Mientras la dirección discute si “adoptar IA”, el equipo ya la adoptó. Alguien pega un correo del cliente en ChatGPT para redactar la respuesta, otro sube un Excel con datos de ventas para que le arme el resumen, un tercero usa un copilot personal para escribir código. Sin política, sin permiso explícito, muchas veces con datos internos. Eso es shadow AI, y el error más caro es leerlo como un problema de seguridad que se resuelve prohibiendo.
Los números son grandes. El estudio global de la Universidad de Melbourne y KPMG (Gillespie, Lockey et al., 2025; más de 48.000 personas en 47 países) encontró que casi la mitad de los empleados admite usar IA de maneras que contravienen las políticas de su organización —incluyendo subir información sensible a herramientas públicas—. Del lado del costo, el Cost of a Data Breach 2025 de IBM reporta que las organizaciones con alto nivel de shadow AI pagan en promedio unos 670.000 dólares más por brecha que las que tienen poco o nada. (Es un reporte de industria: tomarlo como color de costo, no como estadística de población.)
No es indisciplina: es demanda latente
La tentación es tratar al empleado que usa IA a escondidas como alguien que rompe las reglas. Pero mirá lo que en realidad hizo: resolvió una necesidad de trabajo que la organización no le canalizó. Es el workaround de siempre —la planilla paralela, el atajo que nadie documentó— ahora con un modelo de lenguaje en vez de un Excel. Y como todo workaround, es demanda latente vuelta visible: dice, con una precisión que ninguna encuesta interna consigue, qué le falta a la persona para hacer su trabajo.
Que casi la mitad lo haga contra las políticas no mide, entonces, un problema de disciplina. Mide la distancia entre lo que la política permite y lo que el trabajo necesita. Prohibir sin leer esa distancia no la elimina: la empuja más a la sombra, donde no se puede gobernar ni proteger.
Del riesgo a la hoja de ruta
En mi marco, el shadow AI es un síntoma diagnóstico, no un delito. La respuesta no es un memo que amenaza con sanciones; es leer la necesidad y gobernarla:
- Inventariar los casos de uso reales. Qué herramientas aparecieron, para qué, con qué datos. El inventario ya es media política.
- Clasificar el riesgo. No es lo mismo redactar un correo interno que subir datos de un cliente a una herramienta pública sin contrato de tratamiento.
- Canalizar a alternativas gobernadas. Dar la herramienta que la persona ya buscó por su cuenta, pero con acuerdo de datos, y con una política de una o dos páginas que se entienda —no un PDF de veinte que nadie abre—.
Ese mismo estudio de KPMG afina el diagnóstico: el 57% oculta que usa IA, el 66% confía en lo que el modelo devuelve sin verificarlo y solo el 47% recibió alguna capacitación. Se usa mucho, se verifica poco, se esconde el uso y casi nadie fue formado. No es un problema de desconfianza hacia la IA; es gobernanza ausente sentida en el cuerpo del trabajador.
Por qué esto es sociotécnico, no de firewall
El shadow AI no aparece en el código: aparece en la brecha entre el proceso formal y el real. Es deuda sociotécnica —el pasivo que se acumula cada vez que se instala (o se prohíbe) tecnología sin resolver el subsistema humano—. Un firewall lo empuja a la sombra; una política honesta lo convierte en información. Cerrar la distancia entre lo permitido y lo necesario transforma el shadow AI de riesgo en hoja de ruta de adopción: el mapa, dibujado por tu propio equipo, de dónde la IA ya está pagando y dónde falta gobernarla.
Desarrollo del marco en El puente sociotécnico y en Mi enfoque. Ensayos relacionados: La pyme no madura en línea recta · En el Estado, lo que no se puede auditar no se puede usar.