Las herramientas de IA ya forman parte de la rutina de trabajo de la mayoría de los profesionales. Resumir un acta, revisar un contrato, analizar una hoja de cálculo, preparar una presentación: tareas que antes llevaban horas ahora se realizan en minutos, y casi nadie ha vuelto atrás. El problema no está en la tecnología. Está en lo que acompaña al prompt: los datos que el empleado introduce en el chatbot para que la respuesta tenga sentido. Ese dato no activa ningún sistema de monitorización. No genera un registro. No crea una alerta. Sale del perímetro corporativo en silencio, mientras la tarea se completa y el resultado es elogiado en la siguiente reunión. Es un tipo de fuga que, en la mayoría de los casos, la empresa solo descubre cuando el daño ya está hecho o no lo descubre nunca.
Qué ocurre con lo que escribes en un chatbot público
La mayoría de los modelos de lenguaje disponibles de forma gratuita o dirigidos al consumidor final pueden utilizar las interacciones de los usuarios para perfeccionar sus algoritmos. El dato introducido hoy puede convertirse en parte de la base de conocimiento de la herramienta y, en teoría, reaparecer en respuestas generadas para otros usuarios. Incluso cuando esto no ocurre de forma directa, la información ha salido del entorno controlado de la empresa y ha pasado a estar sujeta a las condiciones de uso y las políticas de privacidad de un tercero, en servidores que pueden estar ubicados en cualquier país.
El caso más documentado hasta ahora es el de Samsung, en 2023. Los empleados introdujeron código fuente sensible y datos internos en ChatGPT para agilizar tareas técnicas. El incidente salió a la luz, la empresa prohibió temporalmente el uso de la herramienta y el episodio pasó a formar parte del repertorio del sector como evidencia de que el riesgo es real, no hipotético. Samsung no fue un caso aislado: fue el primer caso ampliamente divulgado de un patrón que ya existía en muchas organizaciones sin que nadie lo hubiera detectado.
Las cifras que demuestran que esto ya está ocurriendo en tu empresa
Las investigaciones recientes ofrecen una dimensión concreta del problema. El Microsoft y LinkedIn Work Trend Index, realizado con más de 31.000 profesionales en 31 países, incluido Brasil, mostró que el 75 % de los trabajadores del conocimiento ya utiliza IA generativa en el trabajo, y que el 78 % de ellos utiliza sus propias herramientas sin la aprobación del departamento de TI.
El Informe de Seguridad de Datos de IA Empresarial y SaaS 2025, de la empresa de seguridad LayerX, detalló qué contienen esos prompts: el 77 % de los usuarios corporativos de IA generativa copia y pega datos directamente en las consultas al chatbot, y el 22 % de estas operaciones incluye datos personales o información de tarjetas de pago. Una investigación de Harmonic Security señaló la composición habitual de lo que se introduce: los datos jurídicos y financieros representan el 30,8 % de los casos, la información de clientes el 27,8 %, los datos personales de los titulares el 14,9 %, los registros de empleados el 14,3 % y el código fuente el 10,1 %.
El Cloud and Threat Report de Netskope, publicado en enero de 2026 a partir de la telemetría de millones de usuarios corporativos, registró que la empresa media acumula 223 incidentes de incumplimiento de las políticas de datos relacionados con la IA generativa al mes, una cifra que se ha más que duplicado respecto al año anterior. En Brasil, donde la adopción de IA en las empresas pasó del 20 % al 51 % en doce meses, la magnitud es compatible con la media mundial. En buena parte de los casos, estos incidentes ni siquiera llegan a conocimiento del departamento de TI, porque la fuga no activa ningún sistema de detección instalado en el entorno corporativo.
Los entornos que parecen protegidos pero nunca han sido verificados desde el punto de vista de lo que sale de ellos tienden a concentrar precisamente este tipo de exposición: la salida de datos a través de canales que nunca han sido identificados como vectores de riesgo.
Shadow AI: el uso de herramientas de IA que TI no ve
El fenómeno ya tiene nombre: shadow AI. Es el uso de herramientas de IA sin la aprobación, el conocimiento o la monitorización del departamento de tecnología. El empleado no actúa de mala fe: encuentra un chatbot que resuelve un problema real, lo utiliza, funciona y empieza a usarlo todos los días. TI nunca lo supo.
El Cisco 2024 Data Privacy Benchmark Study, realizado con 2.600 profesionales de seguridad y privacidad en 12 países, reveló que el 27 % de las organizaciones había prohibido por completo el uso de IA generativa. Aun así, el 48 % de los empleados de esas mismas empresas admitió haber introducido información no pública en estas herramientas incluso después de la prohibición.
La restricción formal sin una alternativa segura y sin educación sobre el riesgo crea una ilusión de control mientras el uso continúa produciéndose fuera del campo de visión de quienes deberían gestionar la exposición.
Qué determina el RGPD sobre este escenario
Cuando un empleado introduce datos personales de clientes en un chatbot público, se producen simultáneamente tres situaciones con implicaciones legales directas: transmisión de datos a un tercero, una posible transferencia internacional de datos en los términos del artículo 33 de la LGPD, y el incumplimiento del principio de seguridad previsto en el artículo 46 de la ley.
El artículo 42 de la LGPD es directo: la responsabilidad recae sobre la empresa responsable del tratamiento de los datos, independientemente de que la iniciativa haya partido de un único empleado. La afirmación de que «fue un empleado quien pegó el dato en el chatbot por su cuenta» no modifica la posición jurídica de la organización ante la ANPD. En 2025, la Autoridade Nacional de Proteção de Dados pasó a tener el estatus de autarquía especial, con mayores facultades de supervisión y aplicación de sanciones, haciendo que este riesgo regulatorio sea aún más concreto para las empresas brasileñas.
La dinámica es análoga a lo que ocurre en la externalización de TI: la empresa responde por lo que el tercero hace con los datos que ha recibido, incluso cuando la transferencia no ha sido autorizada formalmente por nadie con capacidad de decisión.
Prohibir no resuelve el problema: qué funciona realmente
La tentación de resolver el problema mediante una política de prohibición es comprensible, pero los datos muestran que no contiene el uso. Lo que revela el 48 % de incumplimiento en las empresas que prohibieron la IA generativa es que, sin una alternativa segura y sin educación sobre el riesgo, la prohibición simplemente empuja el comportamiento fuera del campo de visión de TI. El riesgo sigue presente, solo que queda menos monitorizado.
Lo que produce resultados es un enfoque estructurado: visibilidad sobre los chatbots y asistentes que ya están en uso, clasificación de los datos que pueden o no salir del entorno, definición de versiones corporativas seguras para las plataformas más utilizadas y monitorización del flujo de información en tiempo real. Sin un proceso formal que asigne responsabilidades y establezca criterios de revisión, el riesgo de la IA generativa en las empresas reproduce el patrón de cualquier otro riesgo sin responsable: tolerado tácitamente y sin un responsable claro cuando ocurre el incidente.
Qué deben poner en práctica los responsables de TI y los equipos directivos
El punto de partida es saber qué está ocurriendo ya. Antes de cualquier política, es necesario identificar qué herramientas de IA se están utilizando en la empresa, por qué departamentos y con qué tipos de datos. Este mapeo rara vez aparece en los inventarios de software tradicionales porque la mayoría de los chatbots se utilizan a través del navegador, sin instalación ni registro en el entorno corporativo.
A partir de esta visibilidad, los siguientes pasos incluyen:
- Clasificar los datos según su sensibilidad: definir formalmente qué categorías de información nunca pueden introducirse en herramientas externas, incluidos datos de clientes, contratos, código fuente, información financiera y registros de empleados.
- Evaluar las versiones enterprise de las plataformas más utilizadas: soluciones como ChatGPT Enterprise y sus equivalentes de otros proveedores ofrecen controles corporativos que incluyen la no utilización de los datos para el entrenamiento de modelos y la formalización de un Data Processing Agreement (DPA), lo que modifica sustancialmente el encuadre jurídico del uso.
- Incluir la IA generativa en la política de seguridad de la información: el uso de chatbots y asistentes de IA debe estar cubierto por las mismas reglas que rigen el acceso a sistemas internos, el envío de archivos a servicios externos y el intercambio de información con terceros.
- Estructurar un plan de respuesta a incidentes que cubra este vector: las fugas a través de IA presentan características diferentes a las de los incidentes tradicionales: no generan alertas, no dejan rastro en el entorno corporativo y pueden tardar meses en detectarse, cuando llegan a detectarse.
Identificar lo que se está utilizando sin la aprobación de TI es precisamente el tipo de exposición que una auditoría de seguridad bien realizada pone de manifiesto: aplicaciones activas sin registrar, datos que circulan por canales que nunca han sido identificados como riesgos.
El riesgo no está en utilizar IA, sino en utilizarla sin gobernanza
Las herramientas de IA seguirán adoptándose, con o sin una política formal. Gartner proyecta que, para 2027, el 75 % de los empleados adquirirá, modificará o creará tecnología fuera del campo de visión del departamento de TI corporativo. La prohibición no cambiará esta trayectoria. Lo que sí puede cambiar es el nivel de exposición que la empresa asume mientras este uso se produce.
La diferencia entre la organización que se beneficia de la IA y la que se expone debido a ella no está en la plataforma que ha elegido, sino en la gobernanza que ha construido en torno a su uso. La visibilidad sobre lo que se está utilizando, la clasificación de lo que puede y no puede salir del entorno, las alternativas seguras para las herramientas más
demandadas y la monitorización continua son los elementos que separan una adopción controlada de una adopción con riesgo.
Cómo puede ayudar STWBrasil
STWBrasil identifica el uso de herramientas de IA en el entorno corporativo, detecta exposiciones de datos que pasan fuera del radar de los sistemas de monitorización tradicionales y ayuda a estructurar la gobernanza necesaria para que el uso de la IA genere valor sin ampliar la superficie de ataque. Si tu empresa todavía no tiene visibilidad sobre lo que utilizan sus empleados y con qué datos, este es el punto de partida. Ponte en contacto con STWBrasil.
