Shadow AI: 47% do uso corporativo de IA é com contas pessoais

O uso descontrolado de ferramentas de inteligência artificial por funcionários, conhecido como shadow AI, está se tornando uma das principais ameaças à segurança de dados corporativos. Um estudo recente da Akamai, intitulado Enterprise AI Usage Risk Report 2026, trouxe números alarmantes: 47,11% de todas as interações com IA em ambientes empresariais são realizadas a partir de contas pessoais, escapando completamente do radar das equipes de segurança, compliance e auditoria. Isso significa que quase metade do tráfego de IA nas organizações ocorre fora dos controles oficiais, expondo informações sensíveis a riscos de vazamento e uso indevido.

O fenômeno não é apenas uma questão de políticas internas ineficazes; ele revela uma lacuna fundamental na governança de dados na era da IA generativa. Quando um colaborador usa uma conta pessoal no ChatGPT, Gemini ou Copilot para analisar dados de vendas, depurar código proprietário ou resumir documentos estratégicos, essas informações podem ser incorporadas ao treinamento público dos modelos. O relatório destaca que 14,4% das conversas usando e-mails corporativos estão vinculadas a assinaturas pessoais de IA, um vetor de risco que pode transformar segredos comerciais em conhecimento público.

Como analista sênior de segurança da informação, vejo esse cenário como um sintoma de uma transformação digital que avança mais rápido do que a maturidade de segurança das empresas. A shadow AI é a nova face do shadow IT, mas com um agravante: a IA não apenas armazena, mas aprende com os dados que recebe. Isso amplifica exponencialmente o impacto de um vazamento, pois uma única conversa descuidada pode contaminar modelos que alimentam milhares de outras aplicações.

Superusuários de IA: o risco concentrado

O relatório da Akamai identificou uma distribuição extremamente desigual no uso de IA. Enquanto quase 20% dos funcionários usam IA semanalmente, um pequeno grupo de “superusuários” – os 5% mais ativos – gera, em média, 144 conversas por semana, contra uma média geral de 36. Esses indivíduos tendem a compartilhar informações mais sensíveis, enviar arquivos e integrar IA diretamente a decisões operacionais, ampliando a superfície de ataque.

Esses superusuários representam um desafio duplo: são os que mais contribuem para a produtividade, mas também os que mais expõem a organização. Monitorá-los de perto não é uma opção, é uma necessidade. A recomendação da Akamai para que CISOs priorizem a identificação e o monitoramento contínuo desses perfis é um passo crítico. No entanto, isso exige ferramentas de data loss prevention (DLP) capazes de inspecionar o conteúdo das interações com IA em tempo real, algo que muitas organizações ainda não implementaram.

A concentração de risco em poucos usuários nos lembra de um princípio fundamental de segurança: controles baseados em comportamento são mais eficazes do que políticas genéricas. Ao invés de bloquear o acesso à IA – o que seria contraproducente –, as empresas devem implementar análise comportamental para detectar padrões anômalos de compartilhamento de dados, especialmente quando combinados com credenciais pessoais.

Novos vetores de ataque: vibe hacking, CursorJacking e CometJacking

O estudo da Akamai também revelou três novas metodologias de ataque descobertas em 2026 que contornam defesas tradicionais, todas explorando a confiança depositada nos assistentes de IA:

• Vibe hacking: manipulação de arquivos de instrução (como arquivos de configuração ou prompts) para enganar assistentes de codificação, fazendo-os gerar código malicioso ou revelar informações sensíveis.
• CursorJacking: extensões maliciosas de navegador que roubam chaves de API de assistentes de IA, permitindo que atacantes se passem por usuários legítimos e acessem dados corporativos.
• CometJacking: injeção indireta de prompt para manipular agentes de IA em navegadores, redirecionando ações ou extraindo dados sem o conhecimento do usuário.

Esses vetores são particularmente perigosos porque exploram a camada de interação entre humanos e IA, uma área que as defesas tradicionais de rede e endpoint frequentemente ignoram. O relatório aponta que 16,31% das extensões de IA para navegadores contêm CVEs conhecidos, contra 10,8% das extensões comuns, e 41,91% das extensões de IA solicitam acesso a scripts – um privilégio que pode ser explorado para injeção de código malicioso.

Aqui, a lição é clara: extensões de navegador devem ser tratadas como software privilegiado, com revisão contínua de permissões e atualizações forçadas. O ecossistema de extensões para IA está se tornando um campo minado, e as organizações que não controlarem esse vetor estarão vulneráveis a ataques de roubo de credenciais e vazamento de dados.

O elo perdido: dispositivos roubados e o acesso a contas pessoais de IA

Um aspecto frequentemente negligenciado nessa discussão é o risco associado ao roubo ou furto de notebooks e dispositivos móveis corporativos. Quando um funcionário utiliza contas pessoais de IA em um equipamento da empresa, esse dispositivo se torna uma ponte direta para um ecossistema de dados não gerenciado. Se o notebook for roubado, o atacante não obtém apenas o hardware, mas potencialmente sessões ativas em ferramentas de IA, histórico de conversas e arquivos enviados.

Considere o seguinte cenário: um superusuário de IA tem seu laptop furtado em um café. O dispositivo pode estar protegido por criptografia de disco, mas se a sessão do navegador estiver ativa ou as credenciais estiverem salvas, o criminoso pode acessar o ChatGPT com a conta pessoal do funcionário. Lá, ele encontra transcrições de reuniões estratégicas, trechos de código proprietário e análises de mercado – tudo fora do alcance do DLP corporativo.

Para mitigar esse risco, as organizações devem adotar uma abordagem de defesa em profundidade que inclua:

• Autenticação multifator (MFA) obrigatória para qualquer acesso a ferramentas de IA, mesmo que pessoais, quando usadas em contexto de trabalho.
• Políticas de sessão efêmera: forçar o logout automático de aplicações web após períodos de inatividade.
• Geolocalização e bloqueio remoto: capacidade de revogar sessões e limpar dados corporativos remotamente em caso de roubo.
• Treinamento de conscientização: educar funcionários sobre os riscos de usar contas pessoais para fins profissionais, especialmente em dispositivos móveis.

Vale lembrar que o roubo de um dispositivo não é apenas uma perda patrimonial; é um incidente de segurança que pode desencadear um vazamento de dados em massa. A conexão com a shadow AI torna esse cenário ainda mais crítico, pois os dados expostos podem já ter sido processados e armazenados em modelos públicos, impossibilitando sua revogação.

Indicadores de comprometimento (IOCs) para shadow AI

Para ajudar as equipes de segurança a identificar atividades suspeitas relacionadas ao uso não autorizado de IA, compilei uma lista de indicadores de comprometimento que devem ser monitorados:

Esses indicadores devem ser integrados a sistemas SIEM e monitorados continuamente. A correlação de eventos, como um login pessoal seguido de upload de arquivos, pode disparar alertas de data exfiltration em tempo real.

Reestruturações societárias e o risco de vazamento de dados

Um aspecto frequentemente subestimado na governança de IA é o impacto de mudanças organizacionais. Em um artigo anterior da Kzarka, Holding da NTSec e o risco de vazamento de dados em reestruturações, discutimos como processos de fusão, aquisição ou cisão podem expor dados corporativos se os ativos digitais – incluindo contas de IA – não forem adequadamente mapeados e segregados. Durante uma reestruturação, é comum que funcionários mantenham acessos a ferramentas de IA usando credenciais que não serão mais gerenciadas pela nova entidade, criando bolsões de shadow AI que podem persistir por anos.

Esse risco é amplificado quando consideramos que superusuários de IA frequentemente detêm conhecimentos críticos sobre processos de negócio. Se esses profissionais deixam a empresa sem uma transição adequada, suas contas pessoais de IA podem continuar acessando dados residuais, ou pior, serem usadas para treinar modelos concorrentes. A due diligence de segurança em operações de M&A deve incluir, obrigatoriamente, um inventário de todas as contas de IA associadas a domínios corporativos e a revogação de acessos baseados em identidades pessoais.

Privacidade na era da IA: por que o controle não basta

A questão central por trás da shadow AI é a falsa dicotomia entre produtividade e privacidade. Muitos funcionários recorrem a contas pessoais porque as ferramentas corporativas são percebidas como limitadas ou excessivamente monitoradas. No entanto, essa percepção ignora o fato de que a privacidade de dados não é apenas uma questão de controle de acesso, mas de garantia de que as informações não serão usadas para treinamento de modelos. Como exploramos em Privacidade na Era da IA: Por Que Só o Controle Não Basta, a verdadeira proteção exige transparência sobre o ciclo de vida dos dados, algo que as contas pessoais raramente oferecem.

As empresas precisam ir além do bloqueio e adotar uma abordagem de privacidade por design nas ferramentas de IA que disponibilizam. Isso significa oferecer alternativas corporativas que sejam tão ágeis quanto as versões públicas, mas com garantias contratuais de que os dados não serão retidos ou usados para treinamento. Sem essa equivalência funcional, a shadow AI continuará a prosperar, e os vazamentos de dados serão uma consequência inevitável.

Estratégias de mitigação para CISOs

Com base no relatório da Akamai e na minha experiência em resposta a incidentes, recomendo as seguintes ações prioritárias:

• Descoberta contínua de aplicações de IA: utilize ferramentas de CASB (Cloud Access Security Broker) para identificar todas as ferramentas de IA acessadas, independentemente da conta utilizada.
• Inspeção de tráfego em tempo real: implemente soluções de DLP capazes de analisar o conteúdo das interações com IA, bloqueando o compartilhamento de dados sensíveis.
• Gestão de identidades privilegiadas: trate as contas de IA como identidades privilegiadas, exigindo MFA e revisões periódicas de acesso.
• Segmentação de rede e microperímetros: isole o tráfego de IA em segmentos monitorados, limitando o impacto de um possível vazamento.
• Simulações de incidentes com shadow AI: conduza tabletop exercises que incluam cenários de vazamento via contas pessoais de IA, testando a capacidade de resposta da equipe.

O objetivo não é eliminar o uso de IA, mas trazê-lo para dentro do perímetro de segurança, com visibilidade e controle adequados. A shadow AI é um problema de governança, não de tecnologia, e exige uma mudança cultural que comece pelo exemplo da liderança.

Conclusão: a urgência de agir

O relatório da Akamai é um chamado à ação para CISOs e líderes de segurança. Com quase metade do uso corporativo de IA ocorrendo fora dos controles oficiais, as organizações estão sentadas sobre uma bomba-relógio de vazamento de dados. A combinação de superusuários, novos vetores de ataque e a falta de visibilidade sobre dispositivos roubados cria um cenário de risco que não pode mais ser ignorado.

Na Kzarka, entendemos que a proteção da identidade digital começa com a consciência dos riscos. Por isso, convidamos você a verificar se seus dados pessoais ou corporativos já foram expostos em vazamentos. Acesse https://kzarka.com e monitore sua identidade digital de forma proativa. Não espere que um incidente revele as vulnerabilidades que você poderia ter mitigado hoje.

Perguntas Frequentes (FAQ)

O que é shadow AI?

Shadow AI refere-se ao uso de ferramentas de inteligência artificial por funcionários sem o conhecimento ou aprovação da área de TI ou segurança da informação. Isso inclui o uso de contas pessoais em serviços como ChatGPT, Gemini ou Copilot para fins profissionais, escapando dos controles de governança de dados.

Por que o uso de contas pessoais de IA é um risco de vazamento de dados?

Quando dados corporativos são inseridos em contas pessoais de IA, eles podem ser usados para treinar modelos públicos, tornando-se potencialmente acessíveis a terceiros. Além disso, essas contas não são monitoradas por ferramentas de DLP, dificultando a detecção de exfiltração de informações sensíveis.

Como um notebook roubado pode agravar o risco de shadow AI?

Se um dispositivo corporativo com sessões ativas ou credenciais salvas de contas pessoais de IA for roubado, o atacante pode acessar históricos de conversas e arquivos enviados, expondo dados estratégicos. A ausência de controles como MFA e limpeza remota amplifica esse risco.

Quais são os novos vetores de ataque relacionados à IA mencionados no relatório da Akamai?

O relatório destaca três: vibe hacking (manipulação de arquivos de instrução para enganar assistentes de codificação), CursorJacking (extensões maliciosas que roubam chaves de API) e CometJacking (injeção indireta de prompt para manipular agentes de IA). Todos exploram a confiança na camada de interação com IA.

Como as empresas podem identificar superusuários de IA?

Ferramentas de CASB e análise de tráfego de rede podem identificar usuários com volume anormal de conexões a domínios de IA. O monitoramento de logs de proxy e a correlação com diretórios de identidade permitem mapear quais contas (pessoais ou corporativas) estão sendo usadas.

Qual é a principal recomendação para mitigar os riscos de shadow AI?

A prioridade é implementar descoberta contínua de aplicações de IA, inspeção de tráfego em tempo real com DLP, e oferecer alternativas corporativas que garantam a privacidade dos dados. Paralelamente, é essencial educar os funcionários sobre os riscos e estabelecer políticas claras de uso aceitável.