O que acontece quando colaboradores colam dados de clientes no ChatGPT?

Imagine o que acontece quando os colaboradores da organização usam o ChatGPT para:

• Copiar e-mails de clientes e redigir respostas mais claras

• Enviar dados de receita ao Google Gemini para analisar tendências de crescimento

• Colar transcrições de conversas com clientes no Claude e resumir problemas rapidamente

• Usar o GitHub Copilot para gerar trechos de código complexos

Cada tarefa é concluída em segundos, com eficiência, e o usuário segue adiante.

Em muitas organizações, isso acontece todos os dias — sem detecção, sem revisão e sem registro.

Não há intenção maliciosa. Não há agentes de ameaça envolvidos nem incidentes de segurança. Tampouco existe a percepção de que algum limite foi ultrapassado. Para a maioria das equipes, essa prática simplesmente passou a fazer parte da rotina de trabalho.

À medida que o uso de IA generativa se dissemina, volumes crescentes de dados de clientes, informações proprietárias de negócio e detalhes confidenciais de receita passam a circular em prompts por toda a organização. Uma vez pressionada a tecla Enter, esses dados deixam o controle direto da empresa e migram para um ambiente regido pelas regras, políticas de retenção e práticas de segurança de terceiros — muitas vezes fornecedores que a organização não gerencia ativamente e com os quais sequer mantém uma relação direta.

Para a maioria das organizações, isso cria uma realidade desconfortável: o uso de IA generativa é amplo, envolve dados críticos e, ainda assim, há pouca visibilidade sobre quando ocorre, quais informações são compartilhadas e com que frequência isso acontece. Compreender essa lacuna é essencial, e não se trata de atribuir culpa nem de restringir a produtividade. Trata-se de reconhecer que a superfície de risco mudou — e que os controles de segurança precisam mudar junto.

Este artigo não fala de agentes mal-intencionados nem de colaboradores imprudentes. Fala de um fluxo de trabalho comum e bem-intencionado que muitas organizações ainda não trataram por completo, dos desafios de implementar a governança de shadow AI sem prejudicar a produtividade e de como fazer isso de forma eficaz.

A rápida ascensão do shadow AI no ambiente de trabalho

Copiar e-mails, colar dados de receita, resumir transcrições de conversas: ações como essas, executadas com o apoio da IA generativa, ilustram aquilo que vem sendo chamado de shadow AI. Mas o que é, afinal, shadow AI?

Shadow AI é o uso de ferramentas, sistemas ou modelos de inteligência artificial por colaboradores de uma organização sem supervisão, aprovação, governança ou integração explícitas por parte da TI central. Isso inclui todas as interações com ferramentas de IA generativa como ChatGPT, Gemini, ClaudeAI, Perplexity e Synthesia.

É importante não confundir com o conceito de Shadow IT, que acontece quando áreas de negócio adotam tecnologia fora dos canais oficiais —, mas se distingue por se aplicar especificamente a capacidades baseadas em IA.

O que torna o shadow AI tão onipresente é a facilidade com que ele se mistura à rotina. São mais de 6.500 domínios de IA generativa e 3.000 aplicações monitoradas, o que oferece uma infinidade de opções aos usuários. Essas ferramentas também são baseadas em navegador, intuitivas e, muitas vezes, gratuitas, sem exigir provisionamento ou configuração técnica. O resultado é uma adoção orgânica e veloz, que costuma acontecer sem que as equipes de segurança sequer percebam.

Conforme esse uso se expande, entender o risco que ele impõe — e suas implicações — torna-se cada vez mais relevante para qualquer organização.

Estatísticas recentes de IA generativa: tendências de adoção e fatores de risco

• De 71% a 78% das organizações usam IA generativa com regularidade em pelo menos uma função de negócio, o que indica uma adoção que já ultrapassou a fase de projetos-piloto, segundo a McKinsey Global Survey 2025.

• 89% do uso corporativo de IA é invisível para a organização, aponta o Enterprise GenAI Security Report 2025, da LayerX.

• Quase 40% dos arquivos enviados a ferramentas de IA contêm dados de PII ou PCI, revela o mesmo relatório.

• Mais de 40% das violações de dados relacionadas à IA até 2027 terão origem no uso não aprovado ou inadequado de IA generativa, de acordo com o Gartner.

• Uma média de 223 incidentes mensais de violação de políticas de dados envolvendo GenAI já é registrada, número em rápido crescimento segundo o Netskope Cloud and Threat Report 2026.

A superfície de risco do shadow AI

A ascensão do shadow AI alterou profundamente o cenário de riscos das organizações e abriu caminhos de violação de segurança para os quais os controles existentes nunca foram projetados. Entre os principais riscos estão:

• Compartilhamento de dados sem controle e sem monitoramento

Colaboradores compartilham comunicações de clientes, documentos internos, dados financeiros e informações proprietárias de negócio com ferramentas de IA generativa para acelerar tarefas rotineiras. O risco é implícito: quando dados críticos para o negócio ultrapassam os limites da organização, a exposição e a chance de violação aumentam de imediato.

• Perda de visibilidade e de responsabilização

Como a maior parte do uso de IA ocorre em contas pessoais e navegadores não gerenciados, falta às organizações visibilidade e controle sobre quais dados são compartilhados, por quem, quando e em quais ferramentas de IA.

