Shadow AI nas empresas: riscos e governança

Shadow AI é um dos efeitos colaterais mais importantes da adoção acelerada de inteligência artificial nas empresas. Ele aparece quando funcionários utilizam ChatGPT, Claude, Gemini, geradores de código, ferramentas de resumo, extensões de navegador, agentes, APIs ou outros serviços de IA sem que TI, segurança, jurídico ou gestão saibam exatamente quais ferramentas estão sendo usadas, quais dados estão sendo enviados e quais ações essas plataformas podem executar.

Resposta objetiva: Shadow AI não significa simplesmente “funcionário usando ChatGPT”. O problema é o uso de inteligência artificial sem visibilidade, aprovação, classificação de risco, política de dados e controles proporcionais à atividade. A solução também não deve começar simplesmente bloqueando tudo. Uma estratégia madura envolve descobrir quais ferramentas já estão sendo utilizadas, separar serviços aprovados de não aprovados, definir quais informações podem ser enviadas, controlar contas e dispositivos, aplicar proteção contra vazamento de dados, revisar fornecedores, treinar usuários e oferecer alternativas corporativas capazes de preservar produtividade.

A Microsoft define Shadow AI como o uso de ferramentas e agentes baseados em inteligência artificial sem detecção ou aprovação de TI. Em 2026, a própria plataforma Microsoft Entra Global Secure Access passou a oferecer mecanismos específicos de descoberta capazes de identificar aplicações generativas, APIs de provedores de modelos e até servidores MCP SaaS utilizados na organização. Fonte: Microsoft Learn - descoberta de Shadow AI

Isso mostra uma mudança relevante na governança corporativa. Durante anos, departamentos de TI precisaram controlar Shadow IT: softwares SaaS, armazenamento, mensageria e ferramentas utilizadas sem homologação. Agora, a mesma lógica alcançou sistemas que não apenas armazenam informações, mas também interpretam prompts, produzem conteúdo, acessam dados, escrevem código e, em arquiteturas de agentes, podem executar ações.

O NIST reconhece que a inteligência artificial generativa exige atenção adicional de governança, revisão humana, rastreamento, documentação, supervisão gerencial e gerenciamento de terceiros. Seu perfil de IA generativa destaca governança como uma das considerações fundamentais para organizações que desenvolvem ou utilizam esses sistemas. Fonte: NIST AI 600-1 - Generative AI Profile

A questão, portanto, não é impedir a equipe de utilizar uma tecnologia produtiva. O desafio é impedir que a adoção aconteça mais rápido do que a capacidade da empresa de responder perguntas básicas: quem está usando, para quê, com quais dados, em qual conta, sob qual contrato, com quais permissões e com qual responsabilidade?

Leia mais sobre:
Gestão de acessos e identidades: como controlar usuários, privilégios e aplicações empresariais

O que é Shadow AI na prática?

Shadow AI ocorre quando a empresa não possui governança suficiente sobre ferramentas de IA que já fazem parte do trabalho cotidiano.

Exemplos:

• funcionário envia uma planilha de clientes para uma IA utilizando conta pessoal;
• programador cola código interno em um assistente não homologado;
• equipe financeira envia contrato ou documento confidencial para resumir;
• marketing instala extensão de navegador com IA sem avaliação;
• usuário utiliza uma ferramenta gratuita para transcrever reunião corporativa;
• departamento cria um agente conectado ao SharePoint sem envolver TI;
• funcionário conecta um serviço de IA ao e-mail ou calendário;
• equipe cria conta independente em uma plataforma SaaS de IA utilizando cartão corporativo;
• desenvolvedor utiliza API externa sem revisão de segurança;
• agente autônomo recebe permissões maiores do que o processo exige.

Em todos esses casos, a IA pode estar produzindo valor real. O problema é a ausência de governança.

Shadow AI e Shadow IT são a mesma coisa?

São relacionados, mas não idênticos.

A Microsoft atualmente trata Shadow AI como uma categoria específica dentro de seus mecanismos de descoberta, permitindo analisar aplicações generativas e ferramentas de IA utilizadas sem aprovação, além de padrões de uso e volume de dados trafegados. Fonte: Microsoft Learn - Shadow AI Discovery

Por que os funcionários usam IA sem aprovação?

Na maioria dos casos, a motivação não é maliciosa.

