English
La inteligencia artificial se incorporó al trabajo cotidiano con una velocidad difícil de comparar con otras tecnologías. Hoy es normal que alguien use ChatGPT para resumir un documento, preparar una presentación, analizar información o resolver una tarea que antes le llevaba varias horas. Muchas veces, sin que nadie en la empresa haya decidido formalmente incorporar esa herramienta.
Para un líder, esto puede parecer una buena noticia. El equipo gana tiempo, resuelve más rápido y encuentra nuevas formas de trabajar. Y muchas veces lo es.
Pero más rápido no siempre significa mejor.
En Argentina, el 80% de los trabajadores relevados por el estudio de KPMG y University of Melbourne afirmó utilizar intencionalmente inteligencia artificial en su trabajo. Al mismo tiempo, solo el 50% señaló que su organización cuenta con políticas y prácticas para orientar su uso responsable.
La distancia entre esos dos números dice bastante sobre el momento que estamos atravesando. La IA ya está siendo utilizada dentro de las empresas, incluso mientras muchas organizaciones todavía están definiendo cómo quieren utilizarla.
Y ahí empiezan preguntas que hasta hace poco no formaban parte de la rutina de un manager. ¿Qué información está compartiendo el equipo con estas herramientas? ¿Se utilizan cuentas personales o corporativas? ¿Qué ocurre con los datos después de ingresarlos? ¿Cómo están configuradas esas cuentas? ¿Quién verifica las respuestas antes de incorporarlas a una decisión, un documento o un proceso?
A este fenómeno se lo conoce como Shadow AI.
¿Qué es Shadow AI?
Shadow AI es el uso de herramientas, modelos o aplicaciones de inteligencia artificial dentro de una organización sin la aprobación, supervisión o conocimiento de las áreas responsables de gestionarlas. Puede ser algo tan cotidiano como utilizar una cuenta personal de ChatGPT para trabajar con información de la empresa, pero también puede incluir aplicaciones con IA, modelos o agentes incorporados por un equipo fuera de los controles establecidos por la organización.
El término está relacionado con Shadow IT, que desde hace años describe el uso de tecnología por fuera de los sistemas gestionados oficialmente por una empresa. Con la IA, sin embargo, aparece una diferencia importante: estas herramientas no solo almacenan o transportan información. Pueden analizarla, transformarla, generar nuevo contenido a partir de ella y, cada vez más, ejecutar acciones.
Tu empresa puede estar usando más IA de la que creés
Hay otro dato argentino que permite entender mejor cómo está ocurriendo esta adopción. La Encuesta Nacional sobre Adopción de IA en Argentina, realizada por CEPE de la Universidad Torcuato Di Tella y Fundar, encontró que el 82,2% de quienes utilizan IA para trabajar recurre a versiones gratuitas de estas herramientas. Solo el 6,2% señaló que su organización paga por ellas.
Usar una versión gratuita no significa necesariamente que exista un uso indebido, ni que la herramienta sea insegura. Pero sí plantea una pregunta que muchas organizaciones todavía no pueden responder con claridad: ¿bajo qué cuentas, configuraciones y condiciones está utilizando IA nuestra gente?
Usar inteligencia artificial dentro de una empresa puede significar cosas muy distintas.
Una persona puede utilizar una herramienta de IA desde una cuenta personal y otra hacerlo desde un entorno corporativo administrado por la organización. También puede recurrir a funciones de IA integradas en aplicaciones que la empresa ya utiliza. En cada caso pueden cambiar los controles disponibles, la retención de información, las integraciones habilitadas o la manera en que los datos son tratados.
El problema, entonces, no empieza y termina en qué aplicación está utilizando un empleado. También importa qué información comparte con ella, quién controla la cuenta y qué configuración existe detrás.
¿Qué datos estamos compartiendo con la IA?
Cuando usamos inteligencia artificial para trabajar, necesitamos darle contexto. Y ese contexto muchas veces proviene de la propia empresa.
