Shadow AI: il rischio invisibile dell'AI usata senza regole

L’intelligenza artificiale generativa è già al lavoro nella maggior parte delle aziende. Il problema è che, nella maggior parte dei casi, nessuno l’ha decisa. Non è arrivata con un progetto, un fornitore e una policy: è entrata dalla porta di servizio, un prompt alla volta, ogni volta che una persona ha incollato un report, un pezzo di codice o una bozza di contratto in uno strumento pubblico per “fare prima”.

Questo fenomeno ha un nome: Shadow AI. È l’evoluzione dello Shadow IT — l’uso di strumenti non approvati dall’azienda — portata a un livello nuovo, perché qui in gioco non c’è solo un software non autorizzato, ma i dati che gli si danno in pasto.

Perché è diverso (e più insidioso) dallo Shadow IT

Un software non autorizzato resta confinato a chi lo usa. L’AI no: i modelli apprendono da ciò che ricevono. Un segreto industriale messo nel prompt di oggi può, in linea di principio, riaffiorare nella risposta data a qualcun altro domani. E lo Shadow IT viveva di solito in un reparto; la Shadow AI si diffonde in orizzontale — i team si scambiano i prompt che funzionano, creando decine di punti di fuga invisibili.

Le conseguenze sono concrete: fuga di dati verso modelli esterni, violazioni di GDPR e AI Act, perdita di controllo su informazioni riservate. Le rilevazioni di settore parlano ormai di centinaia di violazioni di policy legate all’AI generativa ogni mese nell’organizzazione media — un numero che dice quanto il fenomeno sia già sistemico, non episodico.

Perché vietare non funziona

La reazione istintiva — “blocchiamo tutto” — è anche la meno efficace. Il divieto non elimina il bisogno che ha spinto le persone verso quegli strumenti: lo spinge in clandestinità, dove diventa invisibile e quindi ingovernabile. Si perde la possibilità di vedere cosa succede, che è esattamente l’opposto di ciò che serve.

Vietare l’AI non la ferma: la rende invisibile. Governarla è l’unica difesa che funziona.

Cosa significa governare la Shadow AI

Un modello minimo di governance poggia su tre pilastri:

• Strumenti approvati e all’altezza. Offrire alternative AI sicure che soddisfino i bisogni reali delle persone — perché se lo strumento ufficiale è peggiore, vinceranno sempre quelli pubblici.
• Controllo sui dati. Accesso zero-trust alle informazioni, classificazione di ciò che non può uscire, prevenzione della perdita di dati (DLP) applicata anche ai flussi verso l’AI.
• Visibilità e tracciabilità. Log e audit di chi usa cosa, così un comportamento a rischio diventa un segnale e non una scoperta a danno avvenuto.

Una policy d’uso accettabile chiara — cosa si può fare, con quali strumenti, con quali dati — è il punto di partenza, non il punto di arrivo.

Il nostro punto di vista

L’AI sicura, prima di essere un tema di modelli, è un tema di infrastruttura, dati e sicurezza — il terreno su cui lavoriamo ogni giorno. Affrontiamo la Shadow AI come un problema di cybersecurity governata: definizione delle policy, controllo degli accessi e data protection, visibilità sui flussi. E poiché tutto ruota intorno a dove vivono i dati, una piattaforma cloud con workload e informazioni sotto controllo è la base su cui l’adozione dell’AI diventa un’opportunità invece di una falla.

L’AI in azienda non si ferma. La scelta non è se usarla, ma se usarla alla luce del sole.