Shadow AI: cosa succede davvero quando vieti ChatGPT in azienda

Nelle ultime settimane ho sentito più volte la stessa storia. Un’azienda vuole usare l’AI. Il team IT o di sicurezza, spesso il DPO, dice no. Nel giro di pochi giorni, metà dei dipendenti usa ChatGPT lo stesso, dal proprio telefono, con l’account personale, fuori da qualsiasi controllo aziendale.

Benvenuto nel mondo della Shadow AI. Qualcuno parla di “Bring your own AI”.

Il termine è modellato sulla più nota “Shadow IT”: quella pratica, diffusissima nelle aziende, per cui i dipendenti usano strumenti tecnologici non approvati dall’IT per aggirare i blocchi interni. Stessa logica, stesso rischio, nuova tecnologia. Solo che con l’AI generativa la posta in gioco è più alta, perché riguarda i dati che le persone ci mettono dentro.

Il problema con il “no” assoluto

Vietare ChatGPT non è una strategia di sicurezza. È una risposta emotiva a un rischio reale, ma una risposta che non risolve nulla. Anzi, sposta il problema fuori dal perimetro aziendale, dove è ancora più difficile da gestire.

Quando un’azienda blocca l’accesso agli strumenti AI ufficiali senza offrire alternative, succede una cosa prevedibile: le persone trovano il modo di usarli comunque. Con account personali, da casa, dal cellulare in pausa pranzo. Senza log, senza DPA, senza governance. I dati aziendali che finiscono in quella sessione (contratti, email con clienti, dati finanziari) escono dal perimetro aziendale senza che nessuno se ne accorga.

Il rischio del “no” non è neutro. È semplicemente invisibile.

Cosa significa Shadow AI per un’azienda

La Shadow AI è l’insieme degli strumenti di intelligenza artificiale usati dai dipendenti al di fuori delle policy aziendali. Non sempre per malizia: nella maggior parte dei casi, per necessità produttiva. Le persone usano l’AI perché le rende più veloci, più efficaci, più competitive. Se l’azienda non offre uno strumento approvato, ne usano uno non approvato.

I rischi concreti sono tre:

• Dati fuori controllo. I modelli AI gratuiti, in molti casi, usano le conversazioni per addestrare i modelli futuri. Un dipendente che incolla un contratto con un cliente in ChatGPT Free sta potenzialmente contribuendo al dataset di OpenAI.
• Nessuna tracciabilità. Senza strumenti enterprise, non c’è modo di sapere chi usa cosa, con quali dati, e con quale frequenza. In caso di data breach, diventa impossibile ricostruire cosa è uscito.
• Nessuna formazione né contesto. Chi usa gli strumenti senza guidance aziendale spesso non conosce i rischi. Non sa che certi dati non vanno mai inseriti, non sa come interpretare le risposte dell’AI, non sa riconoscere un’allucinazione da un fatto.

La governance, non il veto

La risposta alla Shadow AI non è bloccare tutto. È costruire un perimetro controllato in cui l’uso dell’AI sia possibile, tracciabile e sicuro. Quello che serve è governance, non proibizione.

Il modello che funziona meglio — e che molte aziende, anche PMI, stanno iniziando ad adottare — è quello del MVP di utilizzo AI: un approccio graduale, con regole chiare, strumenti scelti e metriche per misurare se funziona.

1. Classifica i dati prima di tutto

Il primo passo è definire una matrice semplice a quattro livelli: dati pubblici (già accessibili fuori dall’azienda), dati interni (operativi ma non critici), dati confidenziali (contratti, dati economici, informazioni su clienti) e dati riservati (segreti industriali, R&D, dati personali sensibili ai sensi del GDPR).

Con questa matrice puoi decidere cosa può essere usato con l’AI e cosa no. La maggior parte delle attività quotidiane (redigere testi, riassumere documenti pubblici, rispondere a email standard) rientra nei livelli pubblico e interno, e può essere gestita in modo sicuro con gli strumenti giusti.

