Los altos ejecutivos están impulsando tu riesgo de IA en la sombra
La mayoría de los programas de shadow AI se basan en una suposición equivocada: que el riesgo está en los empleados junior que pegan datos de clientes en un chatbot gratuito para ahorrar tiempo ante una fecha límite. Los nuevos datos de encuestas muestran lo contrario. Son los ejecutivos quienes eluden las reglas, y lo hacen aproximadamente al doble de la tasa de los empleados a su cargo.
Una encuesta realizada por TrustedTech, socio de soluciones de Microsoft, y reportada por CSOonline reveló que casi dos tercios de los altos directivos admiten usar herramientas de IA no aprobadas, «shadow», en comparación con el 31% de los empleados de menor rango. Solo esa diferencia debería cambiar la forma en que los equipos de seguridad piensan sobre la gobernanza de IA. No es un problema de capacitación limitado a los recién contratados. Es un problema de comportamiento de liderazgo, y el liderazgo marca la pauta para todos los que están por debajo.
Lo que hace que este hallazgo sea aún más difícil de ignorar es que la misma encuesta encontró que tres de cada cuatro empleados ya entienden los riesgos para la seguridad y la privacidad que genera el shadow AI. Las personas no usan herramientas no autorizadas por desconocimiento. Los ejecutivos, que suelen tener la mayor visibilidad sobre el costo de una filtración de datos para el negocio, igualmente eligen la conveniencia por encima de la precaución. Un informe separado de Teramind aporta un segundo dato que refuerza la misma conclusión: más de dos tercios de los ejecutivos de nivel C afirman que priorizan la velocidad sobre la seguridad al usar IA.
Para una empresa que ha invertido años en desarrollar programas de gobernanza de datos de IA, políticas de uso aceptable y módulos de capacitación para empleados, esto es una corrección incómoda pero necesaria. Los programas de gobernanza basados en la suposición de que el riesgo sube desde el personal de entrada están enfocados en la parte equivocada de la organización. Quienes aprueban la política de IA suelen ser los mismos que la incumplen.
Puntos Clave
1. Los ejecutivos usan shadow AI aproximadamente al doble de la tasa de sus empleados.
Una encuesta de TrustedTech, socio de soluciones de Microsoft, encontró que casi dos tercios de los altos directivos admiten usar herramientas de IA no aprobadas, en comparación con el 31% de los empleados de menor rango.
2. La conciencia del riesgo no es el problema: el comportamiento sí lo es.
Tres de cada cuatro empleados en la misma encuesta reconocen los riesgos para la seguridad y la privacidad que genera el shadow AI, pero el uso en la alta dirección sigue aumentando.
3. La velocidad le gana a la seguridad en la alta dirección.
Investigaciones de Teramind revelaron que más de dos tercios de los ejecutivos de nivel C priorizan la velocidad sobre la seguridad al usar herramientas de IA en el trabajo.
4. La mayoría de la actividad de IA empresarial ya ocurre fuera de la vista de TI.
Según Teramind, dos tercios de la actividad de IA empresarial sucede a través de cuentas personales en plataformas que la empresa ya tiene licenciadas, lo que significa que las herramientas están aprobadas pero las cuentas no.
5. La política por sí sola no corregirá un hábito a nivel ejecutivo.
Cerrar esta brecha requiere gobernar qué contenido confidencial pueden realmente alcanzar las herramientas y agentes de IA, con controles aplicados en el punto de acceso y no en un manual de capacitación que nadie lee dos veces.
Confías en que tu organización es segura. Pero ¿puedes comprobarlo?
Leer ahora
Lo que realmente muestran los datos de TrustedTech y Teramind
Vale la pena analizar los números concretos en lugar de ver esto como una tendencia vaga, porque la magnitud es mayor de lo que la mayoría de los equipos de seguridad han presupuestado.