As pessoas querem:

• produzir texto mais rápido;
• resumir documentos;
• analisar planilhas;
• criar apresentações;
• escrever código;
• traduzir conteúdo;
• preparar e-mails;
• transcrever reuniões;
• pesquisar;
• automatizar tarefas;
• resolver um problema que o software corporativo atual não resolve.

Shadow AI costuma crescer quando existe demanda real por produtividade e a empresa ainda não ofereceu uma alternativa oficial.

Por isso, uma política baseada somente em proibição tende a enfrentar resistência. Se a equipe obtém ganho significativo com determinada capacidade, bloquear sem oferecer alternativa pode apenas deslocar o comportamento para dispositivos pessoais, celulares ou ferramentas menos visíveis.

O maior risco é enviar dados para uma IA?

É um dos maiores, mas não é o único.

Os riscos podem ser organizados em diferentes categorias.

Exposição de dados

Usuários podem compartilhar:

• dados de clientes;
• dados pessoais;
• dados financeiros;
• contratos;
• código-fonte;
• segredos comerciais;
• credenciais;
• informações de funcionários;
• estratégias comerciais;
• documentos ainda não publicados.

Uso de plataforma inadequada

Duas ferramentas que fazem “a mesma coisa” podem possuir termos, controles, retenção, localização de dados, integrações e práticas de segurança diferentes.

Resultados incorretos

Um funcionário pode utilizar uma resposta de IA como verdade sem validação adequada.

Integrações excessivas

Um aplicativo pode solicitar acesso a e-mail, arquivos, calendário ou sistemas empresariais.

Ausência de auditoria

A empresa pode não conseguir descobrir posteriormente qual ferramenta recebeu determinada informação.

Agentes autônomos

Quando a IA deixa de apenas gerar conteúdo e passa a executar ações, um erro pode produzir impacto operacional real.

O que pode acontecer quando um funcionário cola dados corporativos em uma IA?

Depende da ferramenta, plano, política, contrato e configuração utilizada.

Esse detalhe é fundamental.

Não existe uma regra universal dizendo que “toda IA usa todos os dados para treinamento” nem que “qualquer dado enviado a uma IA está automaticamente protegido”.

Cada serviço precisa ser avaliado individualmente.

A OpenAI, por exemplo, informa que, por padrão, entradas e saídas de produtos empresariais como ChatGPT Business, ChatGPT Enterprise e sua plataforma de API não são utilizadas para treinar os modelos. A empresa também oferece controles empresariais relacionados a acesso, identidade, retenção e segurança conforme o produto contratado. Fonte: OpenAI - privacidade e segurança de dados empresariais

Em workspaces pessoais do ChatGPT, a política e os controles são diferentes. A OpenAI informa que usuários de planos pessoais podem controlar nas configurações se novas conversas serão utilizadas para melhoria dos modelos. Isso reforça por que uma empresa não deve tratar conta pessoal e ambiente empresarial como se fossem a mesma arquitetura. Fonte: OpenAI Help Center - uso de dados para melhoria dos modelos

ChatGPT Business elimina Shadow AI?

Não sozinho.

Uma plataforma empresarial aprovada resolve parte importante da governança, mas os usuários ainda podem utilizar outras ferramentas em paralelo.

Mesmo depois de contratar uma solução corporativa, a organização precisa responder:

• quais ferramentas são aprovadas;
• quais são proibidas;
• quais são permitidas apenas para dados públicos;
• quais tipos de informação não podem ser inseridos;
• quem pode conectar fontes internas;
• quem aprova novas integrações;
• como contas são provisionadas;
• como usuários são removidos;
• como utilização é monitorada.

A própria OpenAI diferencia seus produtos empresariais através de controles de segurança e privacidade destinados à organização, incluindo gerenciamento de acesso, funções, SSO e outras capacidades conforme o plano. Fonte: OpenAI - privacidade empresarial

O problema pode existir mesmo usando uma IA aprovada?

Sim.

Ferramenta sancionada não significa que qualquer dado ou qualquer uso está automaticamente autorizado.

Exemplo: a empresa pode aprovar determinada IA para:

• resumo de material público;
• redação;
• pesquisa;
• brainstorming;
• apoio a apresentações.

Mas continuar proibindo o envio de:

• senhas;
• chaves de API;
• dados pessoais sensíveis;
• segredos comerciais;
• documentos jurídicos restritos;
• base integral de clientes;
• informações ainda não divulgadas.

Governança precisa controlar tanto qual ferramenta quanto qual dado.

Como descobrir quais ferramentas de IA já são utilizadas?

O primeiro estágio é ganhar visibilidade.

A Microsoft recomenda exatamente essa sequência em seu modelo atual de proteção contra vazamento de dados para Shadow AI:

• descobrir aplicativos de IA;
• bloquear ferramentas não sancionadas quando necessário;
• impedir dados sensíveis de serem enviados até mesmo para ferramentas sancionadas quando a política exigir;
• governar, auditar, reter e investigar interações com IA.

Fonte: Microsoft Learn - Prevent data leak to Shadow AI

Essa sequência é mais madura do que começar bloqueando domínios aleatoriamente porque cria um inventário do comportamento antes da decisão.

O que a Microsoft consegue descobrir sobre Shadow AI?

Os recursos dependem das licenças e produtos adotados, mas a documentação atual do Microsoft Entra Global Secure Access descreve capacidade para identificar aplicações generativas utilizadas pelos funcionários através de análise de tráfego.

Entre os dados que podem aparecer no processo de descoberta estão:

• aplicação utilizada;
• usuários;
• frequência;
• volume de dados transferidos;
• pontuação de risco;
• fatores de segurança;
• fatores de conformidade;
• fatores legais.

Fonte: Microsoft Learn - descoberta de aplicações generativas

O Microsoft Defender for Cloud Apps também pode descobrir aplicações generativas SaaS utilizadas na organização e ajudar a classificá-las como sancionadas ou não sancionadas. Fonte: Microsoft Learn - descoberta e segurança de aplicações de IA

Descobrir Shadow AI significa ler tudo o que os funcionários escrevem?

Não necessariamente. Existem diferentes níveis de visibilidade e diferentes tecnologias.

Uma camada pode identificar somente que determinada aplicação foi acessada e quanto tráfego ocorreu. Outras tecnologias podem oferecer inspeção mais profunda quando configuradas e permitidas.

A Microsoft diferencia, por exemplo, Shadow AI Discovery de Generative AI Insights. O primeiro é voltado ao inventário de aplicações e avaliação de risco; o segundo pode trabalhar em nível mais detalhado sobre prompts e operações MCP quando a arquitetura e a inspeção correspondente estão habilitadas. Fonte: Microsoft Learn - Shadow AI Discovery versus Generative AI Insights

Qualquer iniciativa desse tipo precisa ser alinhada à política interna, finalidade, privacidade, legislação e expectativa adequada dos usuários.

Shadow AI pode envolver LGPD?

Sim, quando o uso envolve tratamento de dados pessoais.

A Lei nº 13.709/2018 define tratamento de forma ampla, incluindo operações como coleta, utilização, acesso, processamento, armazenamento, comunicação e transferência de dados pessoais. Portanto, inserir dados pessoais em uma ferramenta de IA pode integrar um processo de tratamento que precisa ser analisado dentro das responsabilidades da organização. Fonte: Lei Geral de Proteção de Dados Pessoais - Lei nº 13.709/2018

A ANPD publicou Radar Tecnológico específico sobre inteligência artificial generativa e destaca que prompts enviados pelos usuários podem conter dados pessoais do próprio usuário ou de terceiros, inclusive em situações nas quais os envolvidos podem não perceber plenamente os riscos daquele compartilhamento. Fonte: ANPD - Radar Tecnológico sobre IA Generativa

Isso não significa que qualquer uso de IA com dado pessoal seja automaticamente ilegal. Significa que empresas precisam entender finalidade, base jurídica aplicável, fornecedores, fluxo de dados, segurança e demais obrigações pertinentes ao caso concreto.

Que tipo de informação deveria ser classificada antes do uso de IA?

A organização pode criar categorias simples, entendidas por qualquer funcionário.

A classificação exata depende do ambiente e das responsabilidades da empresa. O objetivo é retirar do funcionário a necessidade de improvisar uma decisão de segurança para cada prompt.

DLP pode ajudar contra vazamento para IA?

Sim, dependendo da plataforma e arquitetura adotadas.

Data Loss Prevention, ou DLP, permite identificar determinados tipos de informação e aplicar políticas sobre seu uso ou transferência.