2. Scegli tu lo strumento, non il dipendente

Se non offri uno strumento approvato, qualcuno lo sceglierà al posto tuo. E probabilmente sceglierà quello sbagliato. Le opzioni enterprise oggi ci sono e sono accessibili anche alle PMI:

• Microsoft Copilot for M365: se sei già su Microsoft 365, il profilo di rischio è gestito all’interno dell’infrastruttura che già usi.
• Claude for Work (Anthropic): garantisce opt-out dal training, DPA firmabile, residency europea dei dati.
• ChatGPT Team o Enterprise: stesse garanzie di Anthropic sulla carta, con DPA firmabile e opt-out dal training.
• Gemini for Google Workspace: se sei su Google, la governance si gestisce dalla Admin Console che già conosci.

Quello che va escluso in fase iniziale, indipendentemente dalla qualità dello strumento: gli account gratuiti su qualsiasi piattaforma, i tool che nelle condizioni d’uso prevedono l’uso dei dati per il training del modello, qualsiasi strumento senza DPA firmabile o senza data residency dichiarata.

3. Definisci il perimetro di utilizzo

Non basta scegliere lo strumento: serve indicare chiaramente quali use case sono approvati e su quali livelli di dati. Un documento semplice, una pagina al massimo, che il dipendente può consultare prima di iniziare a usare lo strumento. Senza questo passaggio, anche il tool enterprise più sicuro diventa un rischio.

4. Monitora quello che succede davvero

Le piattaforme enterprise hanno log di attività nativi. Non servono strumenti aggiuntivi complessi: basta configurare quello che hai già. Su M365 è Purview Activity Explorer, su Google Workspace è l’Admin Audit Log. L’obiettivo non è controllare ogni singola interazione, ma avere visibilità su pattern anomali: picchi insoliti di attività, accessi a contenuti fuori dal perimetro definito, utenti che continuano a usare strumenti non approvati nonostante la policy.

5. Misura i risultati dopo 30 giorni

Dopo un mese di MVP hai abbastanza dati per valutare se il perimetro regge. Le metriche che contano sono quattro: quante persone usano lo strumento approvato, se il numero di accessi a tool non approvati è calato, se ci sono stati incidenti di sicurezza legati all’AI nel perimetro definito, e qual è la produttività percepita da chi lo usa.

Con questi numeri puoi decidere cosa fare dopo: allargare il perimetro, aggiungere use case, correggere qualcosa. Senza questi numeri, stai ancora navigando a vista.

Perché questa sfida riguarda soprattutto le PMI italiane

Le grandi aziende hanno team IT, CISO, budget per la compliance. Le PMI no. Ma sono esattamente quelle in cui la Shadow AI si diffonde più velocemente, perché i dipendenti hanno più autonomia e meno supervisione tecnologica.

La buona notizia è che non serve costruire un sistema di governance complesso per partire. Serve un documento che classifica i dati, uno strumento scelto dall’azienda, e una comunicazione chiara a tutti i dipendenti su cosa si può e non si può fare. Tre cose che si possono fare in una settimana.

L’alternativa — vietare e sperare che nessuno disobbedisca — non funziona. Non ha mai funzionato con la Shadow IT, non funzionerà con la Shadow AI.

Il punto di partenza

Se sei un manager, un responsabile IT o un imprenditore che sta cercando di capire come muoversi sull’AI in azienda, la domanda giusta non è “come facciamo a bloccare ChatGPT?”. La domanda giusta è: “Come facciamo in modo che le persone usino l’AI nel modo giusto?”

Sono due domande molto diverse. La prima porta a un veto che non risolve nulla. La seconda porta a un progetto concreto, misurabile, e — con il giusto approccio — anche sostenibile per una PMI.

Se vuoi approfondire il tema dell’AI in azienda, dell’uso responsabile degli strumenti di intelligenza artificiale generativa e di come costruire una governance pratica anche senza un team IT strutturato, trovi altri contenuti sul tema nel blog o puoi contattarmi per parlarne direttamente.