Shadow AI: 3 medidas para reduzir o risco de cibersegurança
A Inteligência Artificial já entrou nas empresas. O problema é que, em muitas delas, entrou antes da Segurança da Informação.
Funcionários utilizam ChatGPT, Claude, Gemini, Copilot e dezenas de outros serviços para revisar contratos, analisar planilhas, resumir reuniões, escrever código, preparar apresentações, responder clientes e automatizar tarefas. Desenvolvedores conectam assistentes de programação aos seus ambientes de desenvolvimento. Áreas de negócio experimentam ferramentas SaaS que incorporam recursos de IA praticamente da noite para o dia. E, mais recentemente, agentes de IA começaram a receber permissões para consultar sistemas, manipular informações e executar ações.
Parte significativa dessa utilização pode acontecer sem que Segurança da Informação, TI, Jurídico ou Privacidade saibam exatamente qual ferramenta está sendo utilizada, por quem, quais dados estão sendo enviados, onde essas informações são processadas e o que o provedor pode fazer com elas.
Esse fenômeno recebeu um nome: Shadow AI.
O conceito lembra o conhecido Shadow IT, mas existe uma diferença importante. Quando um funcionário utiliza uma aplicação não homologada, a organização ganha um ativo tecnológico desconhecido. Quando utiliza uma IA não governada, pode também criar um novo fluxo de dados corporativos para fora do perímetro controlado — e, em determinados cenários, conceder a um sistema externo capacidade para interpretar informações, acessar outros recursos e até executar ações.
É por isso que tratar Shadow AI simplesmente bloqueando sites pode ser uma resposta confortável, mas insuficiente. O problema precisa ser abordado em três frentes complementares: descobrir onde a IA já está sendo utilizada, estabelecer regras claras para seu uso e implementar controles capazes de proteger os dados no momento em que eles encontram a IA.
O tamanho do problema já começa a aparecer nos números
O Cost of a Data Breach Report 2025, da IBM, colocou números em uma preocupação que até recentemente era tratada principalmente como risco emergente. Entre as organizações estudadas que sofreram violações, 63% não possuíam políticas de governança de IA ou ainda estavam desenvolvendo essas políticas. A IBM também informou que uma em cada cinco organizações pesquisadas registrou uma violação relacionada a Shadow AI.
Mais preocupante é o impacto financeiro. Segundo a IBM, organizações com alto nível de Shadow AI apresentaram, em média, US$ 670 mil adicionais nos custos de uma violação de dados, quando comparadas àquelas com níveis baixos ou inexistentes dessa prática. Incidentes envolvendo Shadow AI também apresentaram proporções maiores de comprometimento de informações pessoalmente identificáveis e propriedade intelectual.
O cenário continuou aparecendo nas pesquisas publicadas em 2026. A Cloud Security Alliance (CSA) descreve Shadow AI não apenas como funcionários utilizando chatbots não autorizados, mas como uma superfície muito mais ampla, que pode incluir modelos, agentes autônomos, APIs, integrações, extensões, recursos incorporados em SaaS, endpoints privados de modelos e fluxos low-code conectados aos dados corporativos.
Essa ampliação muda bastante a discussão.
O risco não está apenas em saber se alguém acessou determinado endereço de IA generativa. Está em compreender o que essa IA consegue enxergar, quais informações recebe, sob qual identidade está operando e quais sistemas consegue alcançar.
Shadow AI não significa necessariamente funcionário mal-intencionado
Existe uma interpretação equivocada que pode prejudicar qualquer programa corporativo de controle de IA: imaginar Shadow AI essencialmente como desobediência.
Na maioria das situações, o funcionário está tentando trabalhar melhor.
Uma ferramenta consegue analisar em segundos uma planilha que levaria horas para ser revisada. Outra transforma a gravação de uma reunião em ata. Um desenvolvedor consegue encontrar um erro no código muito mais rapidamente. Um profissional comercial prepara uma proposta utilizando IA generativa. Um analista financeiro solicita ao modelo que interprete dados de uma planilha.
A produtividade é real.
O problema aparece quando, para obter essa produtividade, o usuário fornece ao modelo informações que não deveriam sair do ambiente controlado da organização.
Pode ser um contrato.
Pode ser código-fonte.
Pode ser uma planilha financeira.
Pode ser uma lista de clientes.
Pode ser um relatório de vulnerabilidades.
Pode ser uma credencial inserida acidentalmente dentro de um trecho de configuração.
Ou simplesmente dados pessoais tratados pela organização.
A OWASP trata a divulgação de informações sensíveis (Sensitive Information Disclosure) como LLM02:2025 em seu Top 10 para aplicações baseadas em LLM e IA generativa. Entre as informações potencialmente afetadas estão dados pessoais, informações financeiras, dados de saúde, credenciais, documentos jurídicos e informações corporativas confidenciais.
A primeira conclusão, portanto, é importante: Shadow AI é menos um problema sobre “usar IA” e mais um problema sobre utilizar IA sem visibilidade, avaliação de risco e controles adequados.
E isso conduz à primeira medida.
1. Descubra a Shadow AI antes de tentar controlá-la
Uma organização dificilmente consegue proteger aquilo que não sabe que existe.
O primeiro passo, portanto, não deveria ser bloquear indiscriminadamente ferramentas de IA, mas estabelecer visibilidade sobre como a IA já está sendo utilizada dentro do ambiente corporativo.
Essa descoberta precisa ir além de perguntar aos funcionários se utilizam ChatGPT.
É necessário identificar serviços de IA generativa acessados pelos usuários, extensões instaladas nos navegadores, aplicações SaaS com funcionalidades de IA, assistentes de programação, APIs de modelos, integrações, agentes, serviços MCP e outros componentes capazes de processar informações corporativas.
A própria Microsoft passou a tratar tecnicamente esse problema como Shadow AI Discovery. Em sua documentação do Microsoft Entra Global Secure Access, a empresa descreve mecanismos para identificar tráfego relacionado a aplicações de IA generativa, APIs de provedores de modelos e servidores MCP utilizados sem aprovação da organização.
Mas descobrir a ferramenta é apenas metade da equação.
A pergunta mais importante é:
O que está passando por ela?
Imagine que a Segurança da Informação descubra que 200 funcionários utilizam determinada ferramenta de IA. Esse número isoladamente diz pouco sobre o risco.
Se os usuários estiverem solicitando sugestões para melhorar textos institucionais públicos, existe determinado nível de exposição.
Se estiverem enviando contratos confidenciais, código-fonte ou dados de clientes, o cenário é completamente diferente.
A descoberta precisa, portanto, evoluir para um inventário corporativo de utilização de IA, registrando pelo menos ferramenta ou serviço, proprietário, finalidade, usuários, dados que podem ser processados, integrações existentes, sistemas acessíveis e classificação de risco.
Essa abordagem está alinhada ao princípio de gestão de riscos presente na ABNT NBR ISO/IEC 27001:2022, particularmente em suas cláusulas 6.1.2 — Avaliação de riscos de segurança da informação, 6.1.3 — Tratamento de riscos da segurança da informação, além das cláusulas 8.2 e 8.3, relacionadas à avaliação e ao tratamento dos riscos durante a operação. A norma não possui um requisito denominado “Shadow AI”; essa relação é uma aplicação dos requisitos gerais de gestão de riscos ao contexto de utilização de IA, e não um requisito específico criado pela ISO.
O NIST segue raciocínio semelhante no AI Risk Management Framework (AI RMF), estruturando a gestão dos riscos de IA nas funções Govern, Map, Measure e Manage. O modelo pressupõe que os riscos sejam identificados, contextualizados, avaliados e continuamente gerenciados ao longo do ciclo de vida do sistema.
Em outras palavras:
antes de criar controles para Shadow AI, a organização precisa transformar o invisível em inventário.
2. Crie uma política de IA que as pessoas consigam realmente cumprir
Descobrir a utilização de IA sem estabelecer regras produz apenas um inventário de problemas.
A segunda medida é estabelecer governança clara para o uso corporativo da Inteligência Artificial.
Mas existe uma diferença enorme entre possuir uma política de IA e possuir uma política que funciona.
Um documento de 30 páginas dizendo genericamente que “informações confidenciais não devem ser inseridas em sistemas não autorizados” provavelmente terá pouco efeito se o funcionário não souber quais ferramentas são autorizadas, quais informações são consideradas confidenciais e qual alternativa corporativa deve utilizar.
Uma política operacional precisa responder perguntas simples:
- Quais ferramentas de IA podem ser utilizadas?
- Para quais finalidades?
- Quais categorias de informações podem ser processadas?
- Quais informações nunca podem ser enviadas para serviços públicos de IA?
- É permitido utilizar contas pessoais para atividades profissionais?
- Como uma nova ferramenta pode ser homologada?
