Shadow Ai: o Risco Oculto de Lgpd nas Empresas

Um analista de marketing sobe uma planilha com CPFs de clientes no ChatGPT para gerar um resumo de campanha. Um desenvolvedor cola um trecho de código proprietário no Copilot para resolver um bug. Nenhum dos dois foi treinado para reconhecer o risco, e nenhuma política da empresa definia previamente o que podia ou não ser inserido nessas ferramentas. Nenhum contrato de processamento de dados foi assinado com o fornecedor de IA. Isso é Shadow AI, e está acontecendo agora, em praticamente toda empresa brasileira que tem acesso à internet.

O termo descreve o uso de ferramentas de inteligência artificial fora do radar de TI e compliance e representa hoje um dos vetores de risco mais subestimados na aplicação da LGPD. Diferente de um vazamento clássico, causado por invasão ou falha técnica, o Shadow AI nasce de um gesto corriqueiro: colar um dado em uma caixa de texto.

Este artigo responde à pergunta que todo DPO, CISO ou gestor de TI deveria estar fazendo: minha empresa está exposta ao Shadow AI, e o que fazer a respeito? A resposta passa por entender o conceito, mapear os riscos jurídicos concretos e adotar um roteiro de governança que não dependa de banir ferramentas porque isso, como veremos, tende a piorar o problema.

Resumo

• Shadow AI é o uso de ferramentas de IA generativa (ChatGPT, Copilot, Gemini) por colaboradores sem aprovação, contrato de processamento de dados ou supervisão de TI/compliance, criando tratamento de dados pessoais fora da governança exigida pela LGPD.
• Cada prompt com dado pessoal enviado a uma IA não homologada configura potencial tratamento sem base legal, o que pode gerar responsabilização da empresa perante a ANPD, já que a lei não condiciona a apuração à intenção do colaborador, embora fatores como boa-fé e mitigação influenciem a dosimetria da sanção.
• Bloquear o acesso a ferramentas de IA tende a empurrar o uso para dispositivos pessoais e redes fora de qualquer monitoramento corporativo, ampliando e não reduzindo a superfície de risco.
• A mitigação eficaz combina inventário de ferramentas em uso, política de classificação de dados, homologação com DPA (Data Processing Agreement) e treinamento contínuo das equipes.
• DPO e TI têm papéis complementares: um define os limites legais de tratamento, o outro implementa os controles técnicos de visibilidade e bloqueio seletivo.

O que é Shadow AI?

Shadow AI é o uso de ferramentas de inteligência artificial por colaboradores sem aprovação, monitoramento ou governança da área de TI e compliance da empresa. O termo é uma extensão direta do conceito de Shadow IT e os riscos de segurança de dados só que com um agravante: em vez de um software instalado sem permissão, o risco aqui é o próprio dado sendo digitado, colado ou enviado para um servidor de terceiros a cada interação.

A diferença entre Shadow IT e Shadow AI está na velocidade e na barreira de entrada. Instalar um software não autorizado geralmente exige algum privilégio técnico ou burlar um bloqueio. Usar o ChatGPT exige apenas abrir uma aba do navegador. Não há instalação, não há aprovação de TI, não há fricção e é exatamente essa ausência de fricção que multiplicou o problema em relação ao Shadow IT tradicional.

Os exemplos são variados: um assistente jurídico que usa o Gemini para resumir um contrato com cláusulas confidenciais; um analista de RH que cola currículos com dados sensíveis (como informações sobre deficiência, raça, gênero ou saúde) em um plugin de IA instalado no navegador expondo não apenas dados protegidos pela LGPD, mas também abrindo caminho para uso desses dados em treinamento de modelos que podem introduzir ou reforçar viés discriminatório em futuros processos seletivos; um time de produto que usa o Copilot integrado ao editor de código sem saber que trechos proprietários podem ser processados em servidores fora do Brasil. Em nenhum desses casos há má fé, há isso sim, ausência de política e de visibilidade.

Segundo o Microsoft Work Trend Index , uma parcela relevante dos profissionais que usam IA generativa no trabalho o fazem com ferramentas próprias, sem aprovação formal da liderança Microsoft — Work Trend Index Annual Report. Esse é o retrato mais nítido do Shadow AI: adoção que corre na frente da governança.

Por que o Shadow AI é um problema de LGPD, e não só de TI?

Porque cada prompt com dado pessoal enviado a uma IA sem controle configura um tratamento de dados fora da base legal e da governança exigidas pela LGPD, gerando responsabilidade da empresa perante a ANPD e os titulares afetados, a LGPD não condiciona a apuração à intenção do colaborador, mas a responsabilização considera fatores como adoção de boas práticas, mitigação de danos e boa-fé (art. 52). Não importa se o colaborador agiu por boa vontade ou desconhecimento – a Lei nº 13.709/2018 não condiciona a apuração de responsabilidade à intenção do colaborador, embora preveja excludentes específicas de responsabilidade civil no art. 43 LGPD — Lei nº 13.709/2018, Planalto.

