Según informes de la industria, el uso de herramientas de IA fuera del control directo de las empresas es más habitual de lo que parece: el 30% de los usuarios de IA utiliza exclusivamente aplicaciones personales, mientras otro 14% combina herramientas gestionadas por su organización con aplicaciones personales.
El mismo informe advierte que esta tendencia, conocida como shadow AI, dejó de disminuir durante 2026, lo que mantiene abierto el desafío de supervisar qué herramientas utilizan los trabajadores y cómo circula la información corporativa.
El mismo informe detectó que la mayoría de los usuarios que acceden a servicios de IA generativa lo hace mediante cuentas no corporativas desde dispositivos de la empresa.
El riesgo aparece cuando la comodidad de una herramienta se cruza con información que nunca debió salir del entorno de la organización.
¿Qué información está llegando a los sistemas externos?
Copiar un correo para resumirlo, pedir a un chatbot que revise una planilla o utilizar un asistente para corregir código pueden parecer acciones cotidianas. Desde la perspectiva de seguridad, la pregunta relevante es qué información recibe el proveedor externo y bajo qué condiciones.
El DBIR 2026 analizó eventos de prevención de pérdida de datos asociados a herramientas de IA generativa. El código fuente fue el tipo de información enviado con mayor frecuencia a estos sistemas externos. En 3,2% de las infracciones de políticas de prevención de pérdida de datos analizadas también se detectó el envío de documentación técnica o de investigación.
La solución, por lo tanto, difícilmente pasa por una prohibición general de la IA. Las empresas necesitan determinar qué herramientas pueden utilizar sus equipos, qué información puede procesarse en ellas, cómo se autentican los usuarios y cómo detectar usos que escapen a esas reglas.
En ese escenario, la seguridad de la IA empieza a mezclarse con disciplinas que ya existían antes de la aparición de ChatGPT: control de accesos, protección de endpoints, monitoreo, prevención de fuga de información y gestión de incidentes.
La IA también acelera el otro lado del ataque
El Shadow AI ocurre mientras los atacantes incorporan estas mismas tecnologías a sus procesos. Verizon reportó que 31% de las brechas estudiadas comenzó con la explotación de una vulnerabilidad de software y advirtió que el uso de IA está reduciendo desde meses hasta horas la ventana disponible para explotar algunas vulnerabilidades conocidas.
Esto cambia la discusión empresarial sobre inteligencia artificial. Antes de desplegar nuevos asistentes o agentes, las organizaciones necesitan definir qué información pueden consultar, qué acciones están autorizados a ejecutar y cómo quedará registrada su actividad.
Una herramienta de IA aprobada por la empresa y sometida a controles no plantea el mismo escenario que decenas de trabajadores utilizando cuentas personales en servicios externos. Esa diferencia, que hasta hace poco podía parecer un asunto de política interna, ya forma parte de la superficie de riesgo que deben observar los equipos de ciberseguridad.
¿Cuáles son las mejores soluciones de ciberseguridad al implementar inteligencia artificial en una empresa?
Para organizaciones que buscan externalizar parte de estas capacidades, Entel Digital reúne herramientas de ciberseguridad que incluyen monitoreo de eventos y vulnerabilidades, inteligencia de amenazas, seguridad para ambientes multicloud y detección y respuesta gestionada de incidentes.
Una empresa que implementa inteligencia artificial debería incorporar desde el diseño controles de acceso, protección de datos, monitoreo, seguridad de APIs, prevención de fuga de información y reglas que definan qué datos pueden consultar los modelos o agentes.
También necesita evaluar proveedores y registrar las acciones realizadas por sistemas de IA cuando estos interactúan con aplicaciones corporativas.
Entel Digital incluye estas materias dentro de sus servicios de ciberseguridad empresarial, donde plantea que la implementación de IA debe considerar gestión de riesgos, protección de datos, control de accesos, monitoreo de modelos, seguridad de APIs y gobierno de IA.
El punto adquiere mayor importancia cuando los agentes dejan de limitarse a generar texto y comienzan a ejecutar acciones. Entel Digital también aborda el gobierno y operación de agentes de IA, definiendo controles sobre quién puede utilizarlos, qué datos pueden consultar y qué acciones están autorizados a ejecutar. Su propuesta contempla además monitoreo de consumo, desempeño y seguridad.
Este enfoque ayuda a entender por qué el Shadow AI no debería tratarse solamente como un problema de herramientas no autorizadas. Una organización necesita definir un entorno donde los usos aprobados de IA tengan permisos, fuentes de información y mecanismos de supervisión conocidos, mientras los accesos que quedan fuera de esas reglas puedan ser identificados.