El hallazgo de TrustedTech de que casi dos tercios de los altos directivos usan herramientas de IA no aprobadas no es un error de redondeo frente al 31% de empleados de menor rango: es más del doble. En la práctica, eso significa que quienes tienen los controles de acceso más amplios, la mayor visibilidad sobre resultados financieros, actividad de fusiones y adquisiciones, estrategia legal y planes de productos no lanzados, también son el grupo más propenso a mover esa información a herramientas que TI nunca evaluó. Los ejecutivos no manejan archivos de bajo valor. Manejan los archivos sobre los que la junta preguntaría al día siguiente de una filtración: contratos, documentos de M&A y propiedad intelectual que representan las categorías de contenido de mayor valor y riesgo para la organización.
La investigación de Teramind afina aún más el panorama. Dos tercios de la actividad de IA empresarial ocurre a través de cuentas personales en plataformas que la empresa ya tiene licenciadas. Esa distinción importa. No se trata principalmente de empleados recurriendo a startups de IA desconocidas o no licenciadas. En muchos casos, es gente que inicia sesión con una cuenta personal en una herramienta que su propia empresa paga bajo un acuerdo empresarial, lo que elimina los controles de administración, los registros de auditoría y las configuraciones de retención de datos que la licencia empresarial debía garantizar. La empresa compró la versión gobernada de la herramienta. El ejecutivo usa la versión no gobernada, en la misma plataforma, desde el mismo portátil.
Esta brecha es precisamente la razón por la que la mayoría de las organizaciones aún no puede responder una pregunta básica sobre su propia exposición a la IA: cuánto ocurre realmente en cuentas que nadie gestiona. La visibilidad, no otro documento de política, es la pieza faltante. Una evaluación formal de riesgos que mapee el uso actual de herramientas de IA tanto en cuentas corporativas como personales —cuantificando qué categorías de contenido fluyen por inicios de sesión no gobernados— da a los equipos de seguridad la base probatoria que necesitan para priorizar la inversión en gobernanza en vez de reaccionar ante la próxima revelación.
Por qué los ejecutivos eluden las reglas que aprobaron
Hay una pregunta razonable detrás de todo esto: ¿por qué quienes aprobaron la política de IA son los más propensos a ignorarla?
Parte de la respuesta es el acceso. Los ejecutivos generalmente enfrentan menos obstáculos prácticos para usar cualquier herramienta que deseen. No están sujetos a la misma gestión de dispositivos, restricciones de red o supervisión de un gerente que un empleado de nivel medio. Si una política depende de la fricción —un dominio bloqueado, una descarga señalada, un gerente que se da cuenta— los ejecutivos suelen ser el grupo con menos fricción en su camino.
Parte de la respuesta es el incentivo. Los líderes senior son evaluados por resultados: ingresos, plazos, posicionamiento competitivo. Una herramienta de IA que redacta una presentación para la junta durante la noche o resume un expediente de due diligence en una tarde es un intercambio fácil frente a un riesgo abstracto y futuro de exposición de datos. El hallazgo de Teramind de que más de dos tercios de los ejecutivos de nivel C priorizan la velocidad sobre la seguridad no es realmente un misterio si consideras por qué se les recompensa.
Y parte de la respuesta es simplemente que los documentos de política no escalan al comportamiento. Una política de uso aceptable puede definir exactamente qué herramientas están aprobadas y cuáles no, pero un documento no puede evitar que alguien abra una cuenta personal en una pestaña del navegador. La capacitación en concienciación de seguridad puede aumentar aún más el número de tres de cada cuatro en reconocimiento del riesgo, y probablemente los números de shadow AI en ejecutivos se mantendrían igual, porque la conciencia nunca fue la pieza faltante. Lo que falta es un control que se aplique sin importar qué cuenta, dispositivo o inicio de sesión elija una persona. El shadow AI —IA no gobernada que opera completamente fuera del perímetro de la política empresarial— es estructuralmente diferente de una infracción de política por parte de un empleado conocido usando una herramienta conocida; es invisible para el equipo de seguridad a menos que la gobernanza esté ligada al contenido mismo y no a la pantalla de inicio de sesión.
El problema de las cuentas personales: herramientas gobernadas, acceso no gobernado
El hallazgo de Teramind sobre las cuentas personales merece atención propia porque expone un modo de falla específico que la mayoría de los programas de gobernanza de IA no están diseñados para detectar.