- Quem é responsável pela avaliação de Segurança, Privacidade, Jurídico e Compliance?
- Como devem ser tratados agentes, plugins, extensões, APIs e integrações com sistemas corporativos?
Esse último ponto torna-se particularmente importante com a evolução da IA agêntica.
Quando uma IA deixa apenas de responder perguntas e passa a acessar e-mail, arquivos, bancos de dados, repositórios de código, CRM ou infraestrutura de nuvem, surge uma nova dimensão do risco.
Nesse cenário, o agente começa a se comportar quase como uma identidade não humana.
Ele possui credenciais.
Possui permissões.
Acessa recursos.
Executa operações.
E, consequentemente, possui um blast radius.
A CNCF destacou esse aspecto em agosto de 2026 ao analisar Shadow AI dentro de pipelines de desenvolvimento e ambientes Kubernetes: agentes não governados podem alcançar código-fonte, secrets, dados de clientes, ambientes cloud e processos de deployment. A recomendação é tratar agentes como identidades próprias, utilizando credenciais específicas, privilégios mínimos e tokens de curta duração.
É uma mudança importante de perspectiva.
A pergunta deixa de ser somente: “Qual IA o funcionário está usando?”
e passa também a ser: “O que essa IA está autorizada a fazer em nome dele?”
Na ISO/IEC 27001:2022, novamente não existe um controle específico denominado Shadow AI. Entretanto, vários controles do Anexo A podem contribuir para o tratamento dos riscos associados, dependendo da avaliação realizada pela organização, incluindo A.5.9 — Inventário de informações e outros ativos associados; A.5.10 — Uso aceitável de informações e outros ativos associados; A.5.12 — Classificação da informação; A.5.14 — Transferência de informações; A.5.15 — Controle de acesso; A.5.16 — Gestão de identidade; A.5.18 — Direitos de acesso; A.5.23 — Segurança da informação para uso de serviços em nuvem; A.5.31 — Requisitos legais, estatutários, regulamentares e contratuais; A.5.32 — Direitos de propriedade intelectual; e A.5.34 — Privacidade e proteção de dados pessoais. A aplicabilidade de cada controle deve resultar da avaliação e do tratamento de riscos da própria organização.
Governança, portanto, não significa criar uma burocracia destinada a impedir IA.
Significa construir guardrails que permitam utilizá-la dentro de limites conhecidos.
3. Controle o dado no momento em que ele encontra a IA
Talvez essa seja a medida mais importante das três.
Mesmo com inventário, política e treinamento, alguém eventualmente tentará copiar uma informação sensível para uma IA não autorizada.
É nesse momento que a governança precisa deixar de ser apenas documental e tornar-se controle técnico.
Durante anos, muitas estratégias de Data Loss Prevention (DLP) foram construídas observando e-mail, dispositivos removíveis, armazenamento em nuvem e transferência de arquivos. A IA generativa criou um novo canal extremamente simples para movimentação de informações: o prompt.
O usuário não precisa enviar um arquivo inteiro, basta copiar e colar para que código-fonte, dados pessoais, contratos, informações financeiras, credenciais, relatórios internos e propriedade intelectual saiam do ambiente corporativo através de uma simples caixa de texto no navegador.
É por isso que o ponto de controle está migrando para mais perto da interação.
Em março de 2026, por exemplo, a Microsoft anunciou ampliação das proteções de Shadow AI no Edge for Business integradas ao Microsoft Purview. A abordagem permite analisar prompts e uploads de arquivos e, quando informações sensíveis são identificadas, registrar ou bloquear a operação conforme a política corporativa.
A ideia é importante independentemente da tecnologia escolhida.
O controle moderno de Shadow AI precisa conseguir correlacionar pelo menos quatro elementos: usuário + aplicação de IA + sensibilidade do dado + contexto da operação.
Um prompt contendo informações públicas enviado para uma ferramenta aprovada representa determinado risco.
O mesmo usuário tentando enviar um contrato classificado como confidencial para uma conta pessoal de um serviço público representa outro completamente diferente.
Isso significa que controles como Secure Enterprise Browser, DLP, CASB, SSE/SASE, SWG, classificação da informação, IAM e controles de endpoint podem assumir papel relevante na arquitetura de proteção contra Shadow AI.
Não existe, entretanto, uma tecnologia única capaz de resolver o problema.
A arquitetura precisa acompanhar o fluxo do dado.