A documentação atual da Microsoft para Shadow AI orienta o uso de Microsoft Purview para impedir que dados sensíveis sejam compartilhados com aplicações de IA, inclusive em cenários nos quais a própria ferramenta foi classificada como sancionada. Fonte: Microsoft Purview - proteção de dados contra Shadow AI

Essa distinção é extremamente importante:

aplicativo aprovado ≠ qualquer dado aprovado.

Microsoft Purview resolve Shadow AI sozinho?

Não.

A própria arquitetura recomendada pela Microsoft combina diferentes produtos e camadas:

• Microsoft Purview;
• Microsoft Defender for Cloud Apps;
• Microsoft Entra;
• Microsoft Intune;
• Global Secure Access em determinados cenários.

Cada um cobre uma parte diferente de descoberta, identidade, dispositivo, aplicações, dados, auditoria e políticas.

Além da tecnologia, continuam necessários:

• política de IA;
• classificação de informação;
• treinamento;
• governança de fornecedores;
• responsáveis;
• aprovação de novos casos de uso;
• processo de exceção.

Qual é o papel do Microsoft Entra?

Identidade precisa participar da estratégia porque uma conta corporativa gerenciada oferece possibilidades de governança diferentes de uma conta criada individualmente pelo usuário.

Uma arquitetura empresarial pode utilizar identidade para:

• provisionar acesso;
• revogar acesso;
• aplicar MFA;
• integrar SSO;
• condicionar acesso;
• gerenciar grupos;
• registrar autenticações;
• controlar aplicações empresariais.

Aprofunde neste conteúdo:
Microsoft Entra ID: por que identidade virou um novo perímetro de segurança

Bloquear todas as IAs é uma boa política?

Em determinadas organizações ou para determinados dispositivos, bloquear algumas ferramentas pode ser necessário.

Mas “bloquear toda IA” não deveria ser a conclusão automática.

Uma abordagem mais madura é classificar serviços.

Sancionado

Avaliado e aprovado para casos de uso definidos.

Sancionado com restrições

Permitido, mas determinados dados ou funções não podem ser utilizados.

Em avaliação

Uso controlado durante piloto.

Não sancionado

Ferramenta que não atende aos requisitos definidos pela empresa.

Proibido

Ferramenta ou cenário com risco incompatível com a política.

A Microsoft utiliza justamente a lógica de classificar aplicações descobertas como sancionadas ou não sancionadas dentro de seus controles de segurança para aplicações em nuvem. Fonte: Microsoft Learn - descoberta e classificação de aplicações de IA

Como criar uma política de uso de inteligência artificial?

A política precisa ser simples o suficiente para ser realmente utilizada.

Ela pode responder:

• quais ferramentas são aprovadas;
• quem pode utilizar;
• quais dados são permitidos;
• quais dados são proibidos;
• quando utilizar conta corporativa;
• quais integrações precisam de aprovação;
• quando conteúdo precisa de revisão humana;
• como identificar conteúdo gerado por IA quando necessário;
• como solicitar uma nova ferramenta;
• como reportar um incidente;
• quem responde pela governança.

Uma política com dezenas de páginas que ninguém lê pode ter pouco efeito prático. O ideal é combinar documento formal com orientações operacionais claras.

Proibir dados confidenciais no prompt é suficiente?

Não.

A empresa também precisa considerar arquivos, áudio, imagens, integrações e fontes conectadas.

Um usuário pode não colar nenhum dado no prompt, mas conectar a ferramenta ao:

• Google Drive;
• SharePoint;
• OneDrive;
• CRM;
• GitHub;
• e-mail;
• calendário;
• ERP;
• banco de dados.

Nesse caso, o escopo potencial de informação pode ser muito maior do que aquilo que aparece explicitamente na conversa.

Extensões de navegador com IA também entram no Shadow AI?

Podem entrar.

Extensões podem ter acesso às páginas visitadas, conteúdo de abas ou outras permissões dependendo da implementação.

Uma empresa deveria conhecer:

• quais extensões são instaladas;
• quais permissões solicitam;
• qual fornecedor oferece;
• quais dados processam;
• se existe gestão corporativa do navegador;
• se usuários podem instalar qualquer extensão.