Los equipos de seguridad tienden a evaluar el riesgo de IA a nivel de herramienta: ¿esta plataforma de IA está aprobada o no?, ¿aparece en la lista de proveedores autorizados?, ¿legal revisó sus términos de procesamiento de datos? Esa evaluación funciona cuando el riesgo es «un empleado usa una herramienta de IA no evaluada». Hace casi nada cuando el riesgo es «un empleado usa una herramienta de IA evaluada a través de una cuenta que la empresa no gestiona». La herramienta pasa la revisión. La cuenta elude todos los controles que esa revisión debía aplicar.
Por eso la gobernanza de datos basada en listas de herramientas aprobadas es necesaria pero no suficiente. Un contrato empresarial con un proveedor de IA normalmente incluye compromisos de residencia de datos, límites de retención, registros de auditoría a nivel administrador y una garantía de que las entradas de los clientes no se usan para entrenar modelos. Una cuenta personal en la misma plataforma normalmente no incluye nada de eso. Que dos tercios de la actividad de IA empresarial ocurra mediante inicios de sesión personales, según Teramind, significa que dos tercios de esa actividad probablemente sucede fuera de todas esas protecciones, aunque la empresa ya las haya negociado. Para organizaciones que gestionan PII, PHI u otras categorías de datos regulados, esta brecha no es solo una preocupación de seguridad: es un fallo de cumplimiento normativo que las obligaciones de notificación, los requisitos de auditoría y las investigaciones de las autoridades supervisoras sacarán a la luz en el próximo incidente.
La solución práctica no es una lista más larga de dominios prohibidos. Es controlar qué contenido confidencial puede llegar a una herramienta de IA desde el principio, independientemente de qué cuenta haga la solicitud. Si un motor de políticas se sitúa entre el contenido y la solicitud, en vez de entre el empleado y la pantalla de inicio de sesión, no importa si la solicitud viene de una cuenta corporativa o personal: el archivo confidencial cumple o no con la regla de acceso. La clasificación de datos aplicada al contenido empresarial antes de que llegue a cualquier herramienta de IA es el requisito previo que permite esta aplicación precisa: un motor de políticas no puede aplicar reglas de acceso basadas en sensibilidad a contenido que no ha sido categorizado.
Por qué la capacitación y la política por sí solas no cierran la brecha a nivel ejecutivo
La mayoría de los esfuerzos de gobernanza de IA empresarial hasta la fecha se han apoyado en tres herramientas: una política de uso aceptable, capacitación en concienciación de seguridad y una lista de proveedores aprobados. Las tres son útiles. Ninguna aborda lo que realmente describen los datos de TrustedTech y Teramind.
Un documento de política solo cambia el comportamiento de quienes lo leen, creen que les aplica y no tienen un camino más fácil para eludirlo. La capacitación aumenta la conciencia, y las encuestas ya muestran que la conciencia no es la brecha: tres de cada cuatro empleados ya reconocen el riesgo. Una lista de proveedores aprobados gobierna qué herramientas apoyará TI, no qué inicio de sesión usará un ejecutivo para acceder a una herramienta aprobada desde una cuenta personal.
Ninguno de estos controles opera en el momento que realmente importa: el punto en el que un archivo, una carpeta o un conjunto de datos se entregaría a un sistema de IA. Esa es la capa donde los principios de protección de datos de confianza cero se aplican directamente: nunca confiar por defecto en una solicitud, verificarla contra la política cada vez y hacer cumplir esa política de la misma manera sin importar el cargo, dispositivo o tipo de cuenta. Una solicitud de un ejecutivo para resumir un archivo de cliente se evalúa bajo la misma regla que la de cualquier otra persona, porque la regla está ligada a los datos, no al rango de la persona. La minimización de datos aplicada en esta capa —entregando solo el contenido mínimo que la tarea de IA requiere, en vez de conceder acceso amplio a repositorios completos— reduce aún más el alcance de cualquier fallo de gobernanza que ocurra.
