Cos’è la shadow AI e perché è già in corso
Shadow AI è l’uso di strumenti di intelligenza artificiale all’interno di un’organizzazione senza che il management lo sappia, lo abbia autorizzato o lo abbia integrato nei processi ufficiali. Non è un fenomeno emergente: è già in corso. Chi lavora con te usa ChatGPT per scrivere email, Perplexity per fare ricerche, Claude per riassumere documenti — e lo fa fuori da qualsiasi flusso tracciato.
Non è sabotaggio. È adattamento. Quando un tool risolve un problema in due minuti e il processo ufficiale ne richiede venti, la scelta è ovvia. Il rischio non sta nell’intenzione di chi lo usa, ma in quello che succede ai dati che ci finiscono dentro, alle decisioni prese su output non verificati e ai processi che si biforcano senza che nessuno lo veda.
Questo articolo spiega come si forma la shadow AI, cosa rompe in concreto e come si governa senza bloccare la produttività che hai già in casa.
Come si forma: il processo ufficiale è troppo lento
La shadow AI non nasce per aggirare le regole. Nasce perché le regole non tengono il passo con i tool disponibili. Un commerciale scopre che può usare un LLM per preparare una proposta in un quarto del tempo. Non aspetta la circolare IT: inizia domani.
Il meccanismo è sempre lo stesso. C’è un problema reale, c’è uno strumento accessibile che lo risolve, e c’è un percorso di approvazione che — quando esiste — richiede settimane. Nel mezzo ci sono persone che devono chiudere lavoro entro venerdì.
Più l’organizzazione è grande, più il gap è largo. Più il gap è largo, più la shadow AI prolifera. Non è un problema di cultura: è un problema di attrito istituzionale.
Cosa rompe davvero: dati, processi e decisioni
Il danno più ovvio è sui dati. Un collaboratore incolla in un tool esterno un contratto, una lista clienti, un’analisi finanziaria. Non sa — e spesso non può sapere — dove finisce quel dato, se viene usato per addestrare modelli, se è accessibile a terzi. Il GDPR non distingue tra uso autorizzato e non autorizzato: la responsabilità resta in capo all’azienda.
Il secondo danno è sui processi. Quando qualcuno costruisce un workflow AI in autonomia, quel workflow non è documentato, non è testato sugli edge case e non ha guardie. Produce output che entrano nel lavoro quotidiano senza che nessuno sappia da dove vengono. Se l’output è sbagliato, l’errore si propaga silenziosamente — esattamente come un’automazione senza monitoraggio.
Il terzo danno è sulle decisioni. Un manager riceve un report prodotto con un agente AI non ufficiale. Il report sembra autorevole. Le fonti non sono verificabili. La decisione viene presa su dati la cui provenienza non è tracciata. Il silenzio del sistema non è salute: è il sintomo che nessuno sta guardando.
La differenza tra shadow AI e adozione AI non governata
Vale la pena distinguere due cose che spesso si confondono.
Shadow AI è uso di strumenti AI fuori da qualsiasi processo aziendale: nessuna policy, nessuna integrazione, nessuna visibilità. L’adozione AI non governata è diversa: i tool sono noti, magari anche pagati dall’azienda, ma non c’è un processo che definisce come si usano, su quali dati e con quali controlli.
| Dimensione | Shadow AI | Adozione non governata |
|---|---|---|
| Visibilità per l’azienda | Zero | Parziale |
| Controllo sui dati | Nessuno | Inconsistente |
| Rischio GDPR | Alto e immediato | Moderato |
| Tracciabilità degli output | Assente | Assente o manuale |
| Soluzione | Emersione e policy | Governance e standard |
In entrambi i casi il problema non è che le persone usano AI. È che lo fanno in modi che l’organizzazione non può osservare, correggere o scalare.
Quello che nessuno dice
La shadow AI esiste perché il processo ufficiale non funziona abbastanza bene
Bloccare i tool non risolve il problema: sposta l’uso su strumenti ancora meno controllabili. La risposta è ridurre l’attrito del percorso autorizzato fino a renderlo più veloce dell’alternativa.
- Tool approvati — quelli che i team possono usare senza chiedere permesso ogni volta
- Dati fuori scope — una lista chiara di cosa non entra mai in un LLM esterno
- Processo di escalation — un modo rapido per richiedere un nuovo tool, in giorni non in settimane
Gli agenti AI e il salto di rischio
Fino a qui ho parlato di uso passivo: qualcuno che chiede a un modello di riscrivere un testo o di riassumere un documento. Il rischio scala in modo non lineare quando si passa agli agenti AI.
Un agente AI non risponde a una domanda: esegue una sequenza di azioni. Accede a sistemi, modifica dati, invia messaggi, aggiorna record. Se un collaboratore costruisce un agente AI in autonomia — con n8n, con Make, con qualsiasi tool di automazione — e lo connette al CRM aziendale o alla casella email, hai una macchina che opera sul tuo business senza che tu lo sappia.
Non sto descrivendo un futuro ipotetico. I tool per costruire agenti AI sono accessibili, spesso gratuiti nella versione base, e non richiedono competenze di programmazione. Il tempo tra «ho scoperto questo strumento» e «ho costruito qualcosa che gira in produzione» si misura in ore.
Un agente AI non governato che opera sui tuoi dati è il caso più pericoloso di shadow AI che esiste oggi. Esegue sbagliato con la stessa sicurezza con cui esegue giusto. Non rallenta, non dubita, non ti chiama.
Come governarla senza bloccare tutto
La risposta sbagliata è il divieto. I divieti senza enforcement non funzionano, e l’enforcement su strumenti consumer è impossibile. La risposta giusta è rendere visibile quello che già succede e costruire un percorso alternativo che sia effettivamente più comodo dell’uso in autonomia.
Il primo passo è l’inventario. Non serve un audit formale: basta chiedere. Una survey interna anonima su quali tool AI le persone usano nel lavoro quotidiano restituisce un quadro in pochi giorni. La maggior parte dei collaboratori non nasconde niente: non hanno mai pensato che ci fosse qualcosa da nascondere.
Il secondo passo è la classificazione dei dati. Non tutti i dati hanno lo stesso peso. Definire tre categorie — dati pubblici, dati interni, dati riservati — e stabilire quale categoria può uscire da un perimetro aziendale è un lavoro che si fa in un pomeriggio e che chiarisce il 90% delle situazioni ambigue.
Il terzo passo è costruire un’alternativa rapida. Se il percorso per usare un tool approvato richiede una settimana, le persone useranno quello non approvato. Se richiede un giorno, la maggior parte aspetterà. L’obiettivo non è la perfezione: è ridurre l’attrito abbastanza da spostare il comportamento.
Per chi gestisce infobusiness o agenzie, vale una considerazione aggiuntiva: i processi che usi internamente diventano il template di quello che vendi ai clienti. Se la tua organizzazione ha shadow AI non governata, stai vendendo governance AI a clienti su una base che non hai ancora sistemato. Costruire agenti AI per aziende ha senso solo se il contesto in cui operano è controllabile.
La policy minima che funziona davvero
Una policy AI che vuole coprire tutto non viene letta da nessuno. Una policy che risponde a tre domande concrete viene usata.
Prima domanda: quali tool posso usare senza chiedere? La risposta deve essere una lista, non un principio. Includere le versioni specifiche fa la differenza: ChatGPT con account personale e ChatGPT Enterprise hanno profili di rischio dati completamente diversi.
Seconda domanda: quali dati non entrano mai in un tool AI esterno? Nomi di clienti, dati finanziari, contratti, informazioni sanitarie — la lista dipende dal settore, ma deve essere esplicita. «Usa il buonsenso» non è una policy.
Terza domanda: cosa faccio se voglio usare un tool che non è in lista? Deve esserci un processo con un tempo di risposta definito. Se la risposta arriva in cinque giorni lavorativi, il processo funziona. Se arriva in trenta, il processo non esiste.