O mesmo princípio vale para aplicativos desktop, plugins de IDE, bots e extensões de produtividade.

Shadow AI em desenvolvimento de software exige atenção especial?

Sim.

Assistentes de código podem receber:

• código proprietário;
• configurações;
• endpoints;
• queries;
• estrutura de banco;
• comentários internos;
• segredos inseridos por engano.

Desenvolvedores também podem aceitar código gerado sem revisar:

• segurança;
• licenças;
• dependências;
• lógica;
• tratamento de erros;
• validação de entrada;
• segredos;
• privilégios.

Por isso, o uso de IA no desenvolvimento precisa estar integrado ao processo de revisão de código e segurança já existente.

Shadow AI também pode envolver agentes autônomos?

Sim, e esse é um estágio de risco maior.

Um chatbot não autorizado pode receber dados. Um agente não autorizado pode receber dados e ainda executar ações.

Por exemplo:

• enviar e-mail;
• editar documento;
• atualizar CRM;
• abrir chamado;
• executar código;
• consultar banco;
• acionar API;
• utilizar servidor MCP;
• interagir com aplicações SaaS.

Em 2026, a Microsoft já mantém funcionalidades específicas para detectar e governar agentes de IA não gerenciados em determinados ambientes Microsoft 365, embora alguns desses recursos ainda estejam em pré-visualização e sujeitos a alteração. Fonte: Microsoft Learn - Shadow AI no Microsoft 365

O que muda quando uma IA passa de ferramenta para agente?

Como controlar Shadow AI sem travar inovação?

A estratégia pode ser construída em etapas.

1. Descobrir

Identifique quais ferramentas já são utilizadas.

2. Classificar

Avalie risco, fornecedor, contrato, dados e finalidade.

3. Sancionar

Crie uma lista explícita de plataformas aprovadas.

4. Restringir

Defina quais dados podem ser utilizados em cada ferramenta.

5. Proteger tecnicamente

Utilize DLP, identidade, gestão de dispositivos, navegadores e controles de acesso quando aplicáveis.

6. Educar

Funcionários precisam entender o motivo dos controles.

7. Monitorar

Novas ferramentas aparecem constantemente.

8. Criar processo de aprovação

Se alguém encontrar uma IA útil, precisa existir uma forma rápida de pedir avaliação.

Como avaliar uma nova ferramenta de IA?

Antes de sancionar, avalie pelo menos:

• empresa responsável;
• termos aplicáveis ao plano;
• política de privacidade;
• uso de dados;
• retenção;
• localização e subprocessadores quando relevante;
• autenticação;
• SSO;
• MFA;
• administração central;
• logs;
• controles de compartilhamento;
• exportação de dados;
• exclusão de contas;
• integrações;
• permissões;
• certificações quando necessárias;
• processo de incidente;
• continuidade do fornecedor.

O NIST AI 600-1 destaca explicitamente considerações relacionadas a terceiros e à cadeia de valor de IA dentro da governança de sistemas generativos. Fonte: NIST AI 600-1

Análise técnica - Eduardo Neto

Shadow AI não aparece porque funcionários querem desafiar a TI. Ele aparece porque uma ferramenta resolve em minutos aquilo que o processo interno leva horas para resolver. Se a empresa responder a esse comportamento apenas com bloqueio, ela trata o sintoma e ignora a demanda. O primeiro passo é descobrir quais tarefas estão levando as pessoas para essas plataformas e criar uma alternativa governada que preserve o ganho de produtividade.

 

O segundo ponto é que ferramenta aprovada não significa uso irrestrito. Precisamos separar conta pessoal de ambiente corporativo, informação pública de informação confidencial, consulta de ação e aplicação sancionada de dado autorizado. Governança de IA funciona quando identidade, dados, dispositivos, políticas e pessoas participam do mesmo desenho. O objetivo não é impedir a IA de entrar na empresa. É fazer com que ela entre pela porta certa.

 

- Eduardo Neto, CEO Cintra IT

Como treinar funcionários sobre Shadow AI?

Treinamento precisa ser prático.

Em vez de explicar apenas conceitos abstratos, utilize exemplos reais:

Pode

• resumir texto público;
• gerar ideias;
• revisar uma comunicação sem dados confidenciais;
• pesquisar informações públicas;
• utilizar ferramenta sancionada dentro do escopo aprovado.

Precisa de avaliação

• enviar contrato;
• conectar CRM;
• analisar base de clientes;
• usar documento interno;
• instalar extensão;
• integrar repositório de código;
• criar agente que executa ações.

Não deve ser feito sem autorização específica

• compartilhar senha;
• compartilhar token;
• compartilhar chave privada;
• enviar dado extremamente sensível para serviço não autorizado;
• conceder privilégios administrativos;
• permitir que agente execute ações críticas sem os controles definidos.

Quem deve ser responsável pela governança de IA?

Não deveria ser apenas TI.

Dependendo do porte e da estrutura, podem participar:

• TI;
• segurança;
• privacidade;
• jurídico;
• compliance;
• RH;
• negócio;
• dados;
• compras.

TI pode avaliar integração e segurança. Jurídico pode analisar termos e obrigações. Privacidade pode avaliar fluxos de dados pessoais. Negócio precisa explicar o benefício. Gestão precisa definir tolerância a risco.

Preciso criar um comitê de IA?

Nem toda empresa precisa de uma estrutura pesada.

Uma pequena empresa pode começar com:

• um responsável;
• um inventário;
• uma política curta;
• lista de ferramentas sancionadas;
• processo simples de aprovação;
• revisão periódica.

Empresas maiores ou mais reguladas podem precisar de uma governança formal e multidisciplinar.

O nível de burocracia deve ser proporcional ao risco, não ao entusiasmo com o tema.

Como saber se a empresa já possui Shadow AI?

Alguns sinais são fortes.

• funcionários citam várias ferramentas diferentes;
• não existe política de IA;
• TI não sabe quais serviços são utilizados;
• contas são criadas com e-mails pessoais;
• cartões corporativos pagam diferentes ferramentas de IA;
• arquivos corporativos são enviados para serviços externos;
• extensões são instaladas livremente;
• desenvolvedores conectam APIs sem registro;
• departamentos criam bots próprios;
• ninguém sabe quais dados entram nos prompts;
• não existe ferramenta corporativa aprovada;
• não existe processo para solicitar uma nova IA.

Se a empresa possui vários desses sinais, o primeiro passo não precisa ser uma auditoria punitiva. Pode ser uma descoberta estruturada do uso real.

Como medir a maturidade de governança de IA?

Casos de Sucesso - Cintra IT

Os exemplos abaixo são cenários ilustrativos, baseados em situações recorrentes de Shadow AI, governança, Microsoft 365 e segurança de dados. Não representam promessa de resultado, cliente real identificado ou garantia de desempenho. A proposta é mostrar como uma estratégia de governança pode ser aplicada de forma prática.

