamente isso que a Lei 13.709/2018 (LGPD), a agenda da Agência Nacional de Proteção de Dados (ANPD) e o AI Act europeu cobram.

A LGPD não distingue tratamento oficial de tratamento paralelo. Qualquer operação com dados pessoais gera responsabilidade ao controlador, e o controlador é a empresa, mesmo quando a operação foi um analista de RH colando a planilha de folha, com CPF e salário, num chatbot de conta pessoal. Para a lei, a empresa tratou dados pessoais num fornecedor sem contrato, sem base legal documentada e sem registro. O fato de a TI não saber não muda nada.

Norma	O que exige	Onde a shadow AI colide
LGPD (Lei 13.709/2018)	Base legal, registro e responsabilidade do controlador por todo tratamento de dados pessoais	Tratamento em ferramenta não homologada continua sendo tratamento da empresa, sem contrato nem registro
Resolução CD/ANPD nº 14/2025	Explicação clara, acessível e não técnica dos critérios de decisões automatizadas, regulamentando o art. 20 da LGPD	Decisão tomada por ferramenta paralela precisa ser explicada, e a empresa não conhece o sistema
AI Act (Regulamento (UE) 2024/1689)	Transparência e gestão de risco proporcionais à categoria do sistema, com aplicação faseada desde 2024	Impossível classificar ou documentar um sistema cuja existência a organização desconhece

A ANPD trata a intersecção entre IA e LGPD como prioridade desde 2023. A Nota Técnica nº 16/2023 da ANPD traz contribuições ao PL 2338/2023, o projeto do marco legal da IA, mapeia sete pontos de contato entre o projeto e a LGPD e compara o modelo institucional proposto com o de outros países. A agência publicou depois uma segunda análise do mesmo projeto. Já a Resolução CD/ANPD nº 14/2025 mexe direto com a rotina: ela regulamenta o artigo 20 da LGPD e exige que a empresa explique, em linguagem clara e não técnica, os critérios de qualquer decisão automatizada.

Pense no gestor que usa um agente não homologado para triar currículos. Um candidato pede revisão da decisão, como a lei permite. A empresa precisa então explicar os critérios de um sistema que o jurídico nunca viu, a TI nunca avaliou e cujo prompt de configuração mora na conta pessoal de alguém. A obrigação de explicar não distingue sistema oficial de sistema paralelo.

Para quem atende clientes ou opera na União Europeia, o Regulamento (UE) 2024/1689, o AI Act, acrescenta uma camada. Ele organiza as obrigações por categoria de risco do sistema, com transparência e gestão de risco proporcionais a essa categoria, e a aplicação vem em fases desde 2024. Classificar um sistema pressupõe saber que ele existe. Uma ferramenta de IA que roda fora do inventário está, por construção, fora de qualquer classificação, e a obrigação segue valendo para a empresa do mesmo jeito.

O erro comum aqui é achar que o problema regulatório da shadow AI é jurídico. Ele é de visibilidade. Nenhum parecer resolve o que a área de compliance não consegue enxergar.

Agentes autônomos e a expansão da superfície de ataque

Agentes autônomos expandem a superfície de ataque da shadow AI porque deixam de produzir texto e passam a executar ações em sistemas internos, com credenciais reais e sem que ninguém mantenha a lista de quantos existem e do que cada um pode fazer. Um chatbot não autorizado vaza o que recebe. Um agente não autorizado age.

O padrão típico é simples. Um funcionário conecta um agente à própria caixa de e-mail, ao ERP e ao CRM usando o token pessoal dele. O agente herda todas as permissões dessa pessoa, inclusive as que ela nunca usou, e passa a ler, consultar e escrever. Quando erra, o erro vai para produção. Um detalhe que só aparece na operação: esse agente continua rodando com o mesmo token depois que a pessoa muda de área ou sai da empresa, porque não existe inventário para lembrar alguém de revogar o acesso.