Se a organização proteger apenas o endpoint, mas não enxergar aplicações SaaS, haverá uma lacuna.
Se controlar somente o tráfego de rede, mas permitir contas pessoais ou navegadores não gerenciados, poderá existir outra.
Se bloquear aplicações conhecidas, mas não identificar novas ferramentas, extensões ou funcionalidades de IA incorporadas a aplicações previamente aprovadas, surgirá novamente um ponto cego.
O objetivo não é simplesmente construir uma lista negra de sites de IA.
É estabelecer controle contextual sobre o uso da informação.
O paradoxo: bloquear toda IA pode aumentar a Shadow AI
Existe ainda uma consequência pouco intuitiva.
Quanto mais difícil for utilizar IA oficialmente, maior pode ser o incentivo para procurar alternativas não autorizadas.
Se um funcionário consegue realizar uma tarefa em dez minutos utilizando uma IA pública, enquanto o processo corporativo exige abrir uma solicitação, esperar aprovação e aguardar vários dias por uma alternativa, a segurança passa a competir diretamente com a produtividade.
E frequentemente perde.
Por isso, organizações mais maduras precisam trabalhar simultaneamente em duas direções: reduzir o espaço disponível para utilização insegura e oferecer uma alternativa segura suficientemente boa para que o usuário não precise contornar os controles.
Essa lógica aparece claramente nas discussões mais recentes sobre o tema. Em junho de 2026, a Check Point argumentou que Shadow AI é também um problema de velocidade: políticas corporativas evoluem em ritmo diferente daquele em que funcionários incorporam IA ao trabalho diário. Quando o controle acontece apenas depois do registro do evento, o dado pode já ter sido enviado.
Um estudo acadêmico publicado em agosto de 2026 no periódico Technological Forecasting and Social Change chegou a conclusão complementar: conscientização sobre políticas e treinamento estão associados à redução do compartilhamento arriscado de dados com ferramentas de IA, enquanto a percepção de ganho de eficiência estimula sua utilização.
A conclusão é relevante para Segurança da Informação.
Não basta dizer ao funcionário onde ele não pode utilizar IA. É necessário mostrar onde ele pode.
Treinamento continua sendo controle de segurança
Tecnologia sozinha não resolverá Shadow AI porque existe uma decisão humana antes de quase todo prompt.
O funcionário precisa reconhecer que colar uma relação de clientes em uma IA não é equivalente a realizar uma pesquisa convencional na Internet.
Precisa compreender que um contrato, trecho de código-fonte, relatório de vulnerabilidades ou documento estratégico continua sendo informação corporativa protegida mesmo quando é utilizado apenas como “contexto” para uma pergunta.
Essa necessidade encontra correspondência direta com a ABNT NBR ISO/IEC 27001:2022, tanto na cláusula 7.3 — Conscientização quanto no controle A.6.3 — Conscientização, educação e treinamento em segurança da informação.
Mas o treinamento também precisa mudar.
A velha apresentação anual sobre phishing, senhas e política de mesa limpa não prepara alguém para decidir se pode enviar determinada informação a um LLM.
As organizações precisam incorporar cenários reais de IA às campanhas de conscientização:
- “Posso enviar este contrato?”
- “Posso utilizar código-fonte?”
- “Posso resumir uma reunião confidencial?”
- “Posso usar minha conta pessoal?”
- “Posso instalar esta extensão?”
- “Posso conectar este agente ao SharePoint?”
- “Posso permitir que a IA acesse meu e-mail?”
São perguntas desse tipo que aparecem no trabalho cotidiano.
Shadow AI precisa entrar formalmente na gestão de riscos
Existe um erro estratégico ainda mais perigoso do que não possuir uma política específica: tratar Shadow AI como assunto exclusivamente de TI.
O problema atravessa Segurança da Informação, Privacidade, Jurídico, Compliance, Recursos Humanos, Desenvolvimento, Compras, Gestão de Terceiros e as próprias áreas de negócio.
Dependendo do dado processado e da ferramenta utilizada, uma única interação pode envolver simultaneamente confidencialidade, proteção de dados pessoais, propriedade intelectual, obrigações contratuais, residência de dados, retenção de informações e exposição de credenciais.
O NIST AI RMF oferece uma referência particularmente útil porque coloca governança como função transversal às atividades de identificação, medição e gestão dos riscos de IA. Seu perfil específico para IA generativa, o NIST AI 600-1, complementa o framework com ações voltadas aos riscos particulares dessa tecnologia. O NIST deixa claro que se trata de uma referência de utilização voluntária, não de requisito regulatório universal.
