Shadow AI

¿Qué es Shadow AI?

El término Shadow AI (IA en la sombra) describe el uso no autorizado, no supervisado y no gobernado de herramientas de inteligencia artificial generativa por parte de empleados dentro del entorno corporativo. Incluye servicios como ChatGPT, Claude, Gemini, Microsoft Copilot, Perplexity, Midjourney y cualquier modelo de lenguaje o IA generativa al que los trabajadores accedan sin que la empresa lo haya aprobado formalmente ni haya evaluado sus riesgos.

El concepto es una evolución natural del ya conocido Shadow IT — el uso de software, hardware y servicios en la nube sin aprobación del departamento de tecnología — pero con implicaciones significativamente mayores debido a la naturaleza de la IA generativa: cada prompt enviado a un modelo externo puede contener datos corporativos sensibles que se transmiten a servidores de terceros, en muchas ocasiones fuera de la Unión Europea.

Origen y evolución del Shadow AI

De Shadow IT a Shadow AI

El Shadow IT lleva décadas siendo un dolor de cabeza para los equipos de seguridad. Los empleados, buscando productividad, adoptan Dropbox, Google Drive personal, WhatsApp o aplicaciones SaaS sin pasar por los controles corporativos. Con la llegada de la IA generativa a finales de 2022 (lanzamiento público de ChatGPT el 30 de noviembre de 2022), esta tendencia se aceleró exponencialmente.

Hitos clave

Categorías de Shadow AI

Por tipo de herramienta

Por nivel de riesgo

Vectores de exposición de datos

¿Qué datos se filtran a través de Shadow AI?

Según análisis de Cyberhaven Labs y Netskope (2024-2025), los tipos de datos más frecuentemente introducidos en herramientas de IA generativa son:

Mecanismos de exposición

Los datos llegan a servicios de IA generativa a través de múltiples vectores:

1. Prompts directos en el navegador

El empleado accede a chat.openai.com, claude.ai o gemini.google.com y escribe o pega contenido directamente. Este es el vector más común y el más visible para los sistemas de monitorización.

Ejemplo de prompt peligroso:
"Revisa este contrato de confidencialidad entre [Empresa X] y [Cliente Y]:
[pega el contrato completo con datos personales y cláusulas confidenciales]"

2. Carga de archivos

Muchos modelos permiten subir archivos (PDF, Excel, imágenes, código). Un empleado puede subir un informe financiero completo o una base de datos de clientes para “analizarla”.

3. Extensiones de navegador con IA

Las extensiones tipo “AI summarizer”, “AI writing assistant” o “AI translator” pueden capturar todo el contenido de las páginas visitadas — incluyendo el correo corporativo, el CRM y la intranet.

4. APIs no oficiales

Desarrolladores que usan la API de OpenAI u otros proveedores con sus cuentas personales, enviando código o datos de producción como contexto para los modelos.

5. Aplicaciones móviles en dispositivos BYOD

En empresas con políticas Bring Your Own Device, las apps de IA instaladas en el teléfono personal del empleado pueden acceder a datos corporativos almacenados en el mismo dispositivo.

6. IA embebida en herramientas SaaS

Herramientas como Notion AI, Canva Magic Write o Grammarly procesan datos del usuario mediante modelos de IA de terceros, creando una capa adicional de subprocesadores de datos que la empresa no ha evaluado.

El caso Samsung: anatomía de una filtración por Shadow AI

Los hechos

En marzo-abril de 2023, Samsung Semiconductor experimentó al menos tres incidentes documentados de filtración de datos a través de ChatGPT en un período inferior a 20 días:

Consecuencias

Otros casos documentados

Riesgos del Shadow AI

1. Fuga de datos y propiedad intelectual

El riesgo más inmediato es que los datos introducidos en servicios de IA generativa pueden ser:

• Almacenados en los servidores del proveedor (OpenAI, Anthropic, Google)
• Utilizados para entrenamiento del modelo (en planes gratuitos o según los ToS)
• Accesibles para empleados del proveedor durante revisiones de calidad
• Expuestos en brechas de seguridad del propio proveedor (como la brecha de ChatGPT en marzo 2023 que expuso historiales de chat de otros usuarios)

2. Incumplimiento del RGPD

La introducción de datos personales en herramientas de IA generativa plantea múltiples problemas bajo el Reglamento General de Protección de Datos:

Sanciones potenciales:

• Hasta 20 millones de euros o el 4% de la facturación global anual (lo que sea mayor) por infracciones graves del RGPD
• La AEPD ha impuesto multas significativas en España: CaixaBank (6,4M€, 2021), Vodafone España (8,15M€, 2021)
• En el contexto de Shadow AI, la responsabilidad recae sobre la empresa como responsable del tratamiento, no sobre el empleado individual

3. Incumplimiento del AI Act

Con la entrada en vigor escalonada del Reglamento (UE) 2024/1689 (AI Act), el Shadow AI genera riesgos regulatorios adicionales:

• Si un empleado usa IA para tomar decisiones que afectan a personas (RRHH, créditos, seguros), puede estar utilizando un sistema de alto riesgo sin las obligaciones de transparencia, supervisión humana y documentación que exige el AI Act
• Las obligaciones de transparencia del AI Act (informar cuando se interactúa con IA, etiquetar deepfakes) no se cumplen si el uso de IA no está gobernado
• Las sanciones del AI Act alcanzan el 7% de la facturación global anual o 35 millones de euros

4. Pérdida de propiedad intelectual

5. Riesgos de precisión y fiabilidad

El Shadow AI no solo expone datos — también introduce riesgos operativos:

• Alucinaciones: Los modelos de lenguaje generan información falsa con apariencia veraz
• Código vulnerable: Código generado por IA puede contener vulnerabilidades de seguridad (OWASP Top 10, inyecciones SQL, XSS)
• Decisiones sesgadas: Modelos de IA pueden producir resultados discriminatorios que expongan a la empresa a demandas
• Dependencia técnica: Los empleados pueden generar dependencia de herramientas de IA sin que la empresa lo sepa, creando riesgo operativo si el servicio deja de estar disponible
• Citaciones falsas: Como en el caso de los abogados de Nueva York que citaron sentencias inexistentes generadas por ChatGPT ante un tribunal federal

6. Riesgo reputacional

Una filtración de datos de clientes a través de Shadow AI puede resultar en:

• Pérdida de confianza de clientes y socios
• Cobertura mediática negativa
• Investigaciones regulatorias
• Demandas civiles por daños y perjuicios
• Pérdida de certificaciones (ISO 27001, ENS, SOC 2)

Detección de Shadow AI: métodos técnicos

Arquitectura de detección

Una estrategia efectiva de detección de Shadow AI combina múltiples capas:

┌─────────────────────────────────────────────────────┐
│                  Capa 1: Red                        │
│  Proxy/Firewall → DNS → NetFlow → IDS/IPS          │
├─────────────────────────────────────────────────────┤
│                  Capa 2: Endpoint                   │
│  EDR → DLP endpoint → Browser forensics             │
├─────────────────────────────────────────────────────┤
│                  Capa 3: Cloud                       │
│  CASB → SaaS Discovery → API Gateway               │
├─────────────────────────────────────────────────────┤
│                  Capa 4: Datos                       │
│  DLP → Clasificación datos → Monitorización BBDD   │
├─────────────────────────────────────────────────────┤
│                  Capa 5: Comportamiento             │
│  UEBA → Análisis de patrones → Anomalías           │
└─────────────────────────────────────────────────────┘

1. Monitorización de red (Proxy y Firewall)

La primera línea de detección es monitorizar el tráfico de red hacia dominios conocidos de servicios de IA:

Dominios a monitorizar:

# Proveedores principales de IA generativa
chat.openai.com / api.openai.com / platform.openai.com
claude.ai / api.anthropic.com
gemini.google.com / generativelanguage.googleapis.com
copilot.microsoft.com
perplexity.ai
midjourney.com
huggingface.co / api-inference.huggingface.co
replicate.com
together.ai
groq.com

# Herramientas con IA embebida
notion.so (Notion AI)
grammarly.com (Grammarly AI)
canva.com (Canva Magic)
jasper.ai
copy.ai
writesonic.com

Configuración de proxy (ejemplo Squid/ZScaler):

# Bloqueo o alerta por categoría "AI/ML Services"
# Configurar SSL inspection para detectar tráfico cifrado
# Registrar: usuario, timestamp, URL, bytes enviados, bytes recibidos
# Alertar cuando bytes enviados > umbral (posible carga de archivo)

2. DLP (Data Loss Prevention)

Los sistemas DLP pueden configurarse para detectar datos sensibles que se envían a servicios de IA:

3. CASB (Cloud Access Security Broker)

Los CASB son esenciales para descubrir y gestionar el uso de SaaS no aprobados, incluyendo servicios de IA:

Funcionalidades relevantes:

• Shadow IT Discovery: Identificar automáticamente todos los servicios SaaS utilizados en la organización
• Inline Protection: Inspeccionar y controlar el tráfico en tiempo real hacia servicios de IA
• API Protection: Detectar integraciones no autorizadas con APIs de IA
• DLP en la nube: Aplicar políticas de protección de datos en el tráfico hacia servicios cloud
• Análisis de riesgo: Evaluar y clasificar el riesgo de cada servicio SaaS descubierto

Proveedores de CASB recomendados:

4. Análisis de DNS

El análisis de consultas DNS puede revelar accesos a servicios de IA incluso cuando el tráfico web está cifrado:

# Consultas DNS a monitorizar (ejemplo Pi-hole / Infoblox / Umbrella)
# Registrar todas las consultas a dominios de IA
# Correlacionar con usuario (autenticación DHCP/AD)
# Alertar sobre patrones anómalos (frecuencia, horario)
# Detectar DNS-over-HTTPS que evite el filtrado DNS corporativo

5. Monitorización de endpoints (EDR)

Las soluciones EDR (Endpoint Detection and Response) pueden detectar:

• Instalación de aplicaciones de IA de escritorio (Claude Desktop, ChatGPT Desktop)
• Extensiones de navegador relacionadas con IA
• Procesos de IA local (Ollama, LM Studio, llama.cpp)
• Uso del portapapeles con volúmenes anómalos (copiar-pegar grandes fragmentos de código)
• Acceso a archivos sensibles seguido de acceso a navegador con destino a IA

6. UEBA (User Entity Behavior Analytics)

El análisis de comportamiento del usuario es la capa más sofisticada:

Análisis forense de incidentes de Shadow AI

Metodología de investigación

Cuando una empresa sospecha o confirma un incidente de Shadow AI, el perito informático forense debe seguir una metodología rigurosa:

Artefactos forenses clave

En el navegador

En el sistema operativo

En la red corporativa

Técnicas avanzadas de análisis

Recuperación de conversaciones de ChatGPT

Las conversaciones de ChatGPT se almacenan en el lado del servidor (requieren orden judicial para obtenerlas de OpenAI), pero también dejan rastros locales:

# IndexedDB de ChatGPT en Chrome
# Ruta: ~/.config/google-chrome/Default/IndexedDB/
#        https_chat.openai.com_0.indexeddb.leveldb/

# El contenido puede incluir:
# - IDs de conversación
# - Prompts enviados
# - Respuestas recibidas
# - Timestamps
# - Modelo utilizado (GPT-3.5, GPT-4, etc.)

Análisis de tráfico TLS

Aunque el tráfico está cifrado, el análisis de metadatos puede revelar información valiosa:

• Tamaño de los paquetes de upload: Un prompt largo o la carga de un archivo genera paquetes de upload significativamente mayores que una consulta simple
• Frecuencia de conexiones: Patrones regulares de conexión a APIs de IA
• SNI (Server Name Indication): El nombre del servidor destino es visible incluso en TLS (salvo que se use ECH)
• JA3/JA3S fingerprinting: Identificar el cliente utilizado para conectarse a servicios de IA

Análisis de memoria RAM

En el análisis de memoria volátil (RAM) del equipo del empleado, se pueden encontrar:

• Prompts y respuestas en la memoria del proceso del navegador
• Tokens de autenticación de servicios de IA
• Contenido del portapapeles
• Datos de extensiones de navegador en ejecución

# Con Volatility 3 (framework de análisis de memoria)
# Buscar strings relacionados con servicios de IA
# Identificar procesos de navegador con conexiones a dominios de IA
# Extraer tokens de sesión para acceder al historial del usuario

Gobernanza de IA: políticas y controles

Framework de gobernanza de IA empresarial

Para abordar el Shadow AI de forma efectiva, las empresas necesitan un framework integral:

┌───────────────────────────────────────────────────────┐
│              Gobernanza de IA Empresarial              │
├───────────────────────────────────────────────────────┤
│                                                       │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐  │
│  │  Política    │  │  Tecnología │  │  Personas   │  │
│  │  de uso IA   │  │  de control │  │  y cultura  │  │
│  ├─────────────┤  ├─────────────┤  ├─────────────┤  │
│  │ AUP de IA   │  │ CASB + DLP  │  │ Formación   │  │
│  │ Clasificación│  │ Proxy/FW    │  │ Awareness   │  │
│  │ datos       │  │ EDR         │  │ Champions   │  │
│  │ Procesos    │  │ UEBA        │  │ Incentivos  │  │
│  │ aprobación  │  │ API Gateway │  │ Reporting   │  │
│  │ Inventario  │  │ SSO/IdP     │  │ anónimo     │  │
│  └─────────────┘  └─────────────┘  └─────────────┘  │
│                                                       │
│  ┌─────────────┐  ┌─────────────┐  ┌─────────────┐  │
│  │ Cumplimiento│  │ Evaluación  │  │ Respuesta   │  │
│  │ normativo   │  │ de riesgos  │  │ incidentes  │  │
│  ├─────────────┤  ├─────────────┤  ├─────────────┤  │
│  │ RGPD        │  │ DPIA por    │  │ Playbook    │  │
│  │ AI Act      │  │ herramienta │  │ Shadow AI   │  │
│  │ ENS         │  │ Vendor risk │  │ Contención  │  │
│  │ ISO 27001   │  │ assessment  │  │ Notificación│  │
│  │ LOPDGDD     │  │ Pentesting  │  │ AEPD/CISO   │  │
│  └─────────────┘  └─────────────┘  └─────────────┘  │
└───────────────────────────────────────────────────────┘

Política de uso aceptable de IA (AUP-IA)

Toda empresa debe disponer de una política de uso aceptable de inteligencia artificial. Elementos esenciales:

1. Herramientas aprobadas

2. Datos prohibidos en herramientas de IA

• Datos personales (nombres, DNI, email, teléfono, datos de salud)
• Código fuente de producción o con clasificación “confidencial”
• Información financiera no pública
• Estrategias comerciales y planes de negocio
• Comunicaciones legales privilegiadas
• Credenciales, tokens de API, certificados
• Datos de clientes sin consentimiento explícito

3. Proceso de aprobación para nuevas herramientas de IA

Controles técnicos recomendados

El enfoque “permitir con control” vs. “bloquear todo”

Implicaciones legales en España

Marco normativo aplicable

El Shadow AI intersecta con múltiples normativas españolas y europeas:

Artículo 197 del Código Penal y Shadow AI

El artículo 197 CP tipifica el descubrimiento y revelación de secretos:

“El que, para descubrir los secretos o vulnerar la intimidad de otro, sin su consentimiento, se apodere de sus papeles, cartas, mensajes de correo electrónico o cualesquiera otros documentos o efectos personales…”

En el contexto del Shadow AI, un empleado que introduce datos personales de clientes o compañeros en ChatGPT podría estar incurriendo en:

• Art. 197.1 CP: Acceso a datos personales reservados (pena: 1-4 años de prisión)
• Art. 197.2 CP: Acceso a datos en ficheros automatizados (pena: 1-4 años de prisión)
• Art. 197.3 CP: Difusión de datos obtenidos ilícitamente (pena: 2-5 años de prisión)
• Art. 197.4 bis CP: Si se trata de datos especialmente sensibles (agravante)

