El uso no autorizado de herramientas de inteligencia artificial generativa dentro de las organizaciones —lo que la industria llama shadow AI— está superando la capacidad de los programas de gobernanza de datos para detectarlo, clasificarlo y auditarlo. Los frameworks existentes no fueron diseñados para un entorno en el que cualquier colaborador puede procesar datos corporativos sensibles desde una pestaña del navegador, sin pasar por TI ni por el área de datos.
La gobernanza de datos, en su concepción clásica —basada en DAMA-DMBOK o en el CDMC del EDM Council—, asume que el flujo de datos es relativamente conocido: hay sistemas de registro, hay data stewards que custodian dominios, hay pipelines auditables. Shadow AI rompe ese supuesto desde la base. Cuando un analista carga un archivo de clientes en ChatGPT para generar un resumen, o un equipo de ventas usa una extensión de IA para redactar propuestas con datos de CRM, ese flujo no deja rastro en ningún catálogo de datos, no tiene ownership asignado y no activa ninguna política de retención.
El problema de visibilidad: datos que salen sin pasar por el catálogo
El nudo central es de visibilidad. Los programas de gobernanza de datos dependen de que los activos estén registrados —idealmente en un catálogo con linaje (data lineage) documentado— para poder aplicar controles. Shadow AI crea canales de exfiltración suave que no generan alertas en las herramientas de Data Loss Prevention (DLP) tradicionales si el volumen por sesión es bajo, y que no quedan registrados en los logs de los sistemas fuente. El dato sale, es procesado por un modelo externo, y vuelve —o no— como output. Ese ciclo es invisible para el CDO.
A esto se suma un problema de clasificación. Si el dato no está etiquetado previamente —y en la mayoría de las organizaciones de la región, la clasificación formal de activos de datos está en etapas tempranas—, no hay mecanismo automático que impida que un dato catalogado como “confidencial” sea pegado en un prompt. La clasificación tiene que preceder al control, y en muchas empresas latinoamericanas ese paso todavía está en construcción.
Cuándo aplica y cuándo NO como problema de gobernanza
Shadow AI es un problema de gobernanza de datos cuando el activo comprometido tiene un data steward asignado, pertenece a un dominio de datos definido, o está sujeto a una política de retención o clasificación. En esos casos, el uso no autorizado de una herramienta de IA externa es un incumplimiento del marco de gobernanza, no solo una infracción de seguridad. En cambio, si el empleado usa IA con datos públicos o propios sin clasificación corporativa, el problema es predominantemente de política de uso aceptable —competencia de RRHH o Legal— y no de gobernanza de datos en sentido estricto. La distinción importa porque define quién debe actuar y con qué autoridad.
Tres capabilities que el programa de gobernanza debe incorporar
Los equipos de gobernanza de datos que quieran responder a shadow AI necesitan desarrollar, como mínimo, tres capabilities nuevas. Primero, integración con herramientas de monitoreo de endpoints y tráfico de red para detectar transferencias de datos hacia dominios de IA generativa conocidos —algo que hoy hace el equipo de seguridad, no el de datos, y que requiere coordinación formal entre ambos. Segundo, extensión del catálogo de datos para incluir no solo sistemas de registro sino también flujos de IA sancionados, de modo que el inventario refleje dónde se procesan los datos, no solo dónde viven. Tercero, capacitación de data stewards para identificar y reportar usos de IA no inventariados dentro de sus dominios: el steward como primer sensor humano de shadow AI.
El marco de Non-Invasive Data Governance de Bob Seiner es particularmente útil aquí: si los stewards ya tienen responsabilidades definidas sobre sus dominios de datos, extender esa responsabilidad al monitoreo de herramientas de IA que procesan esos datos es un paso incremental, no una revolución organizacional.
En Brasil, Argentina y México: el riesgo regulatorio es concreto
En América Latina, shadow AI no es solo un riesgo operativo: es un riesgo de cumplimiento con consecuencias legales concretas. La Lei Geral de Proteção de Dados (LGPD) de Brasil exige que el tratamiento de datos personales tenga una base legal y un propósito documentado. Si un empleado procesa datos de clientes en una herramienta de IA externa sin autorización, la empresa puede enfrentar responsabilidad ante la ANPD por tratamiento sin base legal y sin medidas de seguridad adecuadas. En Argentina, la Ley 25.326 establece obligaciones similares, y la AAIP ha dado señales de mayor actividad inspectiva en los últimos dos años. En México, el INAI requiere bajo la LFPDPPP que los responsables garanticen que los encargados de tratamiento —incluyendo proveedores tecnológicos— ofrezcan garantías suficientes. Un proveedor de IA generativa usado en modo shadow no tiene contrato de encargo, no tiene cláusulas de confidencialidad y probablemente no cumple con los estándares requeridos.
Los bancos y aseguradoras de la región tienen una presión adicional: reguladores sectoriales como el Banco Central de Brasil (BACEN) o la Comisión Nacional Bancaria y de Valores (CNBV) en México están incorporando expectativas de gestión de riesgos tecnológicos que incluyen el inventario de herramientas de IA. Shadow AI es, en ese contexto, un gap de cumplimiento sectorial además de uno de gobernanza.
El lunes, el CDO tiene cuatro movimientos concretos
Sin necesidad de esperar una política corporativa de IA completa, un CDO puede iniciar cuatro acciones inmediatas. Primero, mapear junto a seguridad qué dominios de datos de mayor criticidad tienen mayor probabilidad de exposición vía IA (datos de clientes, datos financieros, datos de RRHH). Segundo, revisar si el catálogo de datos incluye campo de “herramientas autorizadas de procesamiento” y, si no existe, agregarlo como metadata. Tercero, convocar a los data stewards de dominios críticos para una sesión de sensibilización: preguntarles si conocen usos de IA generativa en sus áreas y documentar las respuestas. Cuarto, establecer una mesa de trabajo con Legal y Seguridad para definir qué herramientas de IA pasan a la categoría de “encargados de tratamiento” bajo LGPD, Ley 25.326 o LFPDPPP, según la jurisdicción, y qué contratos deben formalizarse.
El CDMC del EDM Council incluye la gestión de riesgos de datos como capability central; el gap de shadow AI no es nuevo en términos de concepto, pero sí en escala. Las organizaciones que quieran profundizar pueden consultar el marco de referencia del EDM Council en edm-council.org y los lineamientos de la ANPD brasileña sobre uso de IA publicados en 2024.
