Kierowniczka działu sprzedaży wkleja do darmowego czatu AI tabelę z warunkami rabatowymi największych klientów, bo przed spotkaniem potrzebuje szybkiego streszczenia. Programista instaluje rozszerzenie przeglądarki, które podpowiada kod i ma prawo czytać każdą odwiedzaną stronę. Asystent notatek, podłączony jednym kliknięciem do kalendarza, dołącza do spotkań zarządu i spisuje rozmowy. Nikt z tych osób nie chciał zaszkodzić firmie — każda chciała pracować szybciej. Dział IT nie wie o żadnym z tych narzędzi.
Tak wygląda shadow AI w praktyce. Zakaz korzystania z AI zwykle nie rozwiązuje problemu, tylko przenosi go na prywatne telefony i konta, gdzie firma traci resztki widoczności. Pokazujemy, jak wykryć shadow AI danymi, które większość organizacji już zbiera — z logów DNS i proxy, CASB, katalogu tożsamości i inwentarza punktów końcowych — oraz jak w ciągu miesiąca ograniczyć je tak, żeby zespoły nie straciły narzędzi, które naprawdę pomagają im w pracy.
Czym jest shadow AI i czym różni się od shadow IT?
Shadow AI to korzystanie z narzędzi sztucznej inteligencji — czatów, asystentów, rozszerzeń i funkcji AI w aplikacjach — bez wiedzy i zgody działu IT oraz bezpieczeństwa. Pełną definicję znajdziesz w haśle shadow AI w słowniku nFlo.
Od klasycznego shadow IT odróżnia je to, co dzieje się z danymi. Niezatwierdzony menedżer zadań przechowuje informacje, które ktoś do niego wpisał. Narzędzie AI przetwarza treść z założenia: streszcza ją, przepisuje, analizuje i na jej podstawie odpowiada, a dostawca — zależnie od planu i umowy — może przechowywać prompty albo wykorzystywać je do rozwoju usługi. Shadow AI jest więc przede wszystkim problemem przepływu danych, a dopiero potem problemem inwentarza oprogramowania.
Druga różnica to tempo. Funkcje AI pojawiają się w aplikacjach, które firma zatwierdziła dawno temu, często w zwykłej aktualizacji. OWASP GenAI Security Project ujmuje to wprost w LLM Applications Cybersecurity and Governance Checklist (wersja 1.1, maj 2024): za najpilniejsze zagrożenie LLM, które nie pochodzi od atakującego, uznaje shadow AI — niezatwierdzone narzędzia online, niebezpieczne wtyczki przeglądarki i aplikacje zewnętrzne dodające funkcje LLM w aktualizacjach, z pominięciem procesu zatwierdzania oprogramowania.
Przyczyny, konsekwencje i sposoby zapobiegania niezatwierdzonym narzędziom IT w ogóle opisuje artykuł czym jest shadow IT i jak mu zapobiegać. Tutaj zajmujemy się tym, co jest specyficzne dla AI: gdzie szukać śladów i jak je ograniczyć.
W jakich postaciach shadow AI pojawia się w firmie?
Shadow AI występuje zwykle w pięciu postaciach, a każda zostawia inne ślady w systemach firmy. Od tego, którą postać chcesz wykryć, zależy źródło danych:
- Publiczne czaty AI na kontach prywatnych — pracownik loguje się prywatnym adresem e-mail, więc firma nie kontroluje ustawień historii i retencji ani nie ma dostępu do logów konta.
- Rozszerzenia przeglądarki z funkcjami AI — tłumacze, korektory, asystenci pisania i narzędzia streszczające strony, które otrzymują uprawnienia do czytania treści odwiedzanych witryn.
- Funkcje AI w zatwierdzonych aplikacjach SaaS — asystent w CRM, w narzędziu do zarządzania projektami albo w pakiecie biurowym, włączony przez dostawcę w aktualizacji, czasem domyślnie.
- Asystenci notatek ze spotkań — boty dołączające do wideokonferencji i transkrybujące rozmowy, często z dostępem do kalendarzy całego zespołu.
- Aplikacje z dostępem OAuth — narzędzia, którym pracownik jednym kliknięciem „Zezwól” nadał dostęp do poczty, plików albo kalendarza w firmowym katalogu tożsamości.
Dwie ostatnie postaci są najtