O Shadow IT é a utilização de tecnologia não aprovada sem o conhecimento ou a supervisão da TI. A Shadow AI é a utilização de ferramentas, modelos, funcionalidades e fluxos de trabalho de IA não aprovados, e é frequentemente mais arriscada, porque pode processar dados sensíveis, influenciar decisões, gerar resultados e interagir com credenciais ou sistemas totalmente fora da governação normal.
A dimensão do problema já é visível nos dados sobre violações:
- Uma em cada cinco organizações comunicou uma violação de dados devido à Shadow AI, e a elevada utilização de Shadow AI acrescentou, em média, 670 000 dólares aos custos das violações, de acordo com o 2025 Cost of a Data Breach Report da IBM.
- Mais de metade dos executivos (58 %) afirmou que a sua organização sofreu, no último ano, um incidente de segurança relacionado com IA ou um quase-incidente, de acordo com o inquérito AI Agents at Work 2026 da Okta.
- Foram encontrados mais de 1,27 milhões de segredos de serviços de IA expostos no GitHub público, um aumento de 81 % face ao ano anterior. Oito dos dez tipos de segredos expostos com crescimento mais rápido estão associados a serviços de IA, de acordo com o State of Secrets Sprawl 2026 da GitGuardian.
- Apenas 5 % das empresas têm visibilidade total sobre as ferramentas de IA que os colaboradores utilizam de facto, e 78 % confirmaram um incidente de segurança relacionado com IA ou não conseguiram excluir essa possibilidade, de acordo com o 2026 Cloud Security Report da Check Point.
- 92 % dos profissionais de segurança estão preocupados com os agentes de IA e o seu impacto na segurança, mas apenas 37 % das organizações têm uma política formal de IA em vigor, de acordo com o State of AI Cybersecurity 2026 da Darktrace.
Os governos já tomaram conhecimento. O EU AI Act (Regulamento da Inteligência Artificial da UE) encontra-se agora em fase de aplicação efetiva, com sanções para a utilização não conforme de sistemas de IA de risco elevado que podem chegar a 15 milhões de euros ou 3 % do volume de negócios anual global.
Nos Estados Unidos, o Presidente Trump assinou uma ordem executiva a 2 de junho de 2026, intitulada «Promoting Advanced Artificial Intelligence Innovation and Security», que determina à CISA que alargue as ciberdefesas baseadas em IA aos sistemas federais e aos operadores de infraestruturas críticas, e cria um modelo de avaliação voluntário para os modelos de IA de fronteira antes da sua divulgação pública. A ordem não regula a forma como os colaboradores utilizam a IA nas empresas, mas indica claramente que a segurança da IA é agora uma prioridade federal e que as organizações que operam infraestruturas críticas já estão abrangidas.
As ferramentas estão em uso. Os dados circulam. Para onde? A maioria das organizações simplesmente não sabe.
Pontos principais
- A Shadow AI é uma categoria de risco distinta, e não apenas Shadow IT rebatizado como IA. As ferramentas, os modelos e os agentes de IA não aprovados processam dados, influenciam decisões e interagem com credenciais totalmente fora da governação normal, ao passo que o Shadow IT tradicional apenas gera uma proliferação de tecnologia não gerida.
- Os dados sobre violações já são visíveis. Uma em cada cinco organizações comunicou uma violação de dados devido à Shadow AI. A maioria das empresas não tem uma imagem clara das ferramentas de IA que os colaboradores utilizam de facto.
- As contas pessoais são a principal lacuna de controlo. A maior parte da utilização de ferramentas de IA ocorre através de contas pessoais que contornam o SSO, a DLP e o registo centralizado de logs, pelo que não fica qualquer registo de auditoria nem base contratual para a eliminação dos dados.
- Os agentes de IA deslocam o problema da introdução de dados para o acesso e a ação. Os agentes podem ler ficheiros, invocar APIs e modificar código através de permissões OAuth delegadas, e essas ações podem não ficar registadas em nenhum local visível para a equipa de segurança.
- A exposição de credenciais é a lacuna de maior gravidade. Os logs, os excertos de código, os ficheiros de ambiente e os dados de preenchimento automático do navegador contêm frequentemente palavras-passe, chaves de API ou tokens. Quando são colados numa ferramenta de IA, o resultado é um potencial caminho de acesso persistente, e não apenas um evento de exposição de dados.
- A proibição generalizada desloca a Shadow AI, não a elimina. Os colaboradores passam para dispositivos pessoais e ferramentas alternativas com menos sinais de auditoria. Uma governação eficaz disponibiliza alternativas aprovadas e monitoriza a circulação de dados sensíveis.
- Os reguladores já tomaram conhecimento. O EU AI Act encontra-se em fase de aplicação efetiva, com sanções que chegam a 15 milhões de euros ou 3 % do volume de negócios anual global. Uma ordem executiva dos EUA assinada a 2 de junho de 2026 indica que a segurança da IA é agora uma prioridade federal.
- A governação exige cinco respostas específicas. Classificação de dados, disponibilização de ferramentas aprovadas, governação dos resultados, revisão das permissões dos agentes e gestão de segredos. Os controlos de Shadow IT existentes são necessários, mas insuficientes.
O que é o Shadow IT?
Shadow IT é qualquer tecnologia (software, hardware, serviços cloud, aplicações SaaS, scripts ou infraestrutura) utilizada numa organização sem a aprovação, o conhecimento ou a supervisão da TI. O termo abrange uma vasta gama de comportamentos: um colaborador que utiliza um armazenamento na cloud pessoal para partilhar ficheiros, uma equipa que põe em funcionamento uma ferramenta de gestão de projetos não aprovada, um programador que executa scripts numa infraestrutura não gerida ou um departamento que subscreve um produto SaaS à margem do processo de aquisição.
O problema central do Shadow IT é a perda de governação. Quando a TI desconhece a existência de uma ferramenta, não pode impor controlos de acesso, aplicar políticas de prevenção de perda de dados (DLP), gerir o ciclo de vida dos dados nem revogar o acesso quando um colaborador sai da organização. Os requisitos de licenciamento, conformidade e registo de auditoria também ficam por cumprir.
Shadow IT: de solução improvisada a ponto cego
de acesso
de DLP
de auditoria
de saída de colaboradores
O Shadow IT segue um percurso previsível. Um colaborador precisa de uma ferramenta: uma partilha de ficheiros mais rápida, um gestor de projetos, um script que corra fora do conjunto tecnológico aprovado. O processo oficial é demasiado lento ou a ferramenta simplesmente não está disponível, pelo que o colaborador encontra a sua própria solução. A TI nunca chega a saber.
Exemplos comuns de Shadow IT incluem:
- Armazenamento na cloud pessoal (contas de consumidor utilizadas para ficheiros de trabalho)
- Aplicações de mensagens e colaboração não aprovadas
- Extensões de navegador com permissões de dados alargadas
- Subscrições de SaaS não geridas, pagas pelo orçamento de uma equipa
- Scripts e ferramentas de automatização criados por programadores e executados fora da visibilidade da TI
- Dispositivos de consumo ligados às redes empresariais
O Shadow IT nem sempre é malicioso. Na maioria dos casos, começa como uma solução improvisada para ganhar produtividade: uma equipa precisava de uma ferramenta, as aquisições eram lentas e alguém encontrou uma alternativa gratuita. Este contexto é importante para a governação: a proibição sem substituição raramente funciona.
O que é a Shadow AI?
Shadow AI é a utilização não autorizada de ferramentas de IA, funcionalidades de IA, modelos, prompts, agentes e fluxos de trabalho sem a aprovação ou a supervisão da TI. Está relacionada com o Shadow IT, mas é distinta: enquanto o Shadow IT cria sobretudo uma proliferação de tecnologia não gerida, a Shadow AI cria processamento de dados não gerido, apoio à decisão não gerido e ação não gerida.
A Shadow AI abrange um conjunto amplo e em rápido crescimento de comportamentos. Os colaboradores utilizam modelos de linguagem de grande escala (LLMs) públicos, como o ChatGPT, o Claude e o Gemini, através de contas pessoais. Os programadores utilizam assistentes de programação com IA, como o GitHub Copilot ou o Cursor, fora dos tenants empresariais. As equipas utilizam assistentes de reuniões com IA, extensões de navegador com IA e funcionalidades de SaaS baseadas em IA que nunca foram formalmente avaliadas. Alguns colaboradores criam os seus próprios fluxos de trabalho de IA com ferramentas de automatização de consumo.