Ley de Secretos Empresariales

La Ley 1/2019 transpone la Directiva (UE) 2016/943 sobre protección de secretos comerciales. Para que información se considere “secreto empresarial”, debe cumplir tres requisitos:

1. Ser secreta (no generalmente conocida ni fácilmente accesible)
2. Tener valor comercial por ser secreta
3. Estar sujeta a medidas razonables de protección

Responsabilidad del empleado y de la empresa

Despido disciplinario por Shadow AI

La jurisprudencia española permite el despido disciplinario de empleados que violen políticas de seguridad informática. Para que sea procedente, la empresa debe demostrar:

1. Existencia de política previa: La empresa debe tener una política de uso aceptable de IA que prohíba o regule el uso de estas herramientas, y el empleado debe haberla recibido y firmado
2. Notificación al empleado: El empleado debe haber sido informado de la monitorización (art. 87 LOPDGDD, criterios STS 119/2018)
3. Gravedad del incumplimiento: La violación debe ser grave y culpable (art. 54 ET)
4. Proporcionalidad: La sanción debe ser proporcionada a la falta cometida
5. Prueba válida: Las evidencias deben haberse obtenido respetando derechos fundamentales

Sentencias relevantes:

Estadísticas y tendencias (2024-2026)

Adopción de Shadow AI en empresas

Tendencias 2026

1. Proliferación imparable: El número de herramientas de IA disponibles crece exponencialmente, haciendo imposible el bloqueo manual por dominio
2. IA en el dispositivo: Modelos locales (Ollama, LM Studio) eliminan la necesidad de conexión a servidores externos, dificultando la detección por red
3. IA embebida en todo: Cada aplicación SaaS integra funciones de IA, diluyendo la línea entre uso autorizado y Shadow AI
4. Regulación en vigor: Con el AI Act plenamente aplicable en agosto de 2026, las empresas se enfrentan a sanciones reales por falta de gobernanza
5. Mercado de gobernanza de IA: Surge un nuevo mercado de herramientas específicas para gestionar y gobernar el uso de IA en la empresa

Papel del perito informático forense

Servicios periciales relacionados con Shadow AI

El perito informático forense puede intervenir en casos de Shadow AI en múltiples escenarios:

Metodología pericial para Shadow AI

Herramientas forenses específicas

Prevención y mejores prácticas

Para empresas

Nivel organizativo:

• Crear un comité de gobernanza de IA con representantes de TI, legal, RRHH y negocio
• Desarrollar y comunicar una política de uso aceptable de IA
• Incluir la política de IA en el onboarding de nuevos empleados
• Realizar auditorías periódicas de Shadow AI (trimestral recomendado)
• Designar “AI Champions” en cada departamento para canalizar necesidades

Nivel técnico:

• Implementar CASB con categoría específica de IA generativa
• Configurar DLP para detectar envío de datos sensibles a servicios de IA
• Desplegar proxy con inspección SSL y categorización de dominios de IA
• Habilitar SSO corporativo para herramientas de IA aprobadas
• Monitorizar la instalación de extensiones de navegador

Nivel formativo:

• Formación obligatoria sobre riesgos de Shadow AI (anual)
• Simulaciones prácticas (como las simulaciones de phishing, pero para IA)
• Comunicación regular sobre herramientas aprobadas y sus límites
• Canal de consulta para empleados que necesiten usar IA

Para empleados

• Verificar siempre que la herramienta de IA esté aprobada por la empresa
• No introducir datos personales de clientes, compañeros o proveedores
• No pegar código fuente de producción ni documentos clasificados
• Usar únicamente la cuenta corporativa (nunca la personal) para herramientas aprobadas
• Reportar necesidades de herramientas de IA al departamento correspondiente
• Anonimizar o pseudonimizar datos antes de usar IA cuando sea posible

Para el sector legal

• Los abogados deben verificar que los bufetes tienen políticas de IA para datos de clientes
• El secreto profesional del abogado (art. 542.3 LOPJ) prohíbe revelar datos del cliente a servicios de IA
• Los despachos deben evaluar si sus proveedores SaaS han activado funciones de IA sin consentimiento
• Incluir cláusulas de IA en los contratos de servicios y encargos de tratamiento

Impacto del Shadow AI por sector en España

Sector financiero

Sector sanitario

Sector educativo

Sector público

Comparativa internacional de regulación del Shadow AI

Glosario de términos relacionados

Preguntas frecuentes adicionales

¿Puede un empleado ser despedido por usar ChatGPT en el trabajo?