O estudo da CSIRO sobre shadow AI em infraestrutura crítica, de junho de 2026, chama esse quadro de “a simmering threat”, uma ameaça em ebulição, produzida pela convergência entre o avanço acelerado da IA de fronteira e uma governança que não acompanha. Os autores separam o risco em cinco categorias:

1. Vulnerabilidades de segurança: componentes nunca avaliados ganham acesso a sistemas que deveriam ser protegidos
2. Falhas de proteção de dados: o agente movimenta dados entre sistemas sem que ninguém classifique o que sai
3. Lacunas de governança: não há dono, não há revisão e não há critério de desligamento
4. Riscos operacionais: falhas imprevisíveis de sistemas que ninguém testou antes de ligar
5. Desalinhamento com frameworks de conformidade: o agente opera fora de todo controle que a empresa já implantou

A categoria operacional é a menos discutida e a que mais assusta quem opera sistema de verdade. Em infraestrutura crítica, o contexto do estudo, uma falha imprevisível tem consequência física. Numa empresa comum, ela tem a cara de um agente que dispara uma ordem de compra duplicada ou responde a um cliente com dado de outro, e ninguém sabe qual agente foi, porque ninguém sabia que ele existia.

Na engenharia de agentes de IA feitos para produção, a lista de ferramentas que o agente pode chamar e o escopo de cada credencial são definidos antes da primeira linha de código. Na shadow AI, essa lista não existe. A superfície de ataque vira o conjunto de tudo que o dono do token consegue alcançar.

Shadow AI no Brasil: o que os dados mostram e o que ainda não medem

No Brasil, os dados oficiais medem a IA que as empresas declaram usar, e nenhum deles mede a shadow AI: o uso informal de ferramentas não homologadas só aparece em levantamentos de fornecedores de segurança. Os dois conjuntos de números contam histórias diferentes, e a distância entre eles é o próprio fenômeno.

Comece pelo dado oficial. A pesquisa TIC Empresas, do Cetic.br, divulgada em junho de 2026 com dados coletados entre fevereiro de 2025 e janeiro de 2026, mostra que a adoção de IA pelas empresas brasileiras subiu de 13% em 2024 para 17% em 2025, quebrando uma estabilidade que durava desde 2021, quando o indicador começou a ser medido. Entre as grandes empresas, o salto foi de 38% para 50%. Entre as pequenas, de 10 a 49 funcionários, que formam 87% do universo pesquisado, de 10% para 15%. As aplicações mais comuns entre quem usa IA são mineração de texto e análise de linguagem escrita (38%) e geração de linguagem natural (30%).

Esse 17% é a IA que o diretor de tecnologia sabe que existe.

Agora o pano de fundo. Pesquisadores do FGV IBRE, replicando a metodologia da Organização Internacional do Trabalho, estimam que no terceiro trimestre de 2025 cerca de 30 milhões de trabalhadores brasileiros, 29,6% da população ocupada, estavam em ocupações expostas à IA generativa. A exposição é maior entre mulheres, jovens e pessoas com mais escolaridade, e se concentra no Sudeste e nos serviços de informação, comunicação e financeiros. Quase um terço da força de trabalho em funções que a IA generativa alcança, dentro de um universo em que só 17% das empresas dizem usar IA. A lacuna está à vista, sem precisar de modelo econométrico.

Os números de mercado tentam preenchê-la. O relatório da Netskope sobre o Brasil, cobrindo março de 2025 a março de 2026, registrou IA generativa em 100% das organizações monitoradas, com o uso por usuários subindo de 50% para 71% no período. Uma reportagem da Forbes Brasil de setembro de 2026, citando um estudo de segurança, informou que 43% das empresas brasileiras consultadas relataram vazamento de dados ou exposição de propriedade intelectual ligados a IA generativa, que 75% dos trabalhadores do conhecimento já usam IA no trabalho e que 78% deles levam as próprias ferramentas sem aprovação da TI. Trate esses três últimos números como indicativos. Eles vêm de uma única reportagem sobre pesquisa de fornecedor, sem a fonte primária aberta para conferência.