Gobernar la IA en la capa de datos: lo que realmente cierra la brecha
Si el comportamiento ejecutivo es la fuente del riesgo, la solución debe funcionar independientemente de ese comportamiento. Eso implica cambiar el control de «qué herramientas están aprobadas» a «qué contenido confidencial puede realmente acceder cualquier herramienta o agente de IA, y bajo qué condiciones».
Un modelo de gobernanza construido en la capa de datos evalúa cada solicitud de IA contra la política en tiempo real: cuál es la clasificación del archivo, quién o qué solicita, cuál es la justificación empresarial y si esa solicitud cumple la regla. No importa si el solicitante es una persona usando un inicio de sesión corporativo autorizado, una persona usando una cuenta personal en esa misma plataforma, o un agente de IA actuando en nombre de alguien: la solicitud cumple la política de acceso o se deniega. Esta es la misma lógica que ya se aplica al control de acceso basado en roles y al control de acceso basado en atributos para usuarios humanos, extendida para cubrir las solicitudes que los sistemas de IA generan en su nombre.
Dos capacidades son clave en este modelo. La primera es el control de acceso por solicitud: cada interacción de IA con contenido confidencial se evalúa según clasificación, contexto y política en el momento en que ocurre, no se aprueba una vez y se olvida. La segunda es una traza de auditoría completa de esa evaluación: quién o qué solicitó, qué se pidió, qué decidió la política y cuándo. Cuando un CISO debe responder a la junta sobre la exposición a IA, «tenemos una política» es una respuesta mucho más débil que «aquí está el registro de cada solicitud que una herramienta de IA hizo sobre datos regulados el último trimestre, y aquí está lo que se permitió o bloqueó». Alimentar ese registro de auditoría en tiempo real a una plataforma SIEM permite que los equipos de seguridad reciban alertas de comportamiento cuando los patrones de acceso de IA se desvían de la línea base establecida: la capa de detección que convierte el shadow AI de un riesgo invisible en un evento señalado y accionable.
Esto también resuelve directamente el problema de las cuentas personales. Si la gobernanza está ligada a los datos y no al inicio de sesión, ya no importa si los dos tercios de la actividad de IA identificados por Teramind ocurren a través de una cuenta corporativa o personal. El propio contenido lleva su propia regla de acceso.
Cómo Kiteworks Compliant AI y el Secure MCP Server gobiernan el acceso de IA a datos confidenciales
Este es el problema específico que Kiteworks Compliant AI y el Kiteworks Secure MCP Server están diseñados para resolver: gobernar qué contenido confidencial puede alcanzar cualquier herramienta de IA, usuario humano o agente de IA, en vez de dejar esa decisión al inicio de sesión que alguien usó por casualidad.
Los reguladores escriben reglas sobre el acceso, manejo y protección de datos, no sobre qué modelo de lenguaje o framework de IA tocó los datos. Esa es la premisa operativa de Kiteworks Compliant AI: una persona y un agente de IA son ambos tipos de identidad cuyo acceso y uso de datos regulados debe gobernarse bajo una sola capa de política, no dos separadas. Un empleado que solicita a un asistente de IA y un agente de IA que actúa en nombre de ese mismo empleado están sujetos a las mismas reglas, porque la regulación solo se preocupa por los datos.
En la práctica, eso significa que cada solicitud impulsada por IA —ya sea iniciada por un humano a través de una interfaz de chat o generada por un agente que completa una tarea— pasa por controles de acceso basados en roles y atributos que evalúan la clasificación de los datos, la identidad del solicitante y el contexto antes de mover cualquier contenido. El Kiteworks Secure MCP Server conecta clientes de IA como Claude y Copilot al contenido gobernado de una organización usando el Model Context Protocol, con cada acceso a archivos, operación de carpetas y solicitud de metadatos heredando los mismos permisos autenticados por OAuth 2.0 y verificaciones de política que ya aplican a esa persona en el entorno. Las credenciales permanecen en el llavero del sistema operativo y no en el propio modelo de IA, y cada operación alimenta una traza de auditoría en tiempo real que se integra con los flujos de trabajo de SIEM y cumplimiento existentes. El CISO Dashboard muestra todos los eventos de acceso a datos por IA en una vista unificada, brindando a la dirección de seguridad la visibilidad en tiempo real sobre los flujos de contenido mediados por IA que el problema de las cuentas personales hace invisibles de otro modo.