Sí, si la empresa tiene una política clara que prohíbe o restringe el uso de herramientas de IA no autorizadas, y el empleado la incumple de forma grave. El despido disciplinario estaría amparado por el artículo 54.2.d) del Estatuto de los Trabajadores (transgresión de la buena fe contractual) o el artículo 54.2.b) (indisciplina o desobediencia). Es imprescindible que la política exista previamente, que el empleado la conozca y que la infracción sea grave.

¿Qué ocurre si un empleado filtra datos de clientes a ChatGPT sin darse cuenta?

Aunque la intención no sea maliciosa, la empresa sigue siendo responsable ante el RGPD. Debe evaluar si la filtración constituye una brecha de seguridad notificable a la AEPD (artículo 33 RGPD) y, en caso afirmativo, notificar en un plazo de 72 horas. La empresa puede reclamar internamente al empleado, pero frente a la AEPD y los afectados, la responsabilidad es de la organización.

¿Pueden los datos introducidos en ChatGPT ser eliminados?

Depende del plan y del proveedor. OpenAI permite solicitar la eliminación de datos en planes de pago, y ChatGPT Enterprise no utiliza datos para entrenamiento. Sin embargo, en planes gratuitos, los datos pueden haber sido ya procesados para entrenamiento antes de la solicitud de eliminación, lo que hace la recuperación efectivamente imposible.

¿El uso de modelos de IA locales (Ollama, LM Studio) elimina el riesgo de Shadow AI?

Reduce el riesgo de transferencia de datos a terceros, pero no elimina otros riesgos: los modelos locales consumen recursos corporativos, pueden contener vulnerabilidades, generan salidas no gobernadas, y el empleado sigue operando fuera del marco de gobernanza de la empresa. Además, la descarga de modelos de gran tamaño puede violar políticas de uso de ancho de banda y almacenamiento.

¿Cómo afecta el Shadow AI a las certificaciones ISO 27001 y ENS?

El uso no controlado de IA generativa puede suponer un incumplimiento de varios controles de ISO 27001:2022 (A.5.10 Uso aceptable de información, A.5.12 Clasificación de información, A.8.11 Enmascaramiento de datos) y del ENS (medidas de protección de la información). En una auditoría de certificación, la falta de gobernanza de IA podría resultar en no conformidades mayores.

Casos prácticos de investigación forense de Shadow AI

Caso 1: Empresa tecnológica — fuga de código fuente

Escenario: Una empresa de desarrollo de software de Barcelona detecta que fragmentos de su código fuente propietario aparecen en respuestas de ChatGPT a usuarios externos. La empresa contrata a un perito informático forense para investigar.

Investigación:

Resultado: La empresa pudo documentar la fuga de propiedad intelectual, implementar controles DLP y despedir disciplinariamente a los empleados que violaron la política de seguridad (que habían firmado). El informe pericial fue clave para demostrar la gravedad de la filtración.

Caso 2: Despacho de abogados — datos de clientes en IA

Escenario: Un abogado de un despacho de Madrid utiliza Claude para resumir y analizar documentación de un caso de divorcio con custodia de menores. La documentación contiene datos personales sensibles de ambos cónyuges y de los menores.

Riesgos identificados:

• Violación del secreto profesional del abogado (art. 542.3 LOPJ)
• Transferencia internacional de datos personales sensibles sin base legal
• Datos de menores procesados por un encargado no autorizado
• Posible sanción de la AEPD por brecha de datos personales

Intervención pericial: El perito documentó los accesos a servicios de IA desde el equipo del abogado, identificó los datos concretos que fueron introducidos (mediante análisis del localStorage del navegador), y emitió un informe que sirvió para la notificación preventiva a la AEPD y la implementación de controles en el despacho.

Caso 3: Empresa industrial — secreto comercial comprometido

Escenario: Un ingeniero de una empresa farmacéutica de Valencia introduce en Gemini la fórmula de un medicamento en fase de desarrollo para que la IA le ayude a optimizar el proceso de fabricación.

Consecuencias legales potenciales:

Checklist de auditoría de Shadow AI para empresas

Evaluación rápida (30 minutos)

Evaluación técnica detallada (1-2 días)

1. Revisar logs de proxy/firewall de los últimos 90 días en busca de conexiones a dominios de IA
2. Inventariar extensiones de navegador instaladas en endpoints corporativos
3. Verificar si hay aplicaciones de IA de escritorio instaladas en equipos corporativos
4. Analizar el tráfico DNS en busca de consultas a dominios de servicios de IA
5. Revisar las aplicaciones OAuth autorizadas en Google Workspace o Microsoft 365
6. Verificar las integraciones de terceros en herramientas SaaS corporativas (Slack, Teams, Notion)
7. Comprobar si algún empleado ha registrado API keys de servicios de IA con su email corporativo
8. Evaluar la configuración de DLP para detectar envíos a servicios de IA
9. Verificar las políticas de Conditional Access para detectar sesiones anómalas
10. Documentar todos los hallazgos y priorizar las acciones de remediación

Referencias y fuentes

• Reglamento (UE) 2016/679 (RGPD) — Protección de datos personales en la Unión Europea
• Reglamento (UE) 2024/1689 (AI Act) — Regulación de la inteligencia artificial en la UE
• Ley Orgánica 3/2018 (LOPDGDD) — Ley Orgánica de Protección de Datos y garantía de los derechos digitales
• Ley 1/2019 de Secretos Empresariales — Transposición de la Directiva (UE) 2016/943
• Código Penal (LO 10/1995) — Artículos 197, 264 y 31 bis
• Gartner (2025) — “Predicts 2025: AI Governance Will Become a Business Imperative”
• Cyberhaven Labs (2024) — “How Employees Are Using Generative AI — and What Data They’re Sharing”
• Netskope Threat Labs (2025) — “Cloud and Threat Report: AI Apps in the Enterprise”
• Samsung Electronics (2023) — Incidentes de filtración de código fuente a ChatGPT (The Economist Korea, Bloomberg)
• NIST AI RMF 1.0 (2024) — Marco de gestión de riesgos de inteligencia artificial
• ISACA (2025) — “State of AI Governance Survey”
• IBM Security (2024) — “Cost of a Data Breach Report 2024”
• AEPD — Guía sobre tratamientos de datos y uso de inteligencia artificial

Conclusión

El Shadow AI representa uno de los mayores desafíos de seguridad y cumplimiento normativo para las empresas en 2025-2026. A diferencia del Shadow IT tradicional, donde el riesgo principal era la pérdida de control sobre los datos almacenados, el Shadow AI implica la transferencia activa de datos sensibles a terceros cada vez que un empleado introduce un prompt en un servicio de IA no gobernado.

La combinación del RGPD (con sanciones de hasta el 4% de la facturación global), el AI Act (hasta el 7%) y la Ley de Secretos Empresariales crea un marco legal en el que la falta de gobernanza de la IA puede resultar en pérdidas millonarias — tanto económicas como de propiedad intelectual irrecuperable.

La solución no pasa por prohibir la IA generativa, sino por gobernarla: políticas claras, herramientas técnicas de control, formación continua y un proceso de aprobación ágil que permita a los empleados beneficiarse de la IA sin comprometer los activos de la organización.

Para los casos en que la prevención falla, el perito informático forense es un aliado esencial: puede investigar el alcance de la exposición, documentar las evidencias para procedimientos disciplinarios o judiciales, y asesorar sobre medidas de remediación técnica.

Última actualización: 30 de marzo de 2026 Categoría: Gestión de Riesgos Código: GES-015