Checklist final para controlar Shadow AI na empresa

• Descubra as ferramentas: identifique quais aplicações de IA estão em uso;
• Converse com as equipes: entenda por que cada ferramenta foi adotada;
• Mapeie casos de uso: ferramenta sem finalidade clara aumenta risco e custo;
• Crie inventário: registre fornecedor, responsável, finalidade e usuários;
• Classifique aplicações: sancionada, restrita, em avaliação ou não sancionada;
• Classifique dados: público, interno, confidencial e restrito;
• Defina dados permitidos: funcionário não deve decidir sozinho em cada prompt;
• Defina dados proibidos: credenciais e segredos precisam de regra explícita;
• Avalie contratos: entenda o produto e a modalidade realmente utilizados;
• Revise uso para treinamento: confirme a política específica do fornecedor e do plano;
• Revise retenção: saiba por quanto tempo interações e arquivos permanecem disponíveis;
• Revise subprocessadores: principalmente em cenários sensíveis;
• Prefira contas corporativas: quando o uso envolver trabalho da empresa;
• Use SSO quando disponível: centralize identidade;
• Use MFA: proteja contas corporativas de IA;
• Centralize provisionamento: saiba quem possui acesso;
• Crie offboarding: desligamentos precisam remover IA e integrações;
• Revise compartilhamentos: links e conteúdos gerados também podem expor informação;
• Revise extensões: navegador e IDE também fazem parte da superfície;
• Revise plugins e conectores: fontes conectadas ampliam o alcance da IA;
• Controle APIs: chaves e projetos precisam de gestão;
• Revise agentes: ferramentas autônomas exigem controles adicionais;
• Aplique menor privilégio: agentes e aplicativos acessam somente o necessário;
• Separe leitura e escrita: autorização de alteração merece rigor maior;
• Exija aprovação para ações críticas: mantenha humanos no processo quando necessário;
• Use DLP quando aplicável: proteja informações sensíveis;
• Gerencie dispositivos: controle pode depender do endpoint corporativo;
• Gerencie navegadores: instalações e extensões merecem governança;
• Utilize descoberta de aplicações: monitore o uso real;
• Crie logs: aplicações críticas precisam de rastreabilidade;
• Monitore volume de dados: transferências incomuns merecem análise;
• Revise respostas críticas: IA não deve ser tratada como fonte infalível;
• Defina revisão humana: principalmente em decisões de maior impacto;
• Treine funcionários: política só funciona quando é compreendida;
• Crie exemplos práticos: mostre o que pode e o que não pode;
• Crie canal de aprovação: novos casos de uso não devem ficar meses esperando;
• Crie processo de exceção: áreas podem possuir necessidades legítimas diferentes;
• Integre jurídico e privacidade: IA também envolve contratos e dados;
• Revise LGPD quando houver dados pessoais: avalie tratamento e responsabilidades;
• Revise fornecedores periodicamente: produtos e políticas mudam;
• Revise licenças: elimine contas e ferramentas sem uso;
• Monitore novos agentes: automação autônoma merece atenção específica;
• Atualize a política: governança de IA não deve ficar congelada;
• Meça adoção: saiba se a alternativa corporativa está sendo utilizada;
• Meça incidentes: aprenda com ocorrências e desvios;
• Meça valor: segurança e produtividade precisam evoluir juntas.

Perguntas frequentes sobre Shadow AI

O que é Shadow AI?

Shadow AI é o uso de ferramentas, aplicativos ou agentes de inteligência artificial no ambiente corporativo sem conhecimento, aprovação ou governança adequada da organização. Isso pode incluir chatbots, geradores de conteúdo, assistentes de código, APIs, agentes e outras ferramentas de IA.

Usar ChatGPT no trabalho é Shadow AI?

Não necessariamente. O uso se torna Shadow AI quando ocorre fora das políticas, controles ou ferramentas aprovadas pela organização. Uma empresa pode autorizar ChatGPT Business ou outra plataforma corporativa e, ao mesmo tempo, restringir contas pessoais ou serviços não avaliados para determinados dados e processos.

Qual é o maior risco do Shadow AI?

Um dos principais riscos é a perda de visibilidade sobre quais informações estão sendo enviadas para quais serviços, por quais usuários e com qual finalidade. Isso pode gerar exposição de dados, uso de ferramentas inadequadas, falhas de conformidade e decisões baseadas em respostas não verificadas.

A empresa deve bloquear todas as ferramentas de IA?

Não necessariamente. Uma estratégia madura começa por descobrir o uso real, classificar riscos, definir ferramentas sancionadas, restringir dados sensíveis, aplicar controles e oferecer alternativas corporativas adequadas. Bloqueio pode ser necessário para determinadas ferramentas ou cenários, mas não precisa ser a única medida.

ChatGPT Business usa dados da empresa para treinar modelos?

A OpenAI informa que, por padrão, não usa entradas e saídas de seus produtos empresariais, incluindo ChatGPT Business e ChatGPT Enterprise, para treinar seus modelos. Políticas e controles podem diferir entre produtos, planos e configurações, por isso a organização deve avaliar a modalidade utilizada antes de autorizar dados corporativos.

Como controlar Shadow AI na empresa?

O controle envolve descoberta de aplicativos utilizados, classificação de risco, política de IA, inventário de ferramentas aprovadas, DLP, gestão de identidade, dispositivos corporativos, monitoramento, treinamento, contratos adequados, revisão de fornecedores e procedimentos para uso de dados sensíveis.

Microsoft 365 consegue identificar Shadow AI?

Determinadas soluções e licenças da Microsoft oferecem recursos de descoberta de aplicações generativas, análise de risco, controle de aplicações e proteção de dados. Entre as tecnologias documentadas estão Global Secure Access, Defender for Cloud Apps e Microsoft Purview, com funcionalidades que variam conforme a arquitetura e o licenciamento.

Shadow AI é problema apenas de empresas grandes?

Não. Empresas pequenas também podem utilizar contas pessoais, ferramentas gratuitas, extensões e serviços SaaS sem governança. A diferença é que uma organização menor pode aplicar uma política mais simples e proporcional à sua estrutura.

Posso colocar dados de clientes em uma IA?

Não existe uma resposta universal. A empresa precisa avaliar a ferramenta, modalidade contratada, finalidade, política interna, tipo de dado, medidas de segurança e requisitos aplicáveis ao tratamento. Dados pessoais e informações confidenciais não devem ser enviados indiscriminadamente para qualquer serviço.

Como incentivar IA sem aumentar Shadow AI?

Ofereça ferramentas corporativas adequadas, treinamento, regras objetivas e um processo rápido de aprovação de novos casos de uso. Quanto mais difícil for utilizar IA de forma oficial, maior tende a ser o incentivo para soluções paralelas.

Conclusão - Shadow AI deve ser transformado em adoção governada de inteligência artificial

Shadow AI não deve ser tratado apenas como um problema de comportamento do usuário. Na maioria das organizações, ele revela uma demanda real por produtividade, automação, pesquisa e apoio à decisão que surgiu mais rápido do que a política corporativa.

O risco aparece quando essa adoção acontece sem visibilidade. Contas pessoais recebem arquivos corporativos, extensões são instaladas sem avaliação, APIs são conectadas sem registro e diferentes equipes contratam ferramentas com políticas distintas. Quando agentes entram nesse cenário, o desafio aumenta porque a IA pode passar de análise para execução.

A resposta mais madura começa por descoberta. A empresa precisa conhecer o uso atual antes de decidir o que sancionar, restringir ou bloquear. Depois, deve classificar dados, avaliar fornecedores, oferecer alternativas corporativas, aplicar identidade e DLP quando necessário e criar uma política compreensível para quem realmente utiliza as ferramentas.

Governança também não deve anular inovação. O objetivo é transformar IA não gerenciada em IA administrada. Uma equipe que encontrou um processo extremamente produtivo com determinada ferramenta pode estar revelando uma oportunidade de automação que merece ser formalizada, e não simplesmente eliminada.

Na visão da Cintra IT, Shadow AI precisa ser tratado como uma combinação de segurança, identidade, dados, dispositivos e processo. A Solução em TI pode conectar Microsoft 365, Entra, dispositivos, proteção de dados, inventário, políticas e monitoramento para permitir que a empresa utilize inteligência artificial com mais controle sem bloquear sua capacidade de inovar.

Como a Cintra IT pode apoiar sua empresa?

A Cintra IT pode apoiar empresas que já perceberam o uso crescente de ChatGPT, Copilot, Gemini, Claude, agentes ou outras ferramentas de IA e precisam transformar essa adoção espontânea em uma arquitetura gerenciada. O trabalho pode partir de um levantamento de aplicações, usuários, contas, dispositivos, dados e integrações para definir controles proporcionais à realidade da organização.

Governança de Shadow AI dentro da Solução em TI

• Levantamento de ferramentas de IA utilizadas;
• Inventário de aplicações sancionadas e não sancionadas;
• Análise de contas pessoais versus corporativas;
• Revisão de identidade e autenticação;
• Avaliação de Microsoft Entra e controles de acesso;
• Análise de dispositivos gerenciados;
• Revisão de extensões e aplicações instaladas;
• Apoio à classificação de informações;
• Estruturação técnica de políticas de DLP quando aplicável;
• Avaliação de Microsoft Purview e Defender for Cloud Apps;
• Monitoramento e descoberta de aplicações conforme licenciamento;
• Documentação e revisão periódica do ambiente.

Integração entre IA, identidade, dados e segurança

• Definir quais ferramentas podem receber quais categorias de informação;
• Separar uso pessoal de uso corporativo;
• Centralizar provisionamento e desligamento;
• Aplicar MFA e SSO quando disponíveis;
• Controlar integrações e conectores;
• Aplicar menor privilégio a agentes e aplicações;
• Registrar ferramentas e responsáveis;
• Monitorar novas aplicações generativas;
• Criar processos de aprovação de novos casos de uso;
• Evitar bloqueios indiscriminados quando existe alternativa controlada;
• Revisar continuamente riscos e fornecedores;
• Transformar adoção espontânea de IA em capacidade empresarial governada.