Il 44% dei dipendenti usa l’AI in modi che contravvengono le policy aziendali. Il 41% lavora in un’organizzazione che quella policy non ce l’ha ancora (KPMG, agosto 2025). I due dati si sovrappongono: nelle stesse aziende dove mancano le regole, i dipendenti già le ignorano. Il risultato è un gap di governance che il settore continua trattare come un rischio emergente, da monitorare, da affrontare quando si sarà pronti.
Ma la Shadow AI non è nascosta. È già sistematica, eppure fuori dalle discussioni aziendali. Secondo IBM (luglio 2025), il 97% delle organizzazioni che hanno subito una violazione di applicazioni AI non aveva controlli di accesso adeguati. Non erano impreparate per negligenza: nessuno aveva preso la decisione di occuparsene.
Il vertice aziendale non sa cosa sta succedendo
Quando un’azienda chiede risultati basati sull’AI senza fornire strumenti approvati per ottenerli, i dipendenti si arrangiano con il proprio account personale, su una piattaforma che l’IT non ha mai visto. Il 47% degli utenti di AI generativa usa già account personali per attività lavorative (Netskope, 2026), e in questi casi si tratta di una risposta razionale a un’organizzazione che non ha ancora deciso come vuole gestire l’AI.
Il problema è che questa dinamica quasi mai arriva ai vertici aziendali. Il CISO la conosce, la monitora, a volte la segnala. Ma finché resta una questione tecnica gestita dall’IT, non diventa una scelta strategica, e mette a rischio la stabilità dell’azienda.
Cosa cambia il 2 agosto
Il 2 agosto 2026 l’AI Act è diventato pienamente applicabile nella sua generalità, avviando la transizione che porterà, nei mesi successivi (tra l’inizio del 2027 e l’agosto dello stesso anno), all’entrata in vigore degli stringenti obblighi per i sistemi AI ad alto rischio. In Italia, la Legge 132/2025 ha già designato l’ACN come autorità di vigilanza. Le sanzioni sono pesantissime: arrivano fino a 15 milioni di euro (o il 3% del fatturato) per le violazioni sui sistemi ad alto rischio, e fino a 35 milioni di euro (o il 7% del fatturato) per l’uso di sistemi vietati, cumulative con il GDPR.
L’impatto diretto sulla Shadow AI è questo: ogni sistema AI usato per gestire dati personali su larga scala, per processi che impattano le persone o per la sicurezza di infrastrutture deve soddisfare requisiti precisi di supervisione umana, tracciabilità degli output e documentazione dei processi. Una piattaforma AI pubblica usata da un dipendente senza approvazione non soddisfa nessuno di questi requisiti. L’azienda che non lo gestisce ha un’esposizione normativa già attiva, misurabile in due procedimenti separati su due normative diverse originati dallo stesso comportamento.
Vietare non risolve
La risposta più comune è il divieto. Grandi banche e aziende tech hanno bloccato ChatGPT sui dispositivi aziendali. Il risultato documentato è uniforme: i dipendenti lo usano dal telefono personale. Il comportamento continua, fuori da qualsiasi visibilità aziendale. Il divieto non elimina la Shadow AI: la rende invisibile, e produce un falso senso di controllo, che è peggio. Chi non trova l’alternativa approvata trova quella non approvata, e lo fa su un canale che il SOC non monitora.
Nel SOC di Axitea trattiamo ogni giorno incidenti di sicurezza che riguardano dati sensibili dei clienti. Quando abbiamo integrato l’AI nei nostri processi operativi, la domanda di partenza non è stata quale modello usare: è stata dove vanno i dati. La risposta ha portato a una data retention pari a zero sulle piattaforme cloud, modelli locali addestrati su un dataset proprietario di oltre 120.000 incidenti annui, architettura ibrida per non dipendere da un singolo fornitore esterno. Una configurazione più complessa, ma coerente con quello che chiediamo alle organizzazioni che supportiamo.
Il framework che funziona
La governance della Shadow AI si costruisce su tre livelli distinti, che vanno affrontati nell’ordine in cui compaiono.
- Conoscere la situazione attuale. Serve un inventario degli strumenti AI effettivamente in uso, compresi quelli non approvati, con visibilità su chi li usa, su quali dati e con quale frequenza. Strumenti di discovery del traffico di rete sono il punto di partenza.
- Classificare i dati, non vietare gli strumenti. La domanda operativa non è “ChatGPT sì o no”: è quali informazioni possono uscire dal perimetro verso una piattaforma esterna, quali devono restare on-premise, quali non possono entrare in nessun sistema AI non certificato. Regole specifiche per categoria di dato sono più rispettate di un divieto generico, e reggono all’AI Act, che richiede tracciabilità sui dati trattati, non un elenco di tool bloccati. Inoltre, le organizzazioni che mettono a disposizione un catalogo di strumenti approvati, differenziati per ruolo e caso d’uso, vedono la Shadow AI ridursi significativamente.
- Portare il monitoraggio nel SOC. Un dato riservato che esce dal perimetro attraverso un prompt lascia tracce identificabili. Un SOC configurato per vederle può intervenire prima che il dato venga elaborato e trattenuto da una piattaforma esterna.
Chi costruisce questi tre livelli oggi ottiene qualcosa di concreto: la capacità di dimostrare a auditor, partner e regolatori che l’uso dell’AI è tracciato, governato e conforme.
La Shadow AI richiede una decisione: chi è responsabile dell’uso dell’AI in questa organizzazione, su quali dati, con quali strumenti, secondo quali processi di controllo. Finché questa questione resta sul tavolo del CISO, rimane un problema tecnico. Quando sale ai vertici, diventa una politica aziendale. E solo a quel punto produce effetti reali.
di Giorgio Triolo, CTO Axitea
