Che cos’è lo Shadow AI e perché è pericoloso
Dipendenti e collaboratori usano chatbot e assistenti AI per sintetizzare documenti, correggere codice e preparare risposte, spesso senza strumenti approvati. Così contratti, log, curriculum e conversazioni possono uscire dal perimetro aziendale, mentre IT e sicurezza faticano a vedere dove vengono trasferiti i dati.
Non serve sempre un attacco informatico per far fuoriuscire informazioni da un’azienda. A volte basta molto meno: un browser aperto, un chatbot, un documento copiato nel posto sbagliato. È una scena ormai abbastanza facile da immaginare. Un dipendente riceve un contratto lungo e deve capirne rapidamente i punti principali. Invece di leggerlo tutto, apre un assistente AI, carica il file e chiede di riassumerlo.
Uno sviluppatore ha davanti una funzione che non funziona come dovrebbe e decide di incollare codice e log per capire dove sia l’errore. Qualcuno nelle risorse umane carica un curriculum per sintetizzarlo; nel reparto commerciale viene copiata una conversazione con un cliente per preparare una risposta.
Questi comportamenti non sono necessariamente frutto di superficialità. Nella maggior parte dei casi c’è semplicemente una persona che vuole svolgere il proprio lavoro più velocemente. Ed è proprio questo a rendere il tema interessante: l’intelligenza artificiale generativa si è infiltrata nei processi di lavoro senza attendere che le aziende finissero di scrivere policy, valutare fornitori o organizzare corsi di formazione.
Definizione di Shadow AI
Il risultato è che una parte dell’uso dell’AI nelle aziende avviene in una zona poco visibile. È quello che viene generalmente definito Shadow AI: l’utilizzo di chatbot, modelli generativi, assistenti di coding, strumenti di trascrizione o altri servizi basati sull’intelligenza artificiale senza che quell’utilizzo sia stato necessariamente approvato, configurato o conosciuto dall’organizzazione.
Il termine richiama la Shadow IT, problema con cui i reparti IT convivono da anni. Account Dropbox personali, software installati autonomamente, applicazioni SaaS acquistate dai singoli reparti, repository privati creati senza coordinamento centrale: la logica è molto simile.
Come nasce lo Shadow AI: un percorso spontaneo
Con l’AI, però, tutto accade con ancora meno attrito. Non bisogna installare necessariamente un software, non serve acquistare un’infrastruttura e spesso non è necessario nemmeno coinvolgere l’IT. Si apre una pagina web, si crea un account e si comincia a lavorare. È difficile immaginare un’adozione tecnologica più semplice di questa.
In molti casi l’intelligenza artificiale generativa non è entrata in azienda attraverso un progetto strutturato deciso dal management. È successo quasi al contrario. Qualcuno ha iniziato a provare ChatGPT per curiosità, poi ha scoperto che poteva riscrivere una mail. Successivamente lo ha usato per tradurre un testo, preparare una presentazione, sintetizzare un documento o spiegare una formula Excel. A quel punto il passaggio dal “lo uso ogni tanto” al “lo uso mentre lavoro” è stato piuttosto breve.
Per gli sviluppatori è successo qualcosa di simile con gli assistenti integrati negli IDE. Per chi lavora con molti meeting, con i servizi che trascrivono e riassumono automaticamente le riunioni. Per chi scrive, con strumenti di revisione e generazione del testo. Non sempre, quindi, è possibile individuare un momento preciso in cui l’intelligenza artificiale “entra” nell’organizzazione.
A volte è già lì prima che qualcuno decidesse di chiamarla progetto AI. Questa diffusione “silenziosa” rende la visibilità uno dei problemi principali.
Dati sulla diffusione
- Una ricerca Cisco pubblicata nel 2025 rilevava che in Europa il 21% dei dipendenti aveva accesso senza restrizioni a strumenti pubblici di intelligenza artificiale generativa.
- Il 69% dei team IT dichiarava di non avere visibilità sulle interazioni dei dipendenti con questi strumenti.
- Il 65% delle organizzazioni europee affermava di non sentirsi sufficientemente sicuro della propria capacità di individuare implementazioni AI non regolamentate.
Il dato interessante non è soltanto la percentuale, ma il tipo di problema che descrive. Un’azienda può sapere perfettamente quali software ha acquistato, quali licenze ha assegnato e quali piattaforme sono presenti nel proprio inventario, senza sapere davvero quali servizi AI vengano utilizzati durante la giornata lavorativa.
E ormai non si parla più soltanto dei chatbot più conosciuti. L’AI è presente negli editor di codice, nei browser, nelle piattaforme di produttività, nei sistemi di traduzione, nei software di grafica, negli strumenti per lavorare con PDF, nelle applicazioni di videoconferenza e nei servizi che elaborano email o documenti.
Meccanismi di perdita dati e implicazioni di sicurezza
Ridurre il problema alla formula “dipendenti che usano ChatGPT di nascosto” rischia di far perdere di vista una parte importante della questione. La domanda più ampia è: quali servizi ricevono informazioni aziendali durante il lavoro quotidiano e che cosa fanno con quei dati? Non è detto che chi li usa sappia sempre rispondere.
Quando si parla di perdita di dati, l’immaginario della cybersecurity è ancora legato soprattutto agli incidenti classici: database sottratti, allegati inviati al destinatario sbagliato, server compromessi, cartelle cloud esposte, dispositivi persi. Con i chatbot il meccanismo può essere molto meno evidente.
Il dato non viene necessariamente rubato: può essere l’utente stesso a trasferirlo verso un servizio esterno, semplicemente perché è il modo più rapido per ottenere un risultato. Qui nasce una piccola contraddizione.
Il ruolo del contesto per gli AI model
Per funzionare bene, un modello ha bisogno di contesto. Più informazioni riceve, più riesce normalmente a produrre una risposta utile. Se si chiede genericamente a un assistente AI come effettuare il debug di una funzione, la risposta resterà necessariamente generica.
Se invece gli vengono forniti il codice reale, il messaggio di errore, i log e magari parte della configurazione, l’analisi diventa molto più precisa. Con un contratto avviene la stessa cosa: chiedere “quali clausole sono normalmente rischiose in un contratto di fornitura?” produce indicazioni generali; caricare il contratto reale e chiedere “quali problemi vedi qui?” è molto più utile.
Dal punto di vista dell’utente è perfettamente logico. Dal punto di vista della sicurezza, però, succede qualcosa di particolare: il vantaggio dello strumento incoraggia a fornire più dati proprio mentre molte politiche di sicurezza cercano di ottenere l’effetto opposto.
Il prompt, a quel punto, non è più soltanto una domanda. Dentro possono finire codice sorgente, nomi di clienti, dati commerciali, ticket di assistenza, informazioni relative a un’infrastruttura, curriculum, documenti contrattuali, schemi di database o conversazioni interne.
Strategie per gestire lo Shadow AI
Per affrontare la sfida è necessario un approccio multilivello:
- Visibilità: implementare sistemi di monitoraggio del traffico web e delle chiamate API verso provider di AI, anche se l’accesso avviene via browser.
- Policy chiare: definire regole sull’uso di strumenti generativi, includendo eccezioni per dati sensibili e requisiti di anonimizzazione.
- Formazione continua: sensibilizzare i dipendenti sui rischi di condividere dati riservati e insegnare pratiche di “prompt hygiene” (rimuovere informazioni identificabili).
- Soluzioni aziendali: valutare l’adozione di piattaforme AI “trusted” che garantiscono la non conservazione dei dati o la loro crittografia in loco.
- Governance dei fornitori: stipulare contratti con provider AI che includano clausole di protezione dei dati, diritto di cancellazione e audit periodici.
Un’altra misura efficace è l’introduzione di sandbox controllate dove gli utenti possono testare gli strumenti AI senza connettersi a internet esterno, garantendo che i dati rimangano all’interno dell’infrastruttura aziendale.
Il ruolo del dipartimento IT
IT deve evolvere da semplice guardiano dell’hardware a facilitatore di una “AI governance”. Questo implica:
- Inventario dei servizi AI usati, anche quelli “shadow”.
- Valutazione del rischio per ciascun servizio (tipo di dati inviati, modello di conservazione, giurisdizione.
- Implementazione di DLP (Data Loss Prevention) capace di riconoscere pattern tipici di prompt contenenti dati sensibili.
Solo con una visibilità reale è possibile decidere se bloccare, consentire o migrare l’uso verso soluzioni aziendali più sicure.
Conclusioni: dall’ombra alla trasparenza
Lo Shadow AI è la naturale evoluzione della Shadow IT, ma con un impatto potenzialmente più profondo perché i dati trasferiti possono includere proprietà intellettuale, segreti commerciali e informazioni personali dei dipendenti.
Le aziende che vogliono mantenere la produttività promessa dall’AI generativa devono riconoscere che la velocità non può più essere sacrificata alla sicurezza. Creare un ambiente in cui gli utenti sappiano dove e come i loro dati vengono elaborati è fondamentale per trasformare l’ombra in un vantaggio competitivo controllato.
In sintesi, la sfida non è solo bloccare gli strumenti, ma costruire una cultura di responsabilità, visibilità e governance che renda lo Shadow AI un fenomeno gestibile anziché una minaccia invisibile.