Fonte	O que mede	Número	Período	Natureza do dado
TIC Empresas (Cetic.br)	Empresas que declaram usar IA	17% (50% das grandes)	2025	Estatística oficial
FGV IBRE	Ocupados em funções expostas à IA generativa	29,6% (cerca de 30 milhões)	3º trimestre de 2025	Pesquisa acadêmica
Netskope	Organizações com IA generativa detectada na rede	100% (71% dos usuários)	mar/2025 a mar/2026	Fornecedor de segurança
Forbes Brasil	Empresas com vazamento ligado a IA generativa	43%	2026	Reportagem sobre dado de mercado

Nenhuma pesquisa oficial brasileira, do IBGE ou do Cetic.br, mede o uso não autorizado de IA por funcionários. Até que isso mude, quem quiser saber o tamanho da shadow AI na própria empresa vai ter que medir sozinho.

Como reduzir os riscos da shadow AI sem travar a produtividade

Reduzir os riscos da shadow AI sem travar a produtividade exige inverter a ordem habitual: primeiro descobrir o que já está em uso, depois oferecer uma alternativa aprovada tão boa quanto a paralela, e só então escrever a política e ligar os controles. Política antes de inventário vira um documento que descreve uma empresa que não existe.

Os frameworks convergem nesse ponto. O NIST AI Risk Management Framework organiza a gestão de risco em mapear, medir e gerenciar, com monitoramento contínuo, e nenhuma dessas etapas funciona para um sistema que a empresa não sabe que roda. Os Princípios de IA da OCDE, atualizados em 3 de maio de 2024 pela primeira vez desde 2019 e adotados por 47 países e pela União Europeia, passaram a tratar da IA generativa e de propósito geral de forma explícita. Nenhum dos dois documentos cita a shadow AI pelo nome. Os dois pressupõem que você tem uma lista.

A sequência que funciona tem cinco passos, e a ordem importa:

1. Descobrir e inventariar: levante logins em ferramentas de IA fora do SSO, extensões de navegador, recursos de IA ativados dentro de SaaS já homologado, despesas pequenas no cartão corporativo e agentes rodando com token de pessoa física. A Microsoft, nos anúncios da RSA Conference de março de 2026, apontou o navegador corporativo como o lugar para enxergar extensões e agentes de IA, e é ali que a maior parte do uso passa
2. Perguntar às áreas o que a ferramenta entrega: antes de bloquear, descubra o que o time comercial ou o jurídico resolve com o chatbot pessoal. A resposta define o requisito da alternativa oficial
3. Oferecer a alternativa aprovada: uma ferramenta com contrato corporativo, prazo de retenção definido e proibição de uso dos prompts em treinamento. Se ela responder pior que a conta gratuita, a migração não acontece, por mais que a política mande
4. Escrever a política de uso aceitável: o que pode entrar num prompt (texto público, rascunho sem dado de cliente) e o que nunca pode (dados pessoais, contrato, código-fonte, folha de pagamento), em uma página que qualquer analista lê em cinco minutos
5. Ligar controles de acesso e monitorar: agente ganha identidade própria, com escopo mínimo e credencial que expira, em vez de herdar o token de quem o criou. O inventário do passo 1 volta a ser revisado em ciclo fixo, porque ele envelhece em semanas

O atrito que aparece na prática está no passo 1. A extensão que ninguém tinha instalado em março está espalhada pelos navegadores em junho, e o recurso de IA que o fornecedor do CRM ligou por padrão numa atualização nunca passou por homologação, porque o CRM já era aprovado. O inventário de shadow AI é uma rotina, com dono e frequência, em vez de um projeto com data de fim.

O passo 3 é onde a maioria das empresas economiza errado. Comprar a licença corporativa de uma ferramenta que ninguém usa custa caro e não reduz risco nenhum. Uma avaliação de prontidão para IA feita com quem vai construir depois costuma começar exatamente pela lista do que já roda por baixo do radar, porque é ela que diz o que a alternativa oficial precisa fazer bem.

Visibilidade antes de controle. Alternativa antes de proibição. Política por último, e curta.

Perguntas frequentes sobre shadow AI

O que significa shadow AI?

Shadow AI é o uso de ferramentas de inteligência artificial (IA) para tarefas de trabalho sem revisão, aprovação ou acompanhamento das áreas de TI, segurança ou compliance da empresa. Inclui contas pessoais de chatbots, extensões de navegador, recursos de IA ligados dentro de software já aprovado, assinaturas pagas por um departamento e agentes autônomos conectados a sistemas internos. Em português, o termo também aparece como “IA sombra” ou “IA invisível”.

Qual a diferença entre shadow AI e shadow IT?

Shadow IT é qualquer software, hardware ou serviço adotado por funcionários sem aprovação formal da TI, e a shadow AI é o subconjunto formado por ferramentas de IA. A diferença de gravidade está no que a ferramenta faz com o dado: um serviço de armazenamento paralelo guarda o arquivo, enquanto uma ferramenta de IA generativa processa o prompt em servidores de terceiros, pode reter o conteúdo e, sem contrato corporativo, pode reutilizá-lo para treinar modelos. Agentes de IA vão além e executam ações com credenciais reais.

Usar o ChatGPT pessoal no trabalho é shadow AI?

Sim, sempre que o conteúdo do prompt for de trabalho e a conta não estiver sob contrato e gestão da empresa. Em 2025, segundo o relatório da LayerX, 67% do acesso a ferramentas como o ChatGPT nas empresas ocorria por contas não gerenciadas. O problema está menos no produto e mais na conta: uma licença corporativa da mesma ferramenta, com retenção definida em contrato, deixa de ser shadow AI.

A LGPD se aplica a ferramentas de IA não autorizadas?

Aplica-se integralmente. A Lei 13.709/2018 (LGPD) responsabiliza o controlador por qualquer tratamento de dados pessoais, e a lei não distingue tratamento oficial de tratamento paralelo. Se um funcionário cola dados de clientes ou de colegas em um chatbot de conta pessoal, a empresa tratou dados pessoais em um fornecedor sem contrato nem base legal documentada, e responde por isso perante a Agência Nacional de Proteção de Dados (ANPD).

Dá para proibir totalmente a shadow AI na empresa?

Na prática, não. Bloquear o domínio do chatbot no proxy corporativo desloca o uso para o celular pessoal, onde a empresa não enxerga nada e os dados continuam saindo. A resposta que reduz risco de verdade combina inventário do que já está em uso, uma alternativa aprovada que resolva o mesmo problema e uma política curta sobre o que pode ou não entrar num prompt.

Como detectar shadow AI na empresa?

Comece pelo navegador e pela rede: logins em ferramentas de IA fora do SSO, extensões instaladas e tráfego para domínios de IA generativa. Complete com fontes que a TI costuma ignorar, como despesas de pequeno valor no cartão corporativo, recursos de IA ativados dentro de SaaS já homologado e tokens de API pessoais usados por agentes. Depois, converse com as áreas. Boa parte do que existe só aparece quando alguém pergunta sem ameaçar punição.

Por onde começar a mapear a IA invisível na sua empresa

Comece a mapear a IA invisível pelo levantamento do que já roda, e só depois pense em política: uma semana de descoberta vale mais do que um trimestre de comitê. O primeiro passo cabe em três ações concretas.

• Levante o que existe: logins em ferramentas de IA fora do SSO, extensões de navegador, recursos de IA ativados dentro de SaaS homologado e agentes rodando com token de pessoa física
• Converse com as áreas: pergunte ao comercial, ao jurídico e ao RH o que a ferramenta paralela resolve, sem ameaça de punição, porque é isso que define o requisito da alternativa oficial
• Defina uma alternativa aprovada: contrato corporativo, retenção definida e prompts fora do treinamento, para o uso que mais aparece no levantamento

Visibilidade vem antes de controle. Nenhuma regra funciona sobre um inventário que não existe, e o inventário envelhece em semanas, então dê a ele um dono e uma frequência.

Se o levantamento mostrar agentes conectados a sistemas internos e você quiser substituí-los por algo com escopo, credencial própria e dono, fale com o time da AlphaCorp AI, que constrói essa camada em produção.