Shadow AI: cos'è e come governarlo in azienda

Lo shadow AI è l'uso di strumenti di intelligenza artificiale da parte dei dipendenti senza approvazione né visibilità dell'IT. A differenza dello shadow IT tradizionale, espone dati aziendali riservati: i prompt inseriti in strumenti non controllati escono dal perimetro aziendale. Il Regolamento UE 2024/1689 (AI Act) rende questa esposizione anche un problema di conformità, non solo di sicurezza.

In sintesi

• Lo shadow AI riguarda strumenti di AI generativa, come ChatGPT, Copilot o Gemini, usati senza che l'IT ne sia a conoscenza o li abbia approvati formalmente.
• Il rischio principale non è l'uso dell'AI in sé, ma l'assenza di controllo su quali dati aziendali finiscono nei prompt e chi può rivederli.
• Il GDPR e l'AI Act (Regolamento UE 2024/1689) trasformano lo shadow AI da problema di sicurezza informale a rischio di conformità con sanzioni concrete.
• Rilevare lo shadow AI richiede visibilità sul traffico verso i domini AI, non solo una policy scritta che nessuno controlla nella pratica.
• Governare lo shadow AI non significa vietare l'intelligenza artificiale, ma offrire un'alternativa autorizzata altrettanto comoda, con tracciabilità e sovranità dei dati adeguate.
• DevKira riporta l'uso dell'AI sotto un unico gateway con metering dei costi, egress controllato e tre posture di sovranità dei dati a scelta.

Indice

• Che cos'è lo shadow AI?
• Che differenza c'è tra shadow AI e shadow IT?
• Perché lo shadow AI sta crescendo nelle aziende italiane
• Quali rischi comporta lo shadow AI per l'azienda?
• 8 segnali che la tua azienda ha un problema di shadow AI
• Come si individua lo shadow AI in azienda?
• Come si governa lo shadow AI senza vietare l'intelligenza artificiale?
• Shadow AI, AI Act e NIS2: cosa prevede la normativa
• Come DevKira riporta lo shadow AI sotto controllo
• Domande frequenti

Che cos'è lo shadow AI?

Lo shadow AI è l'insieme degli strumenti di intelligenza artificiale che i dipendenti usano per lavoro senza che siano stati valutati, approvati o resi visibili all'IT. Include chatbot generalisti, plugin AI installati nel browser, estensioni per l'editor di codice e servizi SaaS con funzioni AI attivate di default.

Il tratto distintivo non è la tecnologia, ma la sua invisibilità organizzativa. Un dipendente può usare uno strumento AI perfettamente legittimo dal punto di vista tecnico, ma se lo fa fuori da qualsiasi processo di governance, l'azienda perde la capacità di sapere quali dati stanno uscendo, verso quale fornitore e sotto quale giurisdizione.

Il fenomeno si è diffuso rapidamente perché l'ingresso in un chatbot AI non richiede installazioni, approvazioni IT o budget centralizzato: basta un browser e un account personale. Questo abbassa la soglia di adozione a zero, ma azzera insieme ad essa ogni forma di controllo.

Che differenza c'è tra shadow AI e shadow IT?

Lo shadow IT è l'uso di qualunque software o servizio cloud non approvato dall'IT; lo shadow AI ne è un sottoinsieme specifico, ma con un profilo di rischio più alto perché il contenuto dei prompt spesso include dati riservati in chiaro, non solo credenziali o file.

Un foglio di calcolo condiviso su un cloud personale è shadow IT: espone un documento. Un dipendente che incolla in un chatbot pubblico l'elenco clienti per farsi generare un'email è shadow AI: espone dati, li fa elaborare da un modello di terzi e spesso non sa se e per quanto tempo il fornitore li conserva.

Dimensione	Shadow IT	Shadow AI
Cosa viene esposto	File, credenziali, configurazioni	Contenuto testuale dei prompt, spesso dati strutturati incollati manualmente
Soglia di adozione	Richiede quasi sempre un account o un'installazione	Zero: basta aprire una pagina web
Tracciabilità nativa	A volte visibile nei log di rete o negli inventari SaaS	Quasi mai: il traffico verso i domini AI si confonde con la normale navigazione
Rischio di conformità	Prevalentemente sicurezza dei dati	Sicurezza e conformità GDPR / AI Act, perché il dato entra nell'addestramento o nella cache di un modello terzo

Perché lo shadow AI sta crescendo nelle aziende italiane

Lo shadow AI cresce perché la domanda di produttività individuale supera di gran lunga la velocità con cui le aziende riescono a fornire alternative autorizzate altrettanto comode. Finché l'unica via ufficiale per usare l'AI è una richiesta formale con tempi di attesa settimanali, i dipendenti sceglieranno la scorciatoia.

A questo si aggiungono tre fattori concreti. Primo, la pressione competitiva: chi non usa l'AI percepisce di essere più lento dei colleghi o dei concorrenti. Secondo, la frammentazione degli strumenti tra Business e IT, che porta ogni funzione a scegliere il proprio tool senza coordinamento. Terzo, l'assenza di una policy AI aziendale realmente applicata, spesso limitata a un documento che nessuno controlla nella pratica quotidiana.

Il risultato è un uso dell'AI che cresce più rapidamente della capacità dell'organizzazione di misurarlo, spiegando perché nella maggior parte delle aziende la spesa reale in licenze AI e il rischio reale di esposizione dei dati restano entrambi sconosciuti a chi dovrebbe governarli.

Quali rischi comporta lo shadow AI per l'azienda?

Lo shadow AI comporta quattro categorie di rischio concrete: esposizione di dati riservati verso fornitori non verificati, violazioni di conformità GDPR e AI Act, spesa in licenze non tracciata e non ottimizzata, e output di lavoro incoerenti tra team che usano modelli e prompt diversi per gli stessi processi.

Il rischio più immediato è la perdita di controllo sui dati. Un prompt che contiene informazioni su clienti, contratti o codice proprietario esce dal perimetro aziendale nel momento stesso in cui viene inviato, e l'azienda non ha modo di sapere se quel fornitore lo userà per addestrare modelli futuri o lo conserverà oltre i termini dichiarati.

Il secondo rischio è normativo. Il GDPR (Regolamento UE 2016/679) impone basi giuridiche precise per ogni trattamento di dati personali e restrizioni sui trasferimenti extra-UE; lo shadow AI, per sua natura, avviene fuori da qualunque valutazione di questo tipo. L'<a href="https://www.edpb.europa.eu/" target="_blank" rel="noopener">EDPB</a>, il Comitato europeo per la protezione dei dati, ha più volte richiamato le aziende a trattare gli strumenti di AI generativa come trattamenti a pieno titolo, non come semplici tool di produttività.

8 segnali che la tua azienda ha un problema di shadow AI

Questi otto segnali aiutano a capire, senza bisogno di un audit formale, se lo shadow AI è già un problema operativo nella tua organizzazione.

1. I dipendenti incollano dati aziendali in chatbot pubblici dal browser personale

Se nessuno può dire con certezza quali informazioni finiscono nei prompt di ChatGPT, Gemini o Claude usati fuori da un account aziendale, il perimetro dei dati è già compromesso, anche se non è mai successo un incidente visibile.

2. Il traffico di rete mostra picchi verso domini AI non autorizzati

Un'analisi anche superficiale dei log di rete rivela spesso decine di domini AI diversi in uso, molti dei quali mai valutati da un responsabile della sicurezza.

3. Nessuno in IT sa quanti strumenti AI sono realmente in uso

Quando la risposta alla domanda "quanti strumenti AI usiamo" è una stima anziché un numero verificato, l'organizzazione non ha visibilità, ha solo un'impressione.

4. La policy AI aziendale esiste solo su carta

Un documento di policy che nessuno ha letto, o che non viene mai verificato nella pratica, non riduce il rischio: sposta semplicemente la responsabilità su carta senza cambiare il comportamento reale.

5. Documenti con dati riservati compaiono in output generati da modelli esterni

Quando frasi, formati o dati che riconoscibilmente provengono da documenti interni iniziano a comparire in output prodotti da strumenti AI di terzi, è un segnale diretto che quei documenti sono stati usati come input.

6. I team Business e IT adottano strumenti diversi per gli stessi processi

Business e IT che risolvono lo stesso problema con due strumenti AI differenti, scelti in autonomia, producono output incoerenti e raddoppiano la spesa in licenze senza saperlo.

7. Non esiste un log di chi ha usato quale strumento, su quali dati, quando

L'assenza di un audit trail minimo, anche solo a livello di accessi, rende impossibile rispondere in caso di richiesta di un cliente, di un'ispezione o di un incidente.

8. Le richieste di nuovi strumenti AI non passano da un processo di approvazione centralizzato

Se chiunque può abbonarsi a un nuovo strumento AI con una carta di credito aziendale o personale senza che nessuno lo registri, la spesa e il rischio cresceranno insieme, in modo invisibile.

Come si individua lo shadow AI in azienda?

Lo shadow AI si individua incrociando tre fonti: il traffico di rete verso i domini AI noti, gli abbonamenti attivi rilevabili dalla spesa aziendale, e un censimento diretto con i team, condotto senza intento punitivo per ottenere risposte oneste.

La visibilità di rete è la fonte più affidabile perché non dipende dall'autodichiarazione. Un proxy di uscita autenticato, con un elenco esplicito di destinazioni consentite e un principio deny-by-default, rende visibile ogni richiesta verso un dominio AI, comprese quelle che nessuno ha mai dichiarato. È l'approccio su cui si basa l'egress governato di DevKira: ogni richiesta in uscita passa da un proxy che applica un allow-list esplicita, con richieste di eccezione self-service e approvazione automatica per gli host a basso rischio.

Il censimento della spesa è la seconda fonte più utile: molti abbonamenti AI vengono attivati con carte aziendali o personali rimborsate a piè di lista, e riconciliare queste spese con gli strumenti effettivamente autorizzati espone rapidamente l'entità reale del fenomeno.

Come si governa lo shadow AI senza vietare l'intelligenza artificiale?

Lo shadow AI si governa offrendo un'alternativa autorizzata comoda quanto quella non autorizzata, non vietando l'accesso all'AI. Il divieto puro sposta l'uso verso canali ancora meno visibili; la governance attiva lo riporta dentro un perimetro tracciato.

La tabella seguente confronta i tre approcci più comuni.

Approccio	Adozione reale da parte dei dipendenti	Visibilità per l'IT	Rischio di conformità
Divieto totale	Alta, ma su canali non tracciati (dispositivi personali, reti non aziendali)	Nessuna	Alto: l'azienda non sa cosa sta accadendo
Monitoraggio passivo	Media: gli strumenti non autorizzati restano in uso in parallelo	Parziale: si vede il traffico, non si controlla	Medio: si scopre il problema dopo che si è già verificato
Governance attiva (gateway unico, egress controllato, policy applicata)	Alta, perché lo strumento autorizzato è comodo quanto l'alternativa non autorizzata	Completa: ogni richiesta passa da un punto tracciato	Basso: i dati restano dentro un perimetro definito

Una governance attiva efficace poggia su tre elementi: un unico gateway per accedere ai modelli, così che non serva più uscire dal perimetro per usare Claude o GPT; un metering dei costi per persona, team e modello, così che la spesa diventi visibile prima che diventi un problema; e una policy AI aziendale scritta in modo operativo, non generico, con regole su cosa può essere incollato in un prompt e quali strumenti sono autorizzati per quale livello di sensibilità del dato. Un <a href="/it/blog/policy-ai-aziendale-regole-pratiche">policy AI aziendale con regole pratiche</a> applicabili nella quotidianità riduce lo scarto tra ciò che è scritto e ciò che accade davvero.

Shadow AI, AI Act e NIS2: cosa prevede la normativa

Lo shadow AI non è regolamentato come categoria a sé, ma ricade sotto il GDPR quando coinvolge dati personali e sotto l'AI Act quando lo strumento usato rientra in una delle categorie di rischio del regolamento. La normativa non chiede di eliminare l'AI, ma di sapere cosa viene usato e con quali garanzie.

Il Regolamento (UE) 2024/1689, l'<a href="https://eur-lex.europa.eu/eli/reg/2024/1689/oj" target="_blank" rel="noopener">AI Act</a>, impone obblighi differenziati per livello di rischio: i sistemi vietati sono proibiti a prescindere da chi li usa, quelli ad alto rischio richiedono documentazione tecnica e supervisione umana, e anche i modelli general purpose (GPAI) hanno obblighi di trasparenza già in vigore dal 2 agosto 2025. Uno strumento adottato in autonomia da un singolo team, senza valutazione preventiva, rende impossibile per l'azienda dimostrare di aver rispettato questi obblighi nel momento in cui viene richiesto.

Sul fronte dei dati personali, il <a href="https://eur-lex.europa.eu/eli/reg/2016/679/oj" target="_blank" rel="noopener">GDPR</a> resta il riferimento principale: ogni prompt che contiene dati su persone identificabili è un trattamento, e va valutato come tale. In Italia, il <a href="https://www.garanteprivacy.it/" target="_blank" rel="noopener">Garante per la protezione dei dati personali</a> ha più volte agito nei confronti di servizi di AI generativa proprio per carenze nell'informativa e nella base giuridica del trattamento, un precedente che rende lo shadow AI un rischio concreto e non solo teorico per le aziende italiane.

Anche la NIS2, pur nascendo come direttiva sulla resilienza cybersecurity, entra nel discorso: l'<a href="https://www.enisa.europa.eu/" target="_blank" rel="noopener">ENISA</a>, l'agenzia dell'Unione per la cybersicurezza, classifica l'uso non tracciato di servizi cloud e AI di terzi come superficie di attacco aggiuntiva, perché ogni canale non monitorato è un punto cieco per il rilevamento di incidenti.