Chi costruisce automazioni sa che un processo senza un’uscita definita per gli edge case non è un processo: è un’intenzione. La policy AI aziendale segue la stessa logica. Se non prevedi il caso del collaboratore che trova un tool nuovo ogni settimana, la policy è già obsoleta il giorno in cui la pubblichi.
Per chi automatizza
Make è il layer che dà le braccia agli agenti AI
Se stai costruendo agenti AI governati — non shadow — Make è il tool che connette il modello al resto del business. Parte con il piano gratuito e nei primi giorni lo usi così:
- Connetti un trigger a un modello LLM
- Fai eseguire un’azione sul CRM o sulla casella email
- Aggiungi un log su un foglio per tenere traccia di ogni run
Apri il piano gratuito di Make →
Link di affiliazione: se ti iscrivi da qui io prendo una commissione, tu paghi uguale. Lo linko perché ci lavoro dentro ogni giorno.
Il segnale che la shadow AI ha già fatto danni
Non sempre lo sai in tempo reale. I sintomi arrivano dopo. Un report che non torna. Un cliente che riceve una comunicazione che nessuno ricorda di aver inviato. Un processo che funziona per alcune persone e non per altre — perché alcune usano uno step AI in mezzo che le altre non usano.
Il segnale più sottile è la divergenza dei processi. Quando due persone dello stesso team producono risultati simili ma con flussi completamente diversi, una delle due ha probabilmente aggiunto qualcosa di non documentato. Non è necessariamente un problema: può essere un miglioramento. Ma se non lo sai, non puoi valutarlo, replicarlo o correggerlo.
Per chi ha già costruito automazioni formali, la shadow AI è riconoscibile perché produce lo stesso effetto di un’automazione senza monitoraggio: i flussi girano senza che nessuno li osservi, gli errori si accumulano in silenzio, e il problema emerge solo quando è già grande.
La differenza è che un’automazione non governata l’hai costruita tu. La shadow AI l’ha costruita qualcun altro, sui tuoi dati, con tool che non controlli, in un processo che non conosci. Capire cosa fa davvero un agente AI è il prerequisito per valutare il rischio che un agente non governato porta dentro la tua organizzazione.
La shadow AI non sparirà con una riunione. Sparisce quando il percorso ufficiale è abbastanza rapido da battere l’alternativa, e quando le persone sanno esattamente dove sta il confine tra uso accettabile e uso rischioso. Fino ad allora, il silenzio non è assenza di problema: è assenza di visibilità.
Domande frequenti
La shadow AI è illegale?
Non è illegale di per sé. Può diventare una violazione del GDPR se dati personali o sensibili vengono inviati a strumenti esterni non autorizzati e senza le garanzie contrattuali necessarie. La responsabilità legale ricade sull’azienda, non sul singolo collaboratore.
Come faccio a sapere se in azienda si usa già shadow AI?
La via più rapida è una survey interna anonima. La maggior parte dei collaboratori non nasconde l’uso: non ha mai pensato che ci fosse un problema. Un audit degli accessi di rete è più preciso ma richiede infrastruttura. Inizia dalla domanda diretta.
Qual è la differenza tra shadow AI e shadow IT?
Shadow IT è l’uso di qualsiasi software o servizio non autorizzato dall’IT aziendale: cloud storage personale, app di comunicazione, tool SaaS. La shadow AI è un sottoinsieme specifico: strumenti di intelligenza artificiale usati fuori dal perimetro aziendale, con rischi aggiuntivi legati agli output generati e ai dati immessi.
Bloccare i tool AI risolve il problema?
No. Sposta l’uso su strumenti ancora meno controllabili, spesso accessibili da dispositivi personali su cui l’azienda non ha visibilità. La soluzione è un percorso di adozione rapido e una policy chiara, non il blocco.
Trasparenza: in questo articolo c’è un link di affiliazione. Se ti iscrivi da lì io ricevo una commissione, per te non cambia niente. Linko solo strumenti che uso in produzione.