Para empresas que já possuem um Sistema de Gestão da Segurança da Informação baseado na ISO/IEC 27001, não é necessário necessariamente construir um processo de risco completamente paralelo. Shadow AI pode ser incorporada ao processo existente de identificação, análise, avaliação, tratamento e monitoramento dos riscos de Segurança da Informação, acrescentando os cenários específicos introduzidos pela IA.
As três medidas formam um ciclo, não uma sequência
As três medidas podem ser resumidas de maneira bastante simples:
1. Descobrir: identificar quais ferramentas, modelos, agentes e integrações de IA estão sendo utilizados e quais informações estão alcançando esses ambientes.
2. Governar: estabelecer ferramentas aprovadas, usos permitidos, classificação de dados, responsabilidades, processo de homologação, treinamento e requisitos para agentes e integrações.
3. Controlar: aplicar controles técnicos sobre identidade, endpoint, navegador, aplicações, acesso e principalmente sobre o fluxo de informações sensíveis para sistemas de IA.
Mas esse processo não termina depois da implantação.
Novos serviços surgem constantemente. Aplicações SaaS recebem funcionalidades de IA sem necessariamente mudar de nome. Navegadores incorporam agentes. Sistemas corporativos ganham copilotos. Desenvolvedores conectam novos modelos por API. Servidores MCP criam novas pontes entre modelos e aplicações. Agentes recebem novas ferramentas e permissões.
Por isso, Shadow AI precisa ser tratada como processo contínuo de gestão de risco, e não como projeto pontual de bloqueio de aplicações.
Conclusão: a empresa provavelmente já utiliza mais IA do que imagina
A discussão sobre Shadow AI frequentemente começa pela pergunta errada: “Devemos permitir que nossos funcionários utilizem IA?”
Em 2026, para muitas organizações, essa pergunta provavelmente já perdeu o prazo.
A questão mais útil tornou-se: “Como a IA já está sendo utilizada dentro da organização e quais dados estão chegando até ela?”
A partir daí, a estratégia fica mais clara:
- Descobrir.
- Governar.
- Controlar.
A empresa que simplesmente proíbe IA corre o risco de empurrar sua utilização para ambientes que não consegue enxergar. A organização que libera indiscriminadamente pode transformar produtividade em exposição de dados. Entre esses dois extremos existe um caminho mais sustentável: oferecer ferramentas corporativas adequadas, estabelecer regras compreensíveis, monitorar continuamente o ambiente e impedir tecnicamente que informações sensíveis atravessem fronteiras que não deveriam atravessar.
Shadow AI é, em essência, um velho problema de Segurança da Informação em uma nova escala. Antes, a organização precisava saber onde estavam seus dados e quem podia acessá-los.
Agora existe uma terceira pergunta: quais inteligências artificiais também conseguem acessá-los e onde os dados estão sendo armazenados e tratados?
E talvez seja exatamente aí que comece a próxima geração da governança de Segurança da Informação.
Referências técnicas
- IBM — Cost of a Data Breach Report 2025.
- NIST — Artificial Intelligence Risk Management Framework (AI RMF 1.0).
- NIST AI 600-1 — Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile.
- OWASP — Top 10 for LLM Applications / GenAI 2025.
- Cloud Security Alliance — pesquisas sobre Shadow AI e superfície de ataque de IA, 2026.
- CNCF — Shadow AI in CI/CD: Threat-modeling the path from developer laptop to Kubernetes, agosto de 2026.
- ABNT NBR ISO/IEC 27001:2022, versão corrigida 2023.
Clique e fale com representante oficial Sophos
Veja também:
- Milhares de credenciais AWS vazadas continuam ativas
- Seu funcionário saiu do escritório. Seus dados foram junto?
- Falha CVSS 10 no Microsoft Entra ID permitia execução remota de código
- Ransomware em 2026: 79% dos ataques começam com identidades comprometidas
- Identidade descentralizada: DIDs e credenciais verificáveis entram no radar dos CISOs
- AWS Kiro: quando uma página maliciosa transforma Prompt Injection em execução de código
- Pentest em Sistemas de IA
- Microsoft SharePoint sob ataque: CVE-2026-50522 permite execução remota de código e exige ação imediata
- Amatera Stealer usa blockchain para ocultar servidores C2
- Ransomware em 2026: número de vítimas bate recorde
Be the first to comment