A cadeia da Shadow AI
de dados
de acessos
de auditoria
de resultados
de credenciais
A Shadow AI segue o mesmo percurso do Shadow IT, mas as consequências no final são diferentes. Um colaborador precisa de trabalhar mais depressa: resumir um documento, gerar código, redigir uma resposta. Não existe uma ferramenta aprovada, ou a ferramenta aprovada é mais lenta do que a que já utiliza a título pessoal. Por isso, recorre à sua própria conta, a uma extensão de navegador ou a uma funcionalidade de IA integrada num produto SaaS que a TI já aprovou, mas nunca auditou.
Exemplos comuns de Shadow AI na prática:
- Colaboradores que utilizam o ChatGPT, o Claude, o Gemini ou o Perplexity através de contas pessoais gratuitas
- Programadores que utilizam assistentes de programação com IA fora dos controlos das licenças empresariais
- Equipas de vendas e de marketing que utilizam ferramentas de redação com IA não avaliadas pela equipa de segurança
- Equipas de RH e de finanças que utilizam IA para resumir documentos com dados regulados
- Assistentes de reuniões com IA que gravam e transcrevem chamadas sem controlos de retenção empresariais
- Extensões de IA para navegador com acesso ao conteúdo das páginas, à área de transferência e aos campos de formulários
- Agentes de IA criados por colaboradores que se ligam a APIs de SaaS ou a sistemas internos
A escala é significativa. O relatório de 2025 da Menlo Security registou 10,53 mil milhões de visitas a sites de IA só em janeiro de 2025, contra 7 mil milhões em fevereiro de 2024, com 80 % desse acesso a ocorrer através de navegadores. A Shadow AI não é um comportamento de nicho: é a forma como a maioria dos colaboradores utiliza atualmente a IA.
Shadow IT vs Shadow AI: as principais diferenças
O Shadow IT e a Shadow AI partilham a mesma causa de fundo: colaboradores que resolvem problemas reais com ferramentas que a TI não aprovou. No entanto, criam perfis de risco diferentes e exigem controlos diferentes.
| Dimensão | Shadow IT | Shadow AI |
|---|---|---|
| Objeto principal | Software, hardware, serviços e infraestrutura não aprovados | Ferramentas de IA, funcionalidades de IA, modelos, agentes, prompts e fluxos de trabalho não aprovados |
| Risco principal | Proliferação de dados, acessos não geridos, licenciamento, lacunas de conformidade | Exposição de dados através de prompts e carregamentos de ficheiros, retenção pelo modelo, resultados com alucinações, risco para as decisões, ação autónoma de agentes |
| Problema de visibilidade | Aplicações ou sistemas desconhecidos | Ferramentas desconhecidas, contas pessoais, conteúdo dos prompts, carregamentos de ficheiros, funcionalidades de IA integradas, permissões de agentes |
| Exposição de identidade | Contas SaaS, palavras-passe partilhadas, acessos não geridos | Contas de IA pessoais, autorizações OAuth, chaves de API, tokens de código, extensões de navegador, permissões de agentes |
| Dificuldade de controlo | Detetar a aplicação, bloquear ou integrar, aplicar SSO e DLP | Detetar fluxos de dados ao nível dos prompts, classificar a informação sensível introduzida, governar os resultados da IA, rever as definições do modelo e do fornecedor |
| Remediação | Revogar o acesso, migrar os dados, desativar a aplicação | Mais difícil confirmar a eliminação, a exclusão da retenção, a exposição de prompts e o processamento do lado do modelo |
A lacuna de remediação é particularmente significativa. Quando um colaborador utiliza uma ferramenta SaaS não aprovada, a TI pode revogar o acesso e migrar os dados. Quando conteúdo sensível entra no fluxo de trabalho de um modelo de IA externo, confirmar a eliminação, provar a não retenção e delimitar o incidente é substancialmente mais difícil, sobretudo se a ferramenta foi acedida através de uma conta pessoal sem registo de auditoria empresarial.
Por que razão a Shadow AI é a maior ameaça
A Shadow AI é frequentemente mais perigosa do que o Shadow IT tradicional, porque não se limita a armazenar ou a mover dados: processa-os, gera-os e atua sobre eles. As cinco dimensões seguintes explicam onde o modelo de risco muda. Em conjunto, formam aquilo a que este artigo chama o multiplicador de risco da Shadow AI.
1. A exfiltração de dados ocorre através do trabalho normal
Os colaboradores não precisam de exfiltrar dados de forma intencional. Colam e-mails, contratos, folhas de cálculo, código-fonte, tickets de suporte, registos de clientes, informação de RH e logs de sistema em ferramentas de IA como parte do trabalho normal. Cada prompt é uma potencial transferência de dados.
Harmonic Security analisou 22 458 240 prompts de IA generativa empresariais de 2025 e detetou 579 113 casos de exposição de dados sensíveis em 665 ferramentas de IA. O código, os documentos jurídicos e os dados financeiros representaram 74,5 % do que foi exposto. De acordo com o 2026 AI Adoption & Risk Report da Cyberhaven, 39,7 % de todas as interações com IA envolveram dados sensíveis, e os colaboradores introduzem dados sensíveis em ferramentas de IA, em média, uma vez de três em três dias.
Os dados sensíveis e a IA estão agora integrados nos fluxos de trabalho diários, e a exposição não é ocasional.
2. As contas pessoais contornam os controlos empresariais
Uma parte significativa da utilização de IA ocorre através de contas pessoais, e não de tenants empresariais. Os dados de 2026 da Cyberhaven indicam que 32,3 % da utilização do ChatGPT, 58,2 % da utilização do Claude e 60,9 % da utilização do Perplexity ocorreram através de contas pessoais. O relatório de 2025 da Menlo Security concluiu que 68 % dos colaboradores utilizaram ferramentas de IA gratuitas através de contas pessoais, e que 57 % introduziram dados sensíveis.
As contas pessoais contornam a imposição de SSO, as políticas de retenção empresariais, o registo centralizado de logs, os controlos de DLP e a governação de dados ao nível da administração. Quando um colaborador utiliza o Claude ou o Perplexity através de uma conta pessoal, a organização não tem visibilidade sobre o que foi enviado, não dispõe de registo de auditoria e não tem base contratual para a eliminação dos dados nem compromissos de não utilização dos dados para treino de modelos.
3. A IA pode influenciar decisões, e não apenas armazenar ficheiros
O Shadow IT cria sobretudo armazenamento ou transferência de dados não geridos. A Shadow AI faz mais: resume, classifica, hierarquiza, recomenda, gera código e redige conteúdo dirigido a clientes ou de natureza jurídica. Uma ferramenta de IA não aprovada pode condicionar uma decisão de negócio com base em dados não verificados, numa versão desconhecida do modelo e em pressupostos que o utilizador nunca analisou.
As alucinações, o model drift e o enviesamento dos resultados da IA são modos de falha reais. Quando a ferramenta não está autorizada e o resultado não tem atribuição, não há forma de auditar a cadeia de decisão a posteriori.
4. Os agentes de IA estendem o problema da introdução de dados à ação
Os agentes de IA podem ler ficheiros, utilizar a área de transferência, invocar APIs, enviar mensagens, modificar código e ligar-se a sistemas SaaS. Muitos funcionam ao nível do sistema operativo, mantêm janelas de contexto persistentes e sincronizam dados com infraestrutura fora da supervisão da equipa de segurança.
Isto faz com que a Shadow AI deixe de ser um problema de introdução de dados e passe a ser um problema de acesso e ação. Um agente com permissões OAuth delegadas ou uma chave de API pode agir em nome de um utilizador, e essas ações podem não ficar registadas em nenhum local visível para a equipa de segurança.
5. A exposição de credenciais e segredos cria risco de acesso
Os logs, os excertos de código, os ficheiros de ambiente, os dados de preenchimento automático do navegador e os tickets de suporte contêm frequentemente palavras-passe, chaves de API ou tokens. Quando são colados numa ferramenta de IA, muitas vezes por acidente, o resultado não é apenas um evento de exposição de dados. É um potencial caminho de acesso persistente.
IBM concluiu, no relatório de 2025, que 97 % das organizações comprometidas através de modelos ou aplicações de IA não tinham controlos de acesso de IA adequados, o que significa que a maioria das organizações que sofreram uma violação relacionada com IA não dispunha de uma camada de controlo significativa.
Quando uma equipa começa a mapear a exposição à Shadow AI, as credenciais e os segredos são frequentemente a lacuna de maior gravidade. O Passwork centraliza palavras-passe partilhadas, chaves de API e credenciais de contas de serviço num único cofre cifrado, com RBAC, integração com LDAP/SSO e um registo de auditoria completo de cada evento de acesso. Quando um colaborador sai ou um fluxo de trabalho de IA é desativado, o acesso é revogado num único local, sem ser necessário localizar credenciais por uma dúzia de ferramentas. Experimentar o Passwork grátis
Exemplos reais de risco associado à Shadow AI
Os cenários de risco abaixo são representativos do que as equipas de segurança e de TI encontram nos vários departamentos. Nenhum exige intenção maliciosa: todos começam com um objetivo legítimo de produtividade.
| Cenário | O que o colaborador pretende | O que pode correr mal | Alternativa mais segura |
|---|---|---|---|
| Um programador cola código num assistente de IA | Depurar mais depressa | O código-fonte, as chaves de API ou os detalhes da arquitetura saem dos sistemas governados | Assistente de programação empresarial, análise de tokens, rotação de segredos |
| A equipa de vendas carrega notas de clientes | Redigir uma proposta | Os dados de clientes e a estratégia de preços entram numa conta de IA pessoal | Espaço de trabalho de IA aprovado com DLP e classificação de dados |
| A equipa de RH resume registos de colaboradores | Poupar tempo na elaboração de relatórios | Informações de identificação pessoal (PII) ou dados laborais sensíveis saem do sistema de RH controlado | Fluxo de trabalho aprovado com controlos de acesso e registo |
| A equipa jurídica pede à IA que reveja um contrato | Acelerar a revisão | Os termos confidenciais ou os detalhes de operações de fusões e aquisições ficam expostos a um modelo externo | Ferramenta de IA empresarial com controlos de retenção e revisão jurídica |
| Um colaborador utiliza uma extensão de IA para o navegador | Automatizar trabalho repetitivo | A extensão lê o conteúdo das páginas, a área de transferência ou os dados de formulários | Política de extensões aprovadas e governação do navegador |
O risco tende a concentrar-se num número reduzido de ferramentas de utilização intensiva, o que é útil para a priorização da governação. Mas a cauda longa continua a ser relevante: uma integração raramente utilizada pode implicar o mesmo risco de exposição de credenciais que um assistente de utilização diária.
Por que razão proibir a IA costuma agravar a Shadow AI
Uma proibição generalizada das ferramentas de IA não elimina a Shadow AI. Desloca-a. Os colaboradores passam para dispositivos pessoais, contas pessoais ou ferramentas alternativas sobre as quais a TI tem menos visibilidade. O resultado é a mesma exposição de dados com menos sinais de auditoria.
De acordo com um inquérito da Okta publicado em maio de 2026, mais de metade dos colaboradores afirmou utilizar ferramentas de IA pessoais sem aprovação. Dois terços dos colaboradores sediados nos EUA utilizam IA não autorizada, e quase um quarto fá-lo regularmente. Ao mesmo tempo, 58 % dos executivos afirmaram que a sua organização tinha sofrido, no ano anterior, um incidente de segurança relacionado com IA ou um quase-incidente.
A investigação da Okta concluiu também que mais de metade dos colaboradores afirma que as políticas de utilização de IA da sua organização são pouco claras, difíceis de encontrar ou inexistentes. Esta diferença entre a confiança dos executivos e a experiência dos colaboradores é onde a Shadow AI cresce.
Alguns casos de utilização de risco elevado devem ser bloqueados por completo: colar registos de clientes numa ferramenta de IA pública ou ligar um agente de IA de consumo a sistemas de produção. Mas a proibição generalizada não funciona. Os colaboradores adotam a Shadow AI por motivos racionais: melhores ferramentas, resultados mais rápidos, aquisições demasiado lentas. Uma governação eficaz disponibiliza alternativas aprovadas, define limites claros e monitoriza a circulação de dados sensíveis. Se os incentivos subjacentes forem ignorados, o comportamento não mudará.
Como detetar a Shadow AI na empresa
A deteção da Shadow AI exige visibilidade sobre navegadores, endpoints, permissões de SaaS e sistemas de identidade. IBM concluiu, na sua investigação de 2025, que apenas 34 % das organizações com políticas de governação de IA realizavam auditorias regulares à IA não autorizada, o que significa que a maioria das organizações tem política sem visibilidade operacional.
Uma abordagem prática de deteção abrange sete áreas
- Passo 1. Inventarie os domínios de IA, as extensões de navegador, as funcionalidades de IA em SaaS, as ferramentas de IA para reuniões, os assistentes de programação com IA e as funcionalidades de IA integradas em aplicações já aprovadas.
- Passo 2. Monitorize a utilização de IA generativa no navegador, os eventos de copiar e colar, os carregamentos e as transferências de ficheiros, sempre que seja legal e eticamente adequado ao abrigo das regras de monitorização de colaboradores da respetiva jurisdição.
- Passo 3. Reveja as autorizações OAuth, os tokens de API, as contas de serviço e as permissões de aplicações de terceiros. Os agentes de IA e as integrações solicitam frequentemente âmbitos OAuth amplos que persistem muito depois da configuração inicial.
- Passo 4. Classifique as categorias de dados sensíveis que nunca devem ser enviadas para ferramentas de IA externas sem aprovação explícita: PII, código-fonte, previsões financeiras, documentos jurídicos, dados de saúde regulados e credenciais.
- Passo 5. Verifique os controlos de identidade: cobertura de SSO, imposição de MFA, aprovisionamento SCIM/LDAP, atribuições de RBAC e integridade do registo de auditoria. As contas de IA pessoais contornam todos estes controlos.
- Passo 6. Procure credenciais expostas em repositórios de código, logs, tickets e fluxos de trabalho relacionados com IA. Os tokens e as chaves de API aparecem em locais inesperados: histórico de commits, conversas no Slack, tickets de suporte e logs de prompts de IA.
- Passo 7. Associe a utilização de IA à necessidade do negócio antes de a bloquear. Compreender por que motivo os colaboradores utilizam uma ferramenta é necessário para disponibilizar uma alternativa governada que estes utilizem de facto.
Como reduzir o risco de Shadow AI sem bloquear a produtividade
Uma governação eficaz da Shadow AI é tanto um problema de capacitação como um problema de segurança. O objetivo é dar aos colaboradores opções seguras e aprovadas, aplicando controlos onde os dados sensíveis estão em risco.
| Camada de controlo | O que fazer | Porque é importante |
|---|---|---|
| Política | Definir casos de utilização de IA permitidos, restritos e proibidos por tipo de dados e departamento | Os colaboradores precisam de regras claras antes de poderem cumpri-las |
| Ferramentas aprovadas | Disponibilizar opções de IA empresariais com SSO, controlos de administração e condições contratuais de retenção | Reduz o incentivo à utilização de contas pessoais |
| Controlos de dados | Definir os tipos de dados que não podem entrar em ferramentas de IA públicas | Protege PII, propriedade intelectual, código-fonte, segredos e dados jurídicos e financeiros |
| Identidade e acesso | Impor SSO, MFA, RBAC, LDAP/SCIM e gestão do ciclo de vida | Mantém o acesso à IA associado às funções dos utilizadores e ao estado laboral |
| Palavras-passe e segredos | Centralizar credenciais partilhadas, chaves de API, contas de serviço e calendários de rotação | Reduz o risco de acesso persistente quando os fluxos de trabalho de IA envolvem segredos |
| Monitorização | Utilizar DLP, segurança do navegador, CASB/SSPM, logs e SIEM, conforme adequado | Cria evidências e capacidade de resposta |
| Formação | Ensinar com exemplos, e não com avisos abstratos | Os colaboradores aprendem o que fazer em fluxos de trabalho reais |
| Cadência de revisão | Reavaliar regularmente as ferramentas de IA, as permissões, as condições de retenção e os subcontratantes | As capacidades das ferramentas de IA e a regulamentação mudam rapidamente |
A camada de identidade e acesso exige três elementos: cobertura de SSO em todas as ferramentas de IA aprovadas, imposição de MFA e aprovisionamento SCIM ou LDAP que associe o acesso diretamente ao estado laboral. No caso das palavras-passe e dos segredos, um cofre centralizado com controlo de acesso baseado em funções, integração com o Active Directory e registos de atividade transforma a gestão de credenciais de uma tarefa manual num processo auditável.
Onde se enquadram as palavras-passe e os segredos na governação da Shadow AI
A governação da Shadow AI diz respeito às credenciais e às permissões a que as ferramentas associadas à IA podem aceder.
A exposição de credenciais em fluxos de trabalho de IA ocorre, muitas vezes, de forma indireta:
- Um programador cola um ficheiro de log num assistente de programação: o log contém uma cadeia de ligação a uma base de dados
- Um engenheiro de suporte partilha uma captura de ecrã numa ferramenta de IA: a captura de ecrã mostra uma chave de API num separador do navegador
- Um colaborador carrega um ficheiro de configuração de ambiente para depuração assistida por IA: o ficheiro contém credenciais de contas de serviço
Nenhum destes casos é um evento deliberado de exfiltração. Todos criam um risco de acesso real.
Os assistentes de programação e os agentes de IA agravam o problema. Podem interagir com repositórios, terminais, APIs de SaaS e sistemas de ficheiros locais. Um agente com acesso à sessão de terminal de um programador pode ler variáveis de ambiente, chaves SSH e ficheiros de credenciais. Se esse agente funcionar através de uma conta pessoal sem registo de auditoria empresarial, a organização não tem qualquer registo do que foi acedido.
O objetivo da governação é impedir que fluxos de trabalho de IA não geridos transformem um token colado ou uma palavra-passe partilhada num caminho de acesso persistente. Isso exige controlos específicos: credenciais únicas por serviço, sem palavras-passe partilhadas em chats ou tickets, partilha baseada em cofre com controlos de acesso, princípio do menor privilégio nas contas de serviço, MFA em todos os acessos administrativos, rotação regular de segredos, inventário de chaves de API, revisões de permissões OAuth e registos de auditoria que abranjam o acesso a credenciais.
O Passwork está disponível como implementação autoalojada ou na cloud, com uma REST API completa e ferramentas CLI para equipas que precisam de integrar a gestão de credenciais em fluxos de trabalho de DevOps existentes. As revisões de acessos, os registos de auditoria e as atribuições de funções são geridos numa única interface, sem necessidade de ferramentas separadas. Saber mais
Lista de verificação prática para a governação da Shadow AI
Esta lista de verificação destina-se a engenheiros de segurança e a equipas de conformidade que estão a iniciar ou a consolidar um programa de governação da Shadow AI. Deve ser revista trimestralmente: as capacidades das ferramentas de IA e os requisitos regulamentares mudam mais depressa do que os ciclos anuais conseguem acompanhar.
Lista de verificação de governação da Shadow AI (10 pontos)
- Defina casos de utilização de IA aprovados, condicionais e proibidos por tipo de dados e função empresarial
- Crie uma lista de ferramentas de IA aprovadas por função: redação, programação, análise de dados, notas de reuniões, apoio ao cliente
- Exija contas empresariais para as ferramentas aprovadas sempre que possam ser tratados dados sensíveis
- Bloqueie ou emita avisos sobre o carregamento público de categorias de dados restritas (PII, código-fonte, previsões financeiras, documentos jurídicos, credenciais)
- Reveja as extensões de navegador com IA e as permissões OAuth e revogue as que não tenham uma necessidade de negócio documentada
- Audite os tokens de API, as contas de serviço, as credenciais partilhadas e os segredos utilizados junto dos fluxos de trabalho de IA
- Adicione controlos de DLP ou de navegador para prompts, carregamentos de ficheiros e eventos de copiar e colar, sempre que seja adequado e legalmente permitido
- Publique exemplos de prompts permitidos e proibidos: os exemplos concretos são mais eficazes do que uma política abstrata
- Forme as equipas por função: programadores, vendas, jurídico, RH, finanças e suporte enfrentam cenários de risco de IA diferentes
- Reveja as políticas de IA trimestralmente, porque as capacidades das ferramentas, as condições de retenção dos fornecedores e a regulamentação mudam rapidamente
Conclusão
A Shadow AI não é motivo para abrandar a adoção de IA. É motivo para governar a IA como um problema de dados, identidade e acesso: as mesmas disciplinas que as equipas de segurança já aplicam a outras tecnologias, aplicadas agora a uma categoria que evolui mais depressa e é mais difícil de observar.
As cinco dimensões do multiplicador de risco da Shadow AI (exfiltração de dados através do trabalho normal, contas pessoais que contornam os controlos empresariais, decisões influenciadas pela IA, ação autónoma de agentes e exposição de credenciais) explicam por que motivo os controlos de Shadow IT existentes são necessários, mas insuficientes. Cada dimensão exige uma resposta específica: classificação de dados, disponibilização de ferramentas aprovadas, governação dos resultados, revisão das permissões dos agentes e gestão de segredos.
As organizações que gerem bem esta questão são aquelas que dão aos colaboradores opções seguras, definem regras claras e criam a capacidade de monitorização necessária para ver o que está realmente a acontecer.
Se uma equipa está a rever os controlos de Shadow AI, deve incluir na avaliação as palavras-passe partilhadas, as chaves de API, as contas de serviço e os segredos. O Passwork apoia esta parte do programa de governação ao centralizar o acesso a credenciais, ao integrar-se com LDAP/SSO e ao disponibilizar visibilidade de auditoria para os fluxos de trabalho relacionados com palavras-passe.
Perguntas frequentes
A Shadow AI é o mesmo que o Shadow IT?
Não. A Shadow AI está relacionada com o Shadow IT, mas envolve especificamente ferramentas de IA, funcionalidades de IA, modelos, prompts, agentes e fluxos de trabalho não aprovados. Acrescenta riscos distintos relacionados com o processamento de dados através de prompts e carregamentos de ficheiros, a retenção pelo modelo, a qualidade dos resultados gerados e as permissões delegadas aos agentes de IA. O Shadow IT tradicional cria sobretudo uma proliferação de tecnologia não gerida.
Por que razão a Shadow AI é mais perigosa do que o Shadow IT?
A Shadow AI é frequentemente mais perigosa porque pode expor dados sensíveis através de prompts e carregamentos de ficheiros, influenciar decisões de negócio através de resultados não verificados e interagir com credenciais ou sistemas através de agentes e integrações. A investigação de 2025 da IBM concluiu que as organizações com elevada utilização de Shadow AI tiveram, em média, mais 670 000 dólares de custos com violações do que as que tinham utilização baixa ou nula de Shadow AI.
Que dados nunca devem os colaboradores colar em ferramentas de IA públicas?
Os colaboradores não devem colar palavras-passe, chaves de API, tokens, código-fonte, registos de clientes, registos de RH, documentos jurídicos, previsões financeiras, dados regulados (registos de saúde, PII) ou propriedade intelectual confidencial em ferramentas de IA públicas, a menos que a organização tenha aprovado explicitamente essa ferramenta e esse caso de utilização, com proteções contratuais de dados adequadas.
As empresas podem eliminar completamente a Shadow AI?
A maioria das organizações não deve depender de uma proibição total. Os dados de 2025 da Harmonic Security indicam que, embora apenas 40 % das empresas tenham adquirido subscrições oficiais de IA, os colaboradores de mais de 90 % das organizações utilizam ativamente ferramentas de IA, sobretudo através de contas pessoais. Uma estratégia melhor consiste em disponibilizar ferramentas de IA aprovadas, definir casos de utilização claros, monitorizar a circulação de dados sensíveis e aplicar controlos de acesso.
Como podem as equipas de segurança detetar a Shadow AI?
A deteção exige uma combinação de inventário de domínios de IA, ferramentas de visibilidade do navegador, DLP, revisão da postura de segurança de SaaS (SSPM), revisão de autorizações OAuth, telemetria de endpoints e comunicação por parte dos colaboradores. As equipas de segurança devem também auditar as funcionalidades de IA integradas em ferramentas de SaaS já aprovadas, que são frequentemente ignoradas porque a aplicação principal está autorizada.
Como ajudam os gestores de palavras-passe a reduzir o risco de Shadow AI?
Os gestores de palavras-passe não governam a IA por si só, mas reduzem a dispersão de credenciais em torno dos fluxos de trabalho de IA. Ajudam a centralizar credenciais partilhadas, a impor controlos de acesso baseados em funções, a manter registos de auditoria da utilização de palavras-passe e segredos, a simplificar a rotação de segredos e a dar visibilidade sobre as credenciais partilhadas e com quem, o que é relevante sempre que ferramentas ou agentes de IA possam ter tido acesso a essas credenciais.
O EU AI Act aborda a Shadow AI?
O EU AI Act (em vigor desde agosto de 2024, com obrigações faseadas até 2027) estabelece requisitos para fornecedores e responsáveis pela implementação de sistemas de IA, incluindo obrigações de transparência, classificação de risco e governação para sistemas de IA de risco elevado. Não regula diretamente a utilização de ferramentas de IA de consumo pelos colaboradores, mas as organizações abrangidas pelo regulamento devem assegurar que os seus programas de governação de IA abrangem a utilização não autorizada, em particular nos casos de utilização de risco elevado. As equipas jurídicas devem rever as obrigações aplicáveis ao abrigo dos artigos específicos relevantes para o seu contexto de implementação de IA.
Alex Muntyan
Alex Muntyan
Alex Muntyan