Shadow AI in azienda: dove finisce il know-how dei dipendenti

Il 58 per cento dei dipendenti nel mondo usa strumenti di intelligenza artificiale al lavoro. Ma solo il 42 per cento utilizza quelli forniti dal datore di lavoro. Il dato viene dallo studio globale di KPMG e University of Melbourne su oltre 48.000 persone in 47 Paesi: numeri che descrivono la Shadow AI in azienda come un fenomeno di massa, non un’eccezione. Secondo l’analisi pubblicata su Agenda Digitale, lo scarto tra i due numeri misura un patrimonio che si sta formando fuori dal perimetro aziendale: metodi, criteri decisionali e sequenze di ragionamento accumulati su account personali che l’organizzazione non può vedere, inventariare o reclamare. Per l’autore, capire dove un’azienda forma il proprio know-how è diventato una questione di titolarità, non solo di sicurezza informatica.

Quanto è diffuso l’uso non governato dell’AI

I numeri convergono da fonti indipendenti. La rilevazione globale di KPMG e University of Melbourne indica che la categoria più diffusa tra i dipendenti sono i tool generativi gratuiti e pubblici. Solo il 42 per cento usa strumenti messi a disposizione dal datore di lavoro.

Uno studio IBM sui lavoratori d’ufficio canadesi scompone lo scarto: il 79 per cento usa l’AI al lavoro. Ma solo il 25 per cento si affida a soluzioni enterprise. Il 33 per cento mescola strumenti personali e aziendali, mentre il 21 per cento usa esclusivamente app personali. L’uso governato è l’eccezione, non la regola. Secondo l’analisi di Agenda Digitale, trattare la Shadow AI come devianza individuale significa costruire la governance sul caso raro e ignorare il caso normale.

Il capitale cognitivo che si forma fuori dal perimetro

Cosa si accumula concretamente negli account personali? Non solo dati. Un professionista che usa quotidianamente un assistente AI costruisce nel tempo qualcosa di molto simile a un metodo codificato. Affina prompt per iterazioni successive e crea istruzioni che incorporano i criteri di qualità dell’azienda. Applica correzioni che insegnano al modello il contesto specifico. È la parte del know-how che prima viveva solo nella testa delle persone e che ora, per la prima volta, viene esplicitata e resa trasferibile.

Esplicitata, però, nel posto sbagliato. La cronologia, le memorie e le istruzioni personalizzate appartengono all’account. E l’account appartiene alla persona, non all’organizzazione. Le implicazioni sono tre: l’azienda non ha visibilità, quindi non può misurare né migliorare un metodo che paga con gli stipendi di chi lo sviluppa. Non ha continuità, perché alle dimissioni il metodo esce insieme all’account. Non ha titolarità difendibile, perché un know-how mai censito e mai protetto difficilmente potrà essere rivendicato come segreto aziendale.

Su questo punto il quadro giuridico è preciso: l’articolo 98 del Codice della Proprietà Industriale subordina la tutela del segreto commerciale all’adozione di misure di protezione ragionevolmente adeguate. Nessuna misura può essere adottata su un asset di cui l’azienda ignora l’esistenza. E l’accumulo peggiora col tempo: un prompt di preventivazione affinato per sei mesi incorpora eccezioni e casi limite che nessuno ha documentato altrove. Il dipendente migliore è spesso quello che, senza volerlo, costruisce l’asset più prezioso nel posto meno recuperabile.

Cosa emerge dagli audit e dai data breach

Secondo l’autore dell’analisi su Agenda Digitale, le analisi preliminari ai percorsi di certificazione restituiscono uno schema ricorrente. La direzione dichiara un’adozione limitata e formalizzata: un progetto pilota, un fornitore contrattualizzato, un perimetro noto. La survey anonima racconta un’azienda diversa. Le funzioni a più alta intensità di conoscenza, come ufficio tecnico, preventivazione, customer service e area legale, risultano le più attive su account personali gratuiti. Le loro librerie di prompt incorporano parametri di costo, soglie di marginalità e criteri di risposta ai reclami. Nella maggior parte dei casi, peraltro, la policy che vieterebbe quegli usi semplicemente non esiste.

La seconda regolarità è la più costosa: il patrimonio emerge quando la persona che lo ha costruito lascia l’azienda. Non un file da restituire, non un accesso da revocare, niente che una procedura di offboarding possa intercettare.

Il lato visibile del fenomeno è quantificato dal Cost of a Data Breach Report 2025 di IBM, che per la prima volta ha analizzato la dimensione AI delle violazioni. Un’organizzazione su cinque ha subito una violazione riconducibile alla Shadow AI. Le organizzazioni con livelli elevati di Shadow AI hanno registrato costi di violazione superiori in media di 670.000 dollari. Nelle violazioni che coinvolgono Shadow AI i dati personali risultano compromessi nel 65 per cento dei casi, contro una media globale del 53. La proprietà intellettuale risulta compromessa nel 40 per cento, contro il 33.

Per l’autore dell’analisi su Agenda Digitale, quel 40 per cento merita una lettura non convenzionale: la proprietà intellettuale che fuoriesce è in larga parte quella mai inventariata. Se fosse stata censita sarebbe stata protetta, e se fosse stata protetta non sarebbe transitata su strumenti non governati. Nella sua lettura, il breach non crea la perdita: la certifica.

Perché la policy restrittiva non funziona

Solo il 41 per cento dei dipendenti dichiara che la propria organizzazione ha una policy sull’uso dell’AI generativa, secondo KPMG. Dove le regole esistono, il 44 per cento ammette di aver usato l’AI in modi che le contravvengono. Sul fronte delle organizzazioni il vuoto è speculare. Secondo IBM, il 63 per cento delle aziende violate non ha una policy di governance AI o la sta ancora sviluppando. Tra quelle che la possiedono, solo il 34 per cento conduce audit regolari sull’AI non autorizzata.

Per l’autore dell’analisi, il problema del divieto non è l’applicazione debole: è la struttura dell’incentivo. Il dipendente che usa uno strumento personale lo fa perché quello strumento è più capace, più immediato e con meno attrito dello strumento ufficiale, quando uno strumento ufficiale esiste. La stessa KPMG riconosce che la Shadow AI nasce dove gli strumenti ufficiali sono datati, privi di funzioni essenziali o mal integrati nei flussi di lavoro quotidiani. La conclusione dell’autore è netta:

Vietare senza offrire un’alternativa a parità di prestazioni non riduce l’uso: lo rende clandestino.

La clandestinità, secondo l’analisi, è la condizione in cui il patrimonio di ragionamento aziendale si disperde con la massima efficienza, proprio dove la policy dichiara che il problema non può esistere.

Cosa chiedono l’AI Act e la normativa italiana

I framework normativi offrono già gli strumenti per il cambio di prospettiva. L’articolo 4 dell’AI Act, il Regolamento (UE) 2024/1689, applicabile dal febbraio 2025, impone a fornitori e deployer di garantire un livello adeguato di alfabetizzazione AI del personale. Un obbligo impossibile da assolvere senza sapere chi usa cosa: l’alfabetizzazione presuppone il censimento.

La ISO/IEC 42001 richiede alle organizzazioni un inventario dei sistemi di intelligenza artificiale e una valutazione del loro impatto. Un inventario che ignora gli account personali certifica un perimetro che non esiste. Secondo l’esperienza di audit citata nell’analisi, è la non conformità sostanziale più frequente, oltre che la meno dichiarata. Per il contesto italiano, la legge 132 del 2025 ha fissato i principi nazionali di governance dell’intelligenza artificiale, confermando che la responsabilità sull’uso dei sistemi resta in capo alle organizzazioni e alle persone, mai allo strumento.

Tre mosse operative per riportare la Shadow AI dentro il perimetro

L’analisi propone tre mosse. La prima è censire l’uso reale prima di scrivere le regole. Serve una survey anonima condotta dalla funzione HR e non dall’IT, che il dipendente percepisce come organo di controllo, con effetto sulla sincerità delle risposte, accompagnata da una garanzia scritta di non sanzionabilità e chiusa in tre o quattro settimane, da incrociare con l’analisi aggregata del traffico di rete verso i principali servizi AI. Quando gli strumenti personali censiti superano quelli ufficiali per numero o intensità d’uso, la policy esistente descrive un’azienda che non c’è.

La seconda mossa è riportare i prompt dentro il perimetro. Una libreria aziendale di prompt, versionata e con titolarità esplicita, trasforma il metodo individuale in asset organizzativo. Il punto critico non è la piattaforma, è l’incentivo al conferimento. Servono tempo dedicato in orario di lavoro e riconoscimento formale del contributo. Serve anche l’esclusione esplicita del materiale conferito da qualsiasi uso valutativo o disciplinare. Le policy interne e le clausole contrattuali devono qualificare prompt, istruzioni e configurazioni sviluppati per finalità di lavoro come know-how aziendale. La protezione giuridica segue la qualificazione, mai il contrario.

La terza mossa è offrire un’alternativa a parità di attrito, perché la Shadow AI migra dove il costo d’uso è minore, non dove la policy lo consente. Parità di attrito significa tre condizioni misurabili. Serve accesso senza procedura di autorizzazione preventiva, qualità dei modelli comparabile a quella degli strumenti consumer già noti ai dipendenti e disponibilità da dispositivo mobile. Uno strumento governato al quale manca anche una sola di queste condizioni verrà affiancato, non adottato.

Per l’autore, l’inventario dei sistemi AI già richiesto dai framework di governance è l’occasione per censire, per la prima volta, il luogo dove si forma il pensiero dell’organizzazione: le aziende che lo faranno scopriranno di possedere più di quanto credevano.

Fonti: