Shadow AI: el riesgo que no puedes ver
Un empleado copia un contrato en un asistente público para resumirlo. Otro utiliza desde su teléfono personal una aplicación de IA para revisar una fotografía de una factura. Un equipo activa una función generativa dentro de una plataforma que la empresa ya tenía contratada. En casa, alguien trabaja cerca de un asistente digital siempre disponible. Ninguno de estos usos aparece necesariamente en el inventario corporativo de inteligencia artificial.
La organización puede tener una política de IA, un comité de gobierno y una lista de herramientas aprobadas y, aun así, desconocer una parte material de su exposición. Ese es el problema central del shadow AI: no solo existe uso no autorizado o no gobernado, sino una brecha entre la IA que la organización cree que utiliza y la IA que realmente toca sus datos, procesos y decisiones.
Para auditoría interna, la consecuencia es importante. No basta con revisar el inventario de IA; hay que evaluar si el proceso que lo alimenta puede descubrir usos que todavía no están en él.
Shadow AI es más amplio que una herramienta prohibida
Shadow AI suele asociarse con empleados que utilizan herramientas generativas públicas sin autorización. Esa imagen es útil, pero demasiado estrecha. El problema puede surgir por una herramienta no aprobada, una cuenta personal, un dispositivo o entorno fuera de los controles corporativos, o una capacidad de IA que apareció dentro de software previamente autorizado.
Por eso, “no autorizado” y “desconocido” no son sinónimos. Una organización puede conocer un experimento y tolerarlo temporalmente; también puede tener usos legítimos que nunca llegaron al proceso formal de registro. COSO describe el shadow AI como IA no autorizada o no gobernada fuera de la supervisión formal y, en su guía de 2026, destaca la baja barrera de entrada de la IA generativa.
La pregunta de auditoría no debería comenzar con “¿están usando herramientas prohibidas?”, sino con algo más difícil: “¿qué tan razonable es creer que conocemos el universo de usos de IA?”
Esto también distingue shadow AI de shadow IT. Ambos pueden aparecer fuera de los procesos tecnológicos aprobados, pero la IA añade preguntas sobre qué información entra, qué contenido genera, qué decisiones influye, qué proveedor procesa los datos y cuánto juicio humano se delega.
El perímetro ya no termina en la laptop corporativa
Un empleado puede utilizar una herramienta aprobada con una cuenta personal, perdiendo configuraciones empresariales, registros, controles de retención o protecciones contractuales. Puede copiar información a una aplicación en su teléfono personal, tomar una fotografía de un documento o utilizar funciones de IA integradas en el sistema operativo, navegador o aplicaciones móviles.
El trabajo remoto añade otra capa. Asistentes digitales domésticos, herramientas personales de transcripción y servicios de reuniones pueden procesar audio, conversaciones o documentos sin formar parte del entorno gestionado. Trabajar desde casa no es, por definición, shadow AI; lo relevante es si el uso ocurre fuera de la visibilidad y de los controles que la organización decidió aplicar.
También existe AI feature creep. Una aplicación pudo aprobarse hace años como software convencional y después incorporar resúmenes automáticos, generación de texto, transcripción, búsqueda semántica o agentes. El contrato sigue siendo conocido; la nueva capacidad quizá no.
Lo mismo ocurre con terceros. Un proveedor de reclutamiento, atención al cliente, traducción o procesamiento documental puede incorporar IA sin que la organización interactúe directamente con el modelo. Externalizar la tecnología no externaliza la exposición.
Un inventario solo funciona si puede aproximarse a la realidad
ISO/IEC 42001:2023 estructura la gestión de IA alrededor de contexto, responsabilidades, riesgos, controles, recursos, proveedores, operación, monitoreo y mejora. No impone un único formato de inventario. La implicación para auditoría es más útil: la organización necesita suficiente visibilidad para evaluar riesgos, asignar responsabilidades y justificar sus decisiones de control.
Un registro mantenido por tecnología no demuestra por sí solo esa visibilidad. Si depende únicamente del reporte voluntario de proyectos formales, estará sesgado hacia lo que ya es visible y gobernado. Un inventario útil debería identificar, como mínimo, el uso, propósito, responsable, datos, proveedor o modelo, proceso afectado y criticidad; para shadow AI también conviene conocer el tipo de cuenta, dispositivo o entorno y las integraciones relevantes.
La completitud requiere combinar señales:
| Fuente de descubrimiento | Qué puede revelar | Señal de alerta para auditoría |
|---|---|---|
| Compras, gastos y contratos | Suscripciones y servicios adquiridos por áreas de negocio. | Capacidades de IA que no aparecen en el inventario. |
| Identidad, acceso y telemetría | SaaS, extensiones y servicios usados desde el entorno corporativo. | Uso recurrente sin propietario o aprobación conocida. |
| Encuestas, entrevistas y declaraciones | Cuentas personales, móviles, experimentos y funciones embebidas. | IA integrada al trabajo pero no registrada. |
| Walk-throughs de procesos | Tareas y decisiones donde la IA ya forma parte del flujo real. | El proceso depende de IA aunque el procedimiento oficial no la mencione. |
| Gestión de terceros | IA incorporada por proveedores. | El negocio desconoce modelos, datos o subproveedores relevantes. |
Un inventario de IA no es creíble porque tenga muchas filas. Es creíble cuando el proceso de descubrimiento puede explicar razonablemente lo que todavía podría quedar fuera.
La exposición de información tiene más rutas de las que parece
“Introducir datos en IA” ya no significa solamente copiar texto en un chatbot. Puede incluir prompts, archivos, capturas de pantalla, fotografías, código, contratos, información financiera, datos de ERP o CRM, audio de reuniones, transcripciones, documentos de auditoría o metadatos.
COSO recomienda políticas de uso aceptable, categorías de datos restringidas, formación, registros y monitoreo. Para shadow AI, la pregunta práctica es si una persona sabe qué puede introducir, tiene una alternativa aprobada y encuentra fricción real cuando intenta salir del entorno controlado.
Auditoría interna puede probar si la clasificación de información se traduce en reglas específicas para IA; si los empleados distinguen cuentas enterprise de personales; si BYOD y trabajo remoto contemplan IA; si contratos y configuraciones reflejan expectativas de tratamiento de datos; y si incidentes o excepciones generan cambios en controles.
Shadow AI puede revelar un problema de gobierno, no solo de conducta
Tratar todo shadow AI como incumplimiento del empleado puede ocultar la causa raíz. Si las herramientas aprobadas son difíciles de obtener, el proceso tarda semanas, las políticas son ambiguas o no existe una alternativa útil, la propia organización crea incentivos para trabajar fuera del perímetro formal.
Un hallazgo maduro quizá no sea “los empleados incumplen la política”, sino “el modelo de gobierno no está respondiendo a cómo realmente se trabaja”. La respuesta debería ser proporcional: bloquear algunos usos, migrar otros a servicios empresariales, registrar casos de bajo riesgo o crear canales rápidos para experimentación controlada. Una gobernanza demasiado rígida puede empujar el uso aún más hacia las sombras.
Qué debería probar auditoría interna
The IIA Artificial Intelligence Auditing Framework orienta a auditoría interna a comprender cómo utiliza IA la organización y evaluar gobierno, riesgos y controles. Las Normas Globales de Auditoría Interna sitúan esa labor dentro de un enfoque basado en riesgos.
Un modelo de cinco pasos convierte el concepto en procedimientos concretos:
- Descubrir. Buscar herramientas públicas, cuentas personales, móviles, trabajo remoto, extensiones, funciones embebidas, compras descentralizadas y terceros.
- Reconciliar. Comparar esas señales con el inventario formal e investigar diferencias.
- Clasificar. Documentar responsable, propósito, datos, criticidad, proceso, proveedor, tipo de cuenta y dependencias.
- Gobernar. Evaluar reglas, aprobaciones, controles técnicos, formación y decisiones de tratamiento según el riesgo.
- Monitorear. Revisar cómo se detectan nuevos usos, cambios de proveedor, nuevas funciones y reincidencias.
La evidencia puede incluir inventarios de IA y SaaS, datos de SSO, gastos corporativos, listas de extensiones, cuestionarios a procesos, contratos, excepciones, políticas BYOD y configuraciones empresariales de herramientas generativas.
El siguiente riesgo ya empieza a aparecer: shadow agents. Un asistente genera una respuesta; un agente puede conectarse a correo, archivos, calendarios, sistemas empresariales o APIs y ejecutar acciones. Cuando esa capacidad queda fuera del gobierno formal, la pregunta ya no es solo qué información vio la IA, sino qué podía hacer en nombre del usuario.
La secuencia completa es visibilidad → responsabilidad → evaluación de riesgos → control → monitoreo. Descubrir shadow AI no resuelve el problema; permite empezar a gobernarlo. En un entorno donde la IA puede llegar como aplicación, cuenta personal, función integrada, dispositivo doméstico o servicio de un tercero, la visibilidad no es documentación administrativa. Es el primer requisito para recuperar el control.