Três problemas jurídicos concretos aparecem nesse cenário. O primeiro é o tratamento sem base legal: ao colar dados de clientes em uma ferramenta de IA para “só resumir”, o colaborador está processando dados pessoais para uma finalidade que não foi informada ao titular e não está amparada por nenhuma das hipóteses de tratamento previstas no art. 7º (ou no art. 11, em caso de dados sensíveis) da lei.

O segundo é a transferência internacional de dados. A maioria das ferramentas de IA generativa populares processa dados em servidores fora do Brasil, muitas vezes nos Estados Unidos, sem que a empresa tenha avaliado se há garantias adequadas de proteção equivalentes às exigidas pela LGPD ANPD — Agência Nacional de Proteção de Dados.

O terceiro problema é a ausência de Relatório de Impacto à Proteção de Dados (RIPD) para essas ferramentas. Quando uma nova tecnologia de tratamento de dados de alto risco é adotada e o uso de IA generativa com dados pessoais pode se enquadrar nessa hipótese, recomenda-se a elaboração de RIPD antes da adoção, alinhada aos critérios de necessidade e proporcionalidade da LGPD, e não depois de um incidente. Saiba mais sobre quando o RIPD é obrigatório.

Na prática de consultoria, observamos que o Shadow AI raramente aparece como um incidente isolado, ele se manifesta como um padrão distribuído em dezenas de pequenos fluxos de trabalho, cada um pequeno demais para acionar um alerta de segurança tradicional, mas cuja soma configura uma exposição sistêmica. É esse caráter difuso que torna o problema mais difícil de mapear do que um vazamento pontual.

Quais são os riscos concretos do Shadow AI para as empresas?

Os riscos vão do vazamento de segredos comerciais e dados de clientes à perda de controle sobre onde a informação da empresa está armazenada e sendo reutilizada para treinar modelos de terceiros, com efeitos que vão do jurídico ao reputacional. Não é um risco hipotético: é uma cadeia de consequências que já tem materialidade documentada em relatórios internacionais.

O primeiro risco é o vazamento direto de dados sensíveis e propriedade intelectual. Pesquisas da Netskope Threat Labs mostram crescimento expressivo no volume de uploads corporativos para ferramentas de IA generativa nos últimos anos, com dados sensíveis representando parcela relevante desse tráfego Netskope Threat Labs — Cloud and Threat Report. A Cyberhaven, especializada em prevenção de perda de dados, documenta casos recorrentes de informações confidenciais de código-fonte a dados de clientes sendo enviadas para ferramentas de IA sem qualquer controle de saída Cyberhaven — Research on AI Data Loss.

O segundo risco é o uso desses dados para treinar modelos públicos. Dependendo dos termos de serviço da ferramenta, em geral nas versões gratuitas ou de consumidor final, diferente de contratos empresariais com garantias de não retenção, o conteúdo enviado pode ser incorporado ao processo de treinamento do modelo, tornando impraticável reverter esse uso depois de enviado.

O terceiro é o risco contratual e reputacional. Cláusulas de confidencialidade em contratos com clientes frequentemente proíbem o compartilhamento de dados com terceiros não autorizados e uma ferramenta de IA não homologada é, juridicamente, um terceiro. O Verizon Data Breach Investigations Report reforça que grande parte dos vazamentos de dados envolve erro humano ou uso indevido de ferramentas, não ataques sofisticados Verizon — Data Breach Investigations Report o que posiciona o Shadow AI como extensão natural de um problema já conhecido pela política de segurança da informação, agora com um canal de saída mais rápido e menos visível.

Como identificar o Shadow AI na sua empresa?

A identificação começa por um inventário de ferramentas de IA em uso, cruzado com logs de rede, pesquisa de percepção com colaboradores e auditoria de extensões e plugins instalados nos endpoints corporativos. Sem esse diagnóstico inicial, qualquer política de governança nasce baseada em suposição, não em dado real.

A primeira frente é técnica: auditoria de tráfego de rede e DNS, restrita a dispositivos e redes corporativas, para identificar acessos a domínios de ferramentas de IA conhecidas, incluindo aplicativos móveis e extensões de navegador, sempre com política de monitoramento transparente, informada previamente aos colaboradores, limitada à finalidade de segurança de dados e sem extensão a dispositivos pessoais ou comunicações privadas, em respeito à proporcionalidade exigida pela LGPD e ao direito à privacidade dos próprios funcionários enquanto titulares de dados. Ferramentas de CASB (Cloud Access Security Broker) e DLP (Data Loss Prevention) adaptadas para IA generativa já conseguem sinalizar quando um upload contém padrões de dados sensíveis, como CPF ou dados bancários.

A segunda frente é humana: uma pesquisa interna anônima, sem caráter punitivo, costuma revelar um volume de uso muito maior do que os logs de rede sozinhos indicam, especialmente porque parte do uso acontece em dispositivos pessoais, fora da rede corporativa, ambiente que está fora do escopo legítimo de monitoramento do empregador e deve ser tratado exclusivamente por meio de conscientização e política, nunca de vigilância direta sobre o dispositivo pessoal do colaborador. Gartner estima que parcela relevante dos profissionais de segurança não tem visibilidade completa sobre quais ferramentas de IA estão sendo usadas dentro da própria empresa.

A terceira frente é contratual: revisar contratos de SaaS já existentes, porque muitos fornecedores de software passaram a embutir funcionalidades de IA generativa em atualizações recentes, sem que a empresa tenha revisitado o contrato original para avaliar essa nova camada de tratamento de dados. Esse é um ponto frequentemente ignorado em auditorias tradicionais de fornecedores.

Banir o uso de IA resolve o problema?

Não, o bloqueio total tende a empurrar o uso para dispositivos pessoais e redes fora do monitoramento corporativo, agravando o risco em vez de eliminá-lo. Esse é talvez o erro estratégico mais comum entre empresas que reagem ao Shadow AI com uma política de proibição simples, sem alternativa estruturada.

O efeito é previsível: se o colaborador não pode acessar o ChatGPT pela rede da empresa, ele o acessa pelo celular pessoal, em uma rede sem qualquer visibilidade de TI, sem log, sem DLP, sem possibilidade de auditoria. O dado sai da empresa da mesma forma, só que agora sem qualquer rastro.

Empresas que tratam o Shadow AI como problema de “lista de bloqueio” tendem a subestimar a elasticidade da demanda: colaboradores que percebem ganho real de produtividade com IA generativa não abandonam o hábito quando ele é proibido, apenas o tornam invisível. A governança eficaz não compete com a proibição, ela compete com a conveniência, oferecendo uma ferramenta homologada tão acessível quanto a alternativa não autorizada.

A alternativa mais eficaz, alinhada aos princípios de gestão de risco descritos em frameworks como o NIST AI Risk Management Framework, é a governança por permissão controlada: disponibilizar ferramentas homologadas, com contrato de processamento de dados assinado, dentro de um ambiente monitorado, em vez de simplesmente vetar o acesso NIST — AI Risk Management Framework Empresas que fizeram essa transição relatam adesão mais rápida às ferramentas oficiais, justamente porque reduzem a fricção entre “usar IA” e “usar IA de forma segura”.

Como construir uma política de uso de IA compatível com a LGPD?

Uma política eficaz combina classificação de dados permitidos, lista de ferramentas homologadas, cláusulas contratuais com fornecedores de IA e trilha de auditoria dos usos, sem depender de vigilância constante sobre cada colaborador. O objetivo não é policiar, é estruturar limites claros e viáveis.

O primeiro pilar é a classificação de dados: definir explicitamente quais categorias de informação podem ser inseridas em ferramentas de IA (dados públicos, textos genéricos) e quais são proibidas (dados pessoais sensíveis (protegidos como direito fundamental dos titulares, com prioridade máxima de resguardo), segredos comerciais, código proprietário e informações sob NDA). Sem essa régua, a orientação “use com responsabilidade” é vaga demais para orientar qualquer decisão prática.

O segundo pilar é a homologação de ferramentas com DPA assinado – o Data Processing Agreement que estabelece formalmente as responsabilidades do fornecedor de IA como operador, nos termos do art. 5º da LGPD, incluindo onde os dados são processados e por quanto tempo são retidos. A ISO/IEC 42001:2023, primeira norma internacional específica para sistemas de gestão de IA, oferece uma estrutura de referência mais ampla de governança de IA, que pode apoiar (ainda que não substitua) os critérios técnicos e contratuals usados no processo de homologação ISO/IEC 42001:2023 — Sistema de Gestão de IA.

O terceiro pilar é o treinamento obrigatório e o termo de responsabilidade – não como formalidade burocrática, mas como momento real de esclarecer o que está em jogo quando um dado de cliente é colado em uma caixa de texto. Empresas com maturidade mais avançada em segurança de IA também consultam frameworks como o OWASP Top 10 for LLM Applications para entender riscos técnicos específicos de aplicações de IA generativa (como prompt injection e vazamento de dados via modelo) – um complemento à governança de dados pessoais, não um substituto para ela OWASP — Top 10 for Large Language Model Applications.

Abordagem	Efeito prático	Nível de risco residual
Bloqueio total sem alternativa	Uso migra para dispositivos pessoais sem monitoramento	Alto — sem visibilidade
Permissão livre sem política	Uso cresce sem controle de dados sensíveis	Alto — sem rastreabilidade
Governança com ferramentas homologadas + DPA	Uso concentrado em ambiente monitorado e auditável	Baixo a moderado — com trilha de auditoria

Qual o papel do DPO e da área de TI na governança de Shadow AI?

DPO e TI devem atuar em conjunto: o DPO define os limites legais de tratamento de dados e a base legal aplicável a cada uso de IA, enquanto a TI implementa os controles técnicos de monitoramento, homologação e bloqueio seletivo de ferramentas não autorizadas. Um sem o outro produz uma política incompleta, jurídica sem aplicação técnica, ou técnica sem fundamento legal.

A divisão de responsabilidades funciona melhor quando desenhada como um comitê, não como silos isolados: o DPO participa da avaliação de risco de cada nova ferramenta candidata à homologação; a TI reporta padrões de uso identificados via CASB e DLP; o RH incorpora o treinamento de uso responsável de IA à trilha de onboarding e reciclagem periódica. Saiba mais sobre as responsabilidades do DPO na empresa.

Para reportar à alta administração, os indicadores mais úteis não são apenas de conformidade, mas de tendência: número de ferramentas homologadas versus identificadas em uso, volume de incidentes reportados por colaboradores (o que indica maturidade de cultura, não fragilidade), e tempo médio entre a identificação de uma ferramenta não autorizada e sua homologação ou bloqueio. O IBM Cost of a Data Breach Report mostra que o tempo médio para identificar e conter um vazamento de dados ainda é medido em meses na maioria das organizações — um indicador direto de que a velocidade de detecção é, em si, uma métrica de governança IBM — Cost of a Data Breach Report.

Perguntas Frequentes

O que é shadow AI em uma frase?
Shadow AI é o uso de ferramentas de inteligência artificial generativa por colaboradores sem aprovação, contrato ou supervisão da área de TI e compliance da empresa, criando um vetor de risco invisível à governança de dados.

Usar ChatGPT no trabalho viola a LGPD?
Não necessariamente, depende do que é inserido na ferramenta. Usar o ChatGPT para tarefas genéricas não é violação. O problema surge quando dados pessoais de clientes, funcionários ou terceiros são inseridos sem base legal, contrato de processamento de dados e avaliação de risco prévia.

Shadow AI pode gerar multa da ANPD?
Sim. Se o uso não controlado de IA resultar em tratamento indevido de dados pessoais ou em incidente de segurança, a empresa pode ser responsabilizada e sancionada pela ANPD, independentemente de ter sido o colaborador, e não a direção quem realizou o ato ANPD — Agência Nacional de Proteção de Dados.

Qual a diferença entre Shadow IT e Shadow AI?
Shadow IT é o uso de qualquer software ou serviço de tecnologia sem aprovação de TI. Shadow AI é uma subcategoria específica, focada em ferramentas de inteligência artificial, com um agravante: a barreira de entrada é mínima e o dado sensível é inserido diretamente em cada interação.

Como as empresas podem mitigar Shadow AI?
Fazendo diagnóstico de exposição ao Shadow AI, elaborando DPIA para ferramentas de IA, estruturando políticas de uso compatíveis com a LGPD e a implementando controles técnicos de monitoramento junto às equipes de TI e segurança da informação.

O Shadow AI não se resolve com um memorando proibindo o uso de IA, se resolve com diagnóstico real, política aplicável e ferramentas homologadas que compitam em conveniência com as alternativas não autorizadas. Se sua empresa ainda não mapeou a extensão desse uso internamente, esse é o primeiro passo antes de qualquer política.

Fontes:

ANPD — Agência Nacional de Proteção de Dados
LGPD — Lei nº 13.709/2018, Planalto
ANPD — Guia de Boas Práticas para DPIA
IBM — Cost of a Data Breach Report
Verizon — Data Breach Investigations Report (DBIR)
Netskope Threat Labs — Cloud and Threat Report
Gartner — Research on Generative AI Governance
Microsoft — Work Trend Index Annual Report
CGI.br — Pesquisa TIC Empresas
FGVcia — Pesquisa Anual do Uso de TI
ISO/IEC 42001:2023 — Sistema de Gestão de IA
NIST — AI Risk Management Framework
Cyberhaven — Research on AI Data Loss
OWASP — Top 10 for Large Language Model Applications