• Exposição regulatória e de conformidade

Boa parte do uso de IA generativa — inclusive o compartilhamento de PII e de dados financeiros e regulados — pode infringir normas como a LGPD, o GDPR, o PCI-DSS e a HIPAA, criadas para proteger a privacidade, a integridade e a confidencialidade dos dados.

• Contorno dos controles de segurança existentes

Ferramentas de IA baseadas em navegador, plug-ins e extensões contornam com facilidade os controles tradicionais centrados em dados e em rede. Elas operam dentro das sessões do navegador do usuário e dependem de interações criptografadas, baseadas em sessão, que permitem compartilhar dados sensíveis por copiar e colar ou por envio de arquivos sem acionar os mecanismos de inspeção ou de aplicação de políticas já instalados.

• Superfície de ataque ampliada

Cada ferramenta, domínio ou extensão de IA com que os colaboradores interagem representa um ponto de entrada adicional para vazamento de dados, exposição de credenciais e exploração maliciosa.

Em conjunto, esses riscos deixam claro que o shadow AI é uma preocupação real e crescente para as empresas. A pergunta seguinte é se as organizações podem — ou devem — tentar proibir por completo a IA generativa. Na prática, essa abordagem não é eficaz nem sustentável.

Os colaboradores continuarão a buscar ferramentas de IA para ganhar eficiência, e a IA generativa já se tornou uma capacidade crítica para a competitividade no mercado atual. Em vez de tentar eliminar seu uso, cabe às organizações reconhecer que ele é inevitável e concentrar esforços em gerenciá-lo de forma responsável, com visibilidade, governança e controle.

Isso exige abordagens de segurança e de governança criadas especificamente para monitorar e proteger as interações com IA em tempo real, sem interromper a produtividade nem os fluxos de trabalho legítimos do negócio.

Como rastrear e proteger o uso de IA generativa no trabalho

Para proteger o uso de IA com eficácia, é preciso migrar para controles orientados por visibilidade e contexto, que atuem no nível dos dados. Ao observar como a IA é acessada, quais dados são compartilhados e qual o risco associado a cada interação, a organização reduz a exposição sem prejudicar o uso legítimo. As prioridades devem ser:

• Estabelecer visibilidade completa sobre o uso de IA, capturando telemetria sobre quem usa quais ferramentas, com que frequência e com qual finalidade — inclusive o conteúdo dos prompts.

• Monitorar os dados compartilhados com ferramentas de IA para identificar se incluem PII, informações financeiras ou outros dados sensíveis, tanto em aplicações autorizadas quanto nas não autorizadas.

• Aplicar controles baseados em risco, que liberem os casos de uso inofensivos e acionem salvaguardas quando dados sensíveis ou regulados forem compartilhados. Isso pode incluir ocultação de informações, avisos, aplicação de políticas ou restrições conforme a classificação dos dados.

• Adotar soluções robustas de auditoria do uso de IA generativa, que estabeleçam responsabilização e apoiem a conformidade, a resposta a incidentes e a governança interna.

• Orientar os colaboradores sobre o uso seguro de ferramentas e plataformas de IA, com diretrizes claras e limites bem definidos para o compartilhamento de dados.

O shadow AI pode soar como uma tendência emergente, mas não é. Ele já está incorporado à rotina e faz parte da forma como o trabalho moderno acontece. Os colaboradores adotam ferramentas de IA generativa para ganhar velocidade, comunicar-se melhor e tomar decisões mais embasadas, quase sempre sem intenção maliciosa e sem consciência do risco envolvido. Esse comportamento traz desafios inéditos de exposição de dados, conformidade e segurança, para os quais os modelos tradicionais de governança nunca foram projetados.

O caminho não é restringir a adoção da IA, e sim governá-la com inteligência. As organizações bem-sucedidas serão aquelas que investirem em visibilidade, aplicarem controles sensíveis ao contexto e protegerem o uso de IA no nível do navegador e dos dados — sem prejudicar a produtividade.

O shadow AI não pode ser eliminado, mas pode se tornar seguro, rastreável e alinhado aos objetivos do negócio.

Como rastrear o uso de shadow AI com o ManageEngine DataSecurity Plus

O ManageEngine DataSecurity Plus centraliza o monitoramento do uso de IA generativa ao gerar relatórios sobre os prompts compartilhados nas principais plataformas do mercado, entre elas ChatGPT, GitHub Copilot, Claude e Google Gemini.

A solução também permite que as equipes de segurança apliquem controles baseados em políticas: bloquear serviços de IA abaixo de um threshold de reputação definido, incluir plataformas não autorizadas em listas de bloqueio e restringir categorias específicas de aplicações de IA. Assim, a organização evita o shadow AI e reduz os riscos de exposição de dados sem interromper o trabalho das equipes.

Artigo traduzido. Conteúdo original escrito por Sakthi Sri Arumugam.

Nota: Encontre a revenda da ManageEngine certa. Entre em contato com a nossa equipe de canais pelo e-mail latam-sales@manageengine.com. Importante: a ManageEngine não trabalha com distribuidores no Brasil.