Nada de esto depende de que un ejecutivo decida cumplir la política. Depende de que el propio contenido confidencial lleve reglas de acceso exigibles que se aplican igual, ya sea que la persona en el otro extremo siga las reglas o intente evitarlas. Esa es la diferencia entre esperar que la alta dirección lea la política de IA y saber que los datos están protegidos de cualquier manera.
Qué deben hacer los CISOs con estos datos
Los hallazgos de TrustedTech y Teramind ofrecen a los líderes de seguridad un punto concreto por donde empezar, no solo otra estadística para una presentación a la junta.
Comienza con la visibilidad de uso en vez de reescribir la política. La mayoría de las organizaciones ya tienen capacidad de registro en sus plataformas de IA licenciadas; la brecha suele ser que nadie ha generado un informe comparando la actividad en cuentas autorizadas frente al uso total estimado de IA en la organización. Si la proporción de Teramind se cumple en tu entorno —dos tercios de la actividad fuera de la cuenta gobernada— ese es un número medible y rastreable, y es un dato mucho más persuasivo para la junta que «creemos que el shadow AI es un riesgo».
Luego, enfócate específicamente en la capa ejecutiva en vez de asumir que la audiencia habitual de concienciación en seguridad es el personal general. Si los altos directivos son el grupo que impulsa el uso no autorizado, el proceso de provisión de cuentas y la vía de escalamiento deben tener un canal específico para ejecutivos, no solo un correo masivo que un VP borra sin leer.
Por último, trata «la herramienta autorizada es demasiado lenta o limitada» como una queja legítima sobre el producto, no solo como una infracción de cumplimiento que hay que sancionar. Si dos tercios de la actividad ocurre en cuentas personales en plataformas que la empresa ya paga, eso suele indicar que la versión gobernada de la herramienta tiene fricciones que la personal no: pasos extra de aprobación, funciones faltantes, un proceso de inicio de sesión incómodo en medio de una reunión. Eliminar esa fricción, junto con la gobernanza a nivel de contenido como el intercambio seguro de datos de Kiteworks, aborda tanto el comportamiento como la exposición de datos subyacente al mismo tiempo. La Red de Contenido Privado de Kiteworks ofrece el entorno de gobernanza unificado —un solo motor de políticas, una sola traza de auditoría en todos los canales de contenido— que hace que la opción gobernada sea tan fluida como la cuenta personal, para que los ejecutivos la elijan no porque la política lo exige, sino porque funciona igual de bien.
Para saber más sobre cómo gobernar qué contenido confidencial pueden acceder las herramientas y agentes de IA en toda tu organización, agenda una demo personalizada hoy.
Preguntas frecuentes
El shadow AI se refiere a empleados que usan herramientas de IA que TI no ha revisado, aprobado ni configurado con controles empresariales. El uso de shadow AI por ejecutivos es un problema distinto porque los altos directivos suelen tener el acceso más amplio a datos confidenciales —resultados financieros, actividad de M&A, estrategia legal— y enfrentan menos restricciones prácticas sobre qué herramientas o cuentas usan. Una encuesta de TrustedTech halló que casi dos tercios de los altos directivos usan herramientas de IA no aprobadas, frente al 31% de empleados de menor rango, lo que significa que los datos de mayor riesgo están desproporcionadamente expuestos al uso menos gobernado. Gobernar este riesgo requiere controles en la capa de gobernanza de datos en vez de confiar en que los ejecutivos se autocontrolen. Las organizaciones sujetas a obligaciones de cumplimiento normativo —HIPAA, GDPR, CMMC— deben tratar el shadow AI ejecutivo como un riesgo directo de cumplimiento: la obligación regulatoria aplica a los datos sin importar si quien accede desde una cuenta no gobernada es el CEO o un becario.