Come DevKira riporta lo shadow AI sotto controllo

DevKira riporta lo shadow AI sotto controllo unificando accesso, tracciabilità e sovranità dei dati in un unico ambiente di lavoro, così che l'alternativa governata sia anche quella più comoda da usare ogni giorno.

Alla base c'è un gateway LLM unico, basato su LiteLLM, con endpoint compatibile OpenAI e una virtual key per persona: Business e IT accedono a Claude, GPT o modelli europei dallo stesso punto, invece di aprire account personali su servizi diversi. Ogni richiesta passa dal proxy di egress governato, con allow-list esplicita e approvazione automatica per le destinazioni a basso rischio, così che l'accesso resti semplice senza restare invisibile.

Il metering dei costi tracciato per azienda, modello e persona rende visibile la spesa reale in tempo reale, con budget e limiti configurabili per virtual key. E quando il dato è sensibile, DevKira mette a disposizione tre <a href="/it/blog/sovranita-digitale-cosa-significa">posture di sovranità dei dati</a>: cloud mascherato per l'uso quotidiano, infrastruttura EU-sovrana per i dati che non possono lasciare la giurisdizione europea, e on-premise per i dati più critici, che non escono mai dal perimetro aziendale. Le <a href="/it/platform">capacità della piattaforma DevKira</a> coprono l'intero perimetro, dalla gestione degli accessi al catalogo DevTools centralizzato.

Per capire se l'organizzazione ha già le basi per dimostrare conformità, il passo successivo naturale è verificare se esiste un <a href="/it/blog/audit-trail-tracciabilita-accessi">audit trail che tracci accessi a dati e strumenti AI</a>: senza quel log, anche la governance meglio intenzionata resta indimostrabile.

Domande frequenti

Che cos'è lo shadow AI?

Lo shadow AI è l'uso di strumenti di intelligenza artificiale da parte dei dipendenti senza approvazione, verifica o visibilità da parte dell'IT. Comprende chatbot generalisti, plugin AI nel browser ed estensioni per lo sviluppo software adottati in autonomia, spesso con account personali, fuori da qualsiasi processo di governance aziendale.

Qual è la differenza tra shadow AI e shadow IT?

Lo shadow IT copre qualunque software non approvato; lo shadow AI ne è un sottoinsieme più rischioso perché coinvolge tipicamente il contenuto testuale di prompt con dati riservati in chiaro, non solo file o credenziali, e la soglia per usarlo è più bassa: basta un browser.

Quali sono i rischi principali dello shadow AI per un'azienda?

I rischi principali sono quattro: esposizione di dati riservati verso fornitori non verificati, violazioni di conformità GDPR e AI Act, spesa in licenze non tracciata, e output di lavoro incoerenti tra team che usano strumenti e prompt diversi per gli stessi processi aziendali.

Come si rileva lo shadow AI in un'organizzazione?

Si rileva incrociando tre fonti: il traffico di rete verso domini AI noti tramite un proxy di egress governato, la spesa aziendale riconciliata con gli strumenti autorizzati, e un censimento diretto con i team senza intento punitivo, per ottenere risposte oneste sull'uso reale.

Come si governa lo shadow AI senza vietare l'intelligenza artificiale ai dipendenti?

Si governa offrendo un'alternativa autorizzata comoda quanto quella non ufficiale: un gateway unico per accedere ai modelli, un metering dei costi visibile e una policy AI applicata nella pratica, non solo scritta su carta. Il divieto puro sposta l'uso verso canali ancora meno visibili.

Lo shadow AI è già regolamentato dalla normativa europea?

Non come categoria a sé, ma ricade sotto normative esistenti: il GDPR quando coinvolge dati personali, l'AI Act (Regolamento UE 2024/1689) quando lo strumento rientra in una categoria di rischio del regolamento. L'azienda deve poter dimostrare di sapere quali strumenti usa e con quali garanzie, indipendentemente da chi li ha adottati.

Prossimo passo

Lo shadow AI si risolve dando ai team un modo più comodo di usare l'AI, non un modo più complicato. Il punto di partenza più concreto è capire quanti strumenti AI sono già in uso oggi nella tua organizzazione, e con quale visibilità reale per l'IT.

<a href="/it/book-a-demo">Prenota una demo di DevKira</a> per vedere come funziona un gateway AI unico con egress governato e metering dei costi, oppure approfondisci come costruire un <a href="/it/blog/data-governance-framework-aziendale">framework di data governance aziendale</a> che regga anche quando i team adottano nuovi strumenti AI ogni trimestre.