Puede ser un contrato que queremos resumir, una base de clientes que necesitamos analizar, una propuesta comercial que queremos mejorar, código que contiene lógica propietaria o un documento interno que necesitamos convertir en una presentación.
La facilidad con la que hoy podemos hacer estas cosas también hace que sea fácil olvidar algo básico: para que una herramienta procese esa información, primero tenemos que compartirla con ella.
No todas las herramientas ni todas las licencias tratan esos datos de la misma manera. Tampoco ofrecen necesariamente los mismos controles sobre retención, acceso, administración o uso de la información. Incluso dentro de un mismo producto, las condiciones pueden cambiar entre una cuenta personal y un entorno empresarial.
Por eso la pregunta no debería limitarse a “¿podemos usar esta herramienta?”. Un líder también necesita preguntarse qué datos puede utilizar su equipo, bajo qué tipo de cuenta y con qué configuración.
Esto se vuelve especialmente relevante porque muchas de las personas que utilizan IA no están pensando en infraestructura, políticas de retención o gobierno de datos. Están intentando hacer mejor su trabajo.
Ese es precisamente el desafío de Shadow AI: una decisión aparentemente pequeña, como copiar información en un prompt para ahorrar media hora, puede introducir datos de la organización en un sistema que la empresa nunca evaluó.
¿Podemos confiar en lo que la IA nos devuelve?
Hasta acá hablamos principalmente de la información que compartimos con herramientas de inteligencia artificial. Pero hay otra parte del problema: qué hacemos con sus respuestas.
La IA puede acelerar el trabajo de manera considerable. Un estudio publicado en The Quarterly Journal of Economics y desarrollado por investigadores de Stanford analizó a 5.172 agentes de atención al cliente y encontró un aumento promedio del 15% en productividad entre quienes tuvieron acceso a un asistente de IA.
Pero el resultado no fue igual para todos. Los trabajadores menos experimentados mejoraron tanto la velocidad como la calidad de su trabajo, mientras que entre los más experimentados se observaron pequeñas mejoras de velocidad acompañadas por una leve caída en la calidad.
La distinción es importante. Incorporar IA no produce automáticamente un mejor resultado. Depende de la tarea, de quién la utiliza y, sobre todo, de qué hacemos con la respuesta que recibimos.
En Argentina ya aparecen señales de esta tensión. El estudio de KPMG y University of Melbourne que mencionamos antes encontró que el 68% de los trabajadores relevados utilizó resultados de IA sin evaluar su precisión y el 53% reconoció haber cometido errores en su trabajo debido al uso de estas herramientas.
Una respuesta bien escrita puede parecer correcta sin serlo. Lo mismo ocurre con un análisis convincente, una fórmula, una traducción o un fragmento de código. La fluidez con la que una IA presenta una respuesta no es una medida de su precisión.
Para un líder, esto introduce una pregunta distinta. No alcanza con saber si el equipo utiliza IA. También hay que entender para qué la utiliza y qué nivel de revisión requiere cada uso.
No es lo mismo pedirle a una herramienta que ordene ideas antes de una reunión que utilizarla para analizar un contrato, evaluar información financiera o generar código que llegará a producción. El nivel de supervisión debería acompañar el impacto que puede tener un error.
Más rápido puede ser mejor. Pero solo cuando sabemos dónde podemos confiar en esa velocidad y dónde necesitamos detenernos a verificar.
Shadow AI también puede revelar dónde existe una necesidad
Si alguien utiliza una herramienta no aprobada por su empresa, la primera reacción puede ser pensar en cómo impedirlo.
Pero hay otra pregunta que vale la pena hacer antes: ¿por qué la está usando?
En 2024, Microsoft y LinkedIn encontraron que el 78% de las personas que utilizaban IA en el trabajo llevaban sus propias herramientas. El fenómeno, conocido como Bring Your Own AI, atravesaba generaciones y era incluso ligeramente mayor en pequeñas y medianas empresas.