Porque la conciencia nunca fue la verdadera brecha. La misma encuesta de TrustedTech halló que tres de cada cuatro empleados ya reconocen los riesgos para la seguridad y la privacidad que genera el shadow AI, pero el uso sigue creciendo, especialmente entre altos directivos. La capacitación puede aumentar la conciencia, pero no puede evitar que alguien abra una cuenta personal en una plataforma licenciada si no hay un control que lo impida. Cerrar la brecha requiere aplicar controles en el punto donde el contenido confidencial llegaría a una herramienta de IA, usando principios de protección de datos de confianza cero que verifican cada solicitud sin importar quién la haga. La clasificación de datos del contenido empresarial antes de que llegue a cualquier herramienta de IA es el requisito fundamental: un motor de políticas de gobernanza no puede aplicar reglas basadas en sensibilidad a contenido que no ha categorizado, y la capacitación no puede compensar la falta de infraestructura de clasificación.
Significa que el riesgo no es principalmente sobre herramientas no aprobadas, sino sobre cuentas no gestionadas en herramientas aprobadas. Una licencia empresarial de IA normalmente incluye registros de auditoría a nivel administrador, límites de retención de datos y una garantía de que las entradas no se usan para entrenar modelos. Una cuenta personal en la misma plataforma generalmente no tiene esas protecciones. Según Teramind, dos tercios de la actividad de IA empresarial ocurre así, lo que implica que gran parte de la gobernanza negociada en el contrato con el proveedor puede no aplicarse realmente al uso diario de la herramienta. Los controles deben seguir los controles de acceso sobre el propio contenido, no la pantalla de inicio de sesión. Una evaluación de riesgos que inventarie qué categorías de contenido fluyen por cuentas de IA no gestionadas —mapeadas contra las obligaciones regulatorias de notificación que aplican a cada categoría— convierte esto de una preocupación vaga de «el shadow AI es malo» en un riesgo priorizado y documentado que la junta puede abordar.
Una política de uso aceptable es un documento que define qué herramientas están aprobadas y cómo deben comportarse los empleados, pero no tiene un mecanismo para hacer cumplir ese comportamiento en el momento. El control de acceso por solicitud evalúa cada interacción individual de IA con contenido confidencial según la clasificación, la identidad del solicitante y el contexto en el momento en que ocurre la solicitud, y la permite o bloquea según la política. Así es como Kiteworks Compliant AI gobierna el acceso de IA: la regla viaja con los datos, por lo que se aplica igual si la solicitud viene de una cuenta corporativa, una personal o un agente de IA actuando en nombre de alguien. La minimización de datos aplicada en esta capa —entregando solo el contenido mínimo que requiere la tarea de IA en vez de conceder acceso amplio a repositorios— limita aún más el alcance de cualquier brecha de gobernanza que ocurra, sin importar si el solicitante cumple la política o la elude.
No. Los agentes son un segundo tipo de identidad junto a los usuarios humanos, ambos gobernados bajo la misma capa de política, no una categoría separada que opera fuera de ella. El Kiteworks Secure MCP Server autentica cada solicitud de agente de IA usando los mismos permisos OAuth 2.0, controles de acceso basados en roles y atributos, y registros de auditoría que ya se aplican a los usuarios humanos en el entorno. Ya sea que una solicitud de acceso a un archivo provenga de un empleado pidiendo a un asistente de IA o de un agente completando una tarea en nombre de ese empleado, pasa por la misma gobernanza y genera la misma traza de auditoría. El CISO Dashboard proporciona la visibilidad unificada y en tiempo real de todos los eventos de acceso mediado por IA —tanto humanos como agentes— que da a la dirección de seguridad la superficie de detección necesaria para identificar comportamientos anómalos de IA antes de que escalen a un incidente reportable.
Recursos adicionales
- Artículo del Blog
Estrategias Zero‑Trust para una protección de privacidad de IA asequible - Artículo del Blog
Cómo el 77% de las organizaciones fracasan en la seguridad de datos de IA - eBook
Brecha de gobernanza de IA: por qué el 91% de las pequeñas empresas juegan a la ruleta rusa con la seguridad de datos en 2025 - Artículo del Blog
No existe «–dangerously-skip-permissions» para tus datos - Artículo del Blog
Los reguladores ya no preguntan si tienes una política de IA. Quieren pruebas de que funciona.