Enquanto a diretoria discute se aprova ou não um piloto de inteligência artificial, uma parte considerável da equipe já resolveu o problema sozinha. Um analista cola uma cláusula contratual no ChatGPT pessoal para entender um trecho técnico. Alguém do financeiro sobe uma planilha de fechamento numa ferramenta de IA para gerar um resumo mais rápido. Um desenvolvedor usa uma extensão não homologada para revisar um trecho de código com dados de produção.
Nenhuma dessas pessoas está agindo de má fé. Estão tentando trabalhar melhor, com as ferramentas que já usam em casa. O problema é que, nesse caminho, dado sensível da empresa sai pela porta sem que ninguém da TI, do jurídico ou da segurança da informação saiba que isso aconteceu.
Esse fenômeno tem nome: shadow AI.
O que é shadow AI, exatamente
Shadow AI é o uso de ferramentas de inteligência artificial dentro da empresa sem aprovação, sem contrato de processamento de dados e sem qualquer rastreabilidade. Inclui o uso de LLMs públicos como ChatGPT, Claude, Gemini ou Copilot com dados corporativos, automações montadas por times de negócio sem revisão técnica, plugins de IA em planilhas e ferramentas de produtividade sem validação de segurança, e agentes criados por conta própria para tarefas do dia a dia.
O conceito é parente do shadow IT dos anos 2000, quando equipes baixavam softwares sem passar pela TI. A diferença é o sentido do risco. No shadow IT, o problema era um arquivo indo parar num lugar não autorizado. No shadow AI, o colaborador empurra ativamente informação sensível para um modelo de terceiros, muitas vezes sem entender o que acontece com esse dado depois que o prompt é enviado.
Como a IA entrou pela porta errada
A adoção de tecnologia corporativa costuma seguir uma ordem: primeiro a política, depois a ferramenta, depois as pessoas. Com IA generativa, essa ordem se inverteu. As pessoas chegaram primeiro, trazendo hábitos formados na vida pessoal. A ferramenta veio em seguida, muitas vezes sem passar por nenhuma aprovação. A política ficou correndo atrás, e ainda corre.
O Microsoft e LinkedIn Work Trend Index 2024 mostra a raiz do comportamento: 78% dos usuários de IA levam ferramentas próprias para o ambiente de trabalho, sem esperar por uma versão corporativa. Entre a geração Z, esse número sobe para 85%. Faz sentido: 89% dos profissionais que usam IA no trabalho tiveram o primeiro contato com a tecnologia na vida pessoal, segundo o PagerDuty Shadow AI Survey 2026. A pessoa chega à empresa já com o hábito formado e não vê motivo para esperar autorização.
Os números que mostram o tamanho do problema
Levantamentos recentes, no Brasil e fora dele, convergem para o mesmo diagnóstico: a maior parte do uso de IA nas empresas está fora do alcance de quem deveria governá-lo.
- No Brasil, um estudo da Thomson Reuters mostrou que 38% dos profissionais usam ferramentas de IA não fornecidas pela empresa, segundo reportagem da BP Money.
- O LayerX Enterprise AI & SaaS Data Security Report 2025, com telemetria real de dezenas de empresas globais, apurou que as organizações não enxergam 89% do uso de IA que acontece dentro delas. Do que é visível, 82% das interações partem de contas pessoais, sem qualquer controle da organização.
- O Netskope Cloud and Threat Report 2026 encontrou 47% dos usuários corporativos de IA generativa operando por contas pessoais não monitoradas, com uma média de 223 violações de política ligadas a IA por mês em cada organização, o dobro do ano anterior.
- O PagerDuty Shadow AI Survey 2026, aplicado a 1.250 profissionais de empresas com faturamento acima de US$ 500 milhões, apurou que 66% dos profissionais usaram IA mesmo acreditando que a política da empresa proibia, número que sobe para 72% em organizações com mais de 1.500 funcionários. Entre os que já foram advertidos formalmente por isso, 48% continuaram usando do mesmo jeito.
O padrão de comportamento também chama atenção. Segundo o mesmo levantamento da PagerDuty, 39% dos profissionais preferem usar IA sem avisar ninguém a correr o risco de serem impedidos, e 33% escondem o uso deliberadamente para não sofrer questionamento dos gestores. Não é um problema de comunicação interna malfeita. É uma escolha racional de quem não quer abrir mão de uma ferramenta que já entrega valor.
O que está em jogo quando o dado sai da empresa
O risco de shadow AI raramente aparece como um incidente isolado e visível. Ele se acumula em silêncio, até que um evento específico, como uma auditoria, um vazamento ou uma exigência contratual, expõe o tamanho real do problema. Três frentes concentram a maior parte do impacto.
Exposição de dado sensível. Contratos, dados de clientes, informações financeiras e código-fonte proprietário entram em modelos de terceiros sem contrato de processamento de dados e sem garantia sobre onde essa informação é armazenada ou reutilizada.
Custo financeiro concreto. O IBM Cost of a Data Breach Report 2025, conduzido pelo Ponemon Institute com 600 organizações, apurou que brechas envolvendo shadow AI custam em média US$ 4,63 milhões por incidente, US$ 670 mil a mais do que a média global de brechas convencionais. O motivo principal é a detecção tardia: 247 dias, em média, até que o incidente seja identificado. O mesmo relatório encontrou que 97% das organizações que sofreram brechas ligadas a IA não tinham controle de acesso adequado para esses sistemas, e 63% sequer tinham uma política de governança de IA definida.
Decisão tomada em cima de informação não confiável. Um output de IA com aparência profissional, mas gerado sem qualquer validação, pode virar base de uma decisão comercial, jurídica ou financeira. Quando ninguém revisou, auditou ou sequer sabe que aquele conteúdo veio de uma ferramenta não aprovada, o rastreamento até o erro se torna praticamente impossível.
A régua regulatória está apertando
O tema deixou de ser apenas uma questão de eficiência interna e passou a ser uma exigência formal.
A ISO/IEC 42001, publicada no Brasil como ABNT NBR ISO/IEC 42001, é a primeira norma internacional voltada a sistemas de gestão de inteligência artificial. É voluntária, mas já aparece como critério em contratos B2B, licitações e auditorias externas, principalmente nos setores financeiro, de saúde e de educação.
No campo legal, o PL 2338/2023, o Marco Legal da Inteligência Artificial brasileiro, foi aprovado por unanimidade no Senado em dezembro de 2024 e segue em tramitação na Câmara dos Deputados, com votação final prevista para 2026. O texto adota o modelo de classificação por nível de risco, cria o Sistema Nacional de Regulação e Governança de IA e prevê sanções que podem ultrapassar R$ 50 milhões por infração.
Para quem lidera TI, segurança ou compliance, a leitura prática é direta: controles que hoje parecem burocracia, como saber quem usou qual modelo, com quais dados e sob quais regras, estão a caminho de virar exigência contratual e legal.
Por que simplesmente proibir não resolve
A reação mais comum diante desses números é bloquear o acesso às ferramentas de IA não aprovadas. O problema é que essa medida ataca o sintoma, não a causa.
Quando a ferramenta corporativa aprovada é mais lenta, mais limitada ou mais burocrática do que a alternativa pessoal, o colaborador não deixa de usar IA. Ele apenas passa a usá-la fora da rede corporativa, no celular pessoal, sem qualquer visibilidade da empresa. Os mesmos levantamentos citados acima mostram isso na prática: mesmo em organizações que já bloqueiam pelo menos uma ferramenta de IA generativa, o uso não autorizado continua crescendo.
A saída realista combina três frentes que precisam funcionar juntas: visibilidade real sobre o que está sendo usado e que tipo de dado circula, uma alternativa corporativa boa o suficiente para que a equipe prefira usá-la, e governança com rastreabilidade de fato, não apenas uma política escrita que ninguém lê.
Cinco perguntas para avaliar o risco na sua empresa
Antes de qualquer investimento em ferramenta ou treinamento, vale responder com honestidade:
- Você sabe quais ferramentas de IA sua equipe usa hoje, incluindo as que não foram fornecidas pela empresa?
- Que tipo de dado entra nessas ferramentas? Contrato, informação de cliente, dado financeiro, código-fonte?
- Se um auditor pedisse amanhã para ver essas interações, sua empresa teria como responder?
- A ferramenta de IA que sua empresa oferece é boa o suficiente para que a equipe prefira usá-la em vez de uma alternativa pessoal?
- Existe hoje algum tipo de guardrail ou política aplicada de fato, não apenas documentada?
Se mais de uma dessas perguntas ficou sem resposta segura, o risco de shadow AI provavelmente já está instalado, só ainda não apareceu como incidente.