Parte de esa adopción permanece además fuera de la conversación formal de las empresas: el 52% de los usuarios relevados se mostraba reticente a admitir que utilizaba IA para sus tareas más importantes. El 53% temía que hacerlo pudiera hacerlos parecer reemplazables.
Esto ayuda a entender por qué Shadow AI no debería interpretarse únicamente como una falla de compliance.
Un análisis publicado en 2026 por Harvard Business Review plantea precisamente esa idea: el uso no autorizado de herramientas de IA también puede funcionar como una señal de demanda interna que la organización todavía no está atendiendo.
El caso analizado por HBR es particularmente interesante. BBVA decidió observar cómo sus propios empleados querían utilizar IA y canalizar esa demanda hacia un entorno seguro. El programa llegó a más de 11.000 usuarios activos y dio lugar a 4.800 herramientas internas creadas por los propios empleados, con ahorros reportados de entre dos y cinco horas semanales por persona.
La lección no es que cualquier herramienta elegida por un empleado deba aprobarse. Es que detrás de un uso no autorizado puede existir un problema real que vale la pena entender.
Tal vez alguien está resumiendo manualmente decenas de documentos todas las semanas. Tal vez un equipo pierde horas consolidando información para preparar un reporte. Tal vez existe una tarea repetitiva que nunca tuvo suficiente prioridad para convertirse en un proyecto tecnológico.
Shadow AI puede hacer visibles esos puntos de fricción.
Para un líder, entonces, la conversación cambia. En lugar de preguntar únicamente “¿qué herramientas está utilizando mi equipo?”, aparece otra pregunta más útil: “¿qué están intentando resolver con ellas?”
Prohibir la IA no hace desaparecer la necesidad
La respuesta a Shadow AI tampoco puede reducirse a bloquear herramientas.
Una investigación de Microsoft publicada en 2025 encontró que el 71% de los empleados británicos relevados había utilizado herramientas de IA de consumo no aprobadas en el trabajo y que el 51% continuaba haciéndolo semanalmente. Entre las razones, el 41% decía recurrir a herramientas que ya conocía de su vida personal y el 28% señalaba que su empresa no le proporcionaba una alternativa aprobada.
La prohibición puede eliminar el acceso a una herramienta. No necesariamente elimina el problema que esa herramienta estaba resolviendo.
Eso no significa que las empresas deban permitir cualquier uso. Significa que necesitan ofrecer un camino mejor.
El primer paso es ganar visibilidad: entender qué herramientas utilizan los equipos, para qué tareas y con qué información. Después vienen reglas que puedan trasladarse al trabajo cotidiano. Decir “usen IA responsablemente” sirve de poco si una persona no sabe si puede analizar información de clientes, cargar un contrato o utilizar una cuenta personal para trabajar.
También importa ofrecer alternativas. Si esperamos que los equipos aprovechen la inteligencia artificial, necesitamos darles herramientas, cuentas y configuraciones adecuadas para hacerlo. De lo contrario, la organización puede terminar promoviendo la adopción de IA mientras deja que cada empleado resuelva por su cuenta cómo implementarla.
Y finalmente está la educación. No todas las personas necesitan saber cómo funciona un modelo de lenguaje, pero sí deberían entender qué información pueden compartir, cuándo necesitan verificar una respuesta y por qué una herramienta utilizada desde una cuenta personal puede operar bajo condiciones diferentes de un entorno administrado por su empresa.
El objetivo no debería ser frenar la experimentación que está generando valor. Debería ser crear un camino para que esos usos puedan salir de las sombras.
Ahí es donde la conversación deja de ser solamente sobre Shadow AI y pasa a ser sobre gobernanza.
La gobernanza de IA permite establecer responsabilidades, criterios y controles desde el diseño, en lugar de intentar incorporarlos cuando una herramienta o proceso ya forma parte del trabajo cotidiano.
La inteligencia artificial nos permite hacer muchas cosas más rápido. El desafío para las empresas es conseguir que esa velocidad no avance más rápido que su capacidad para entender qué están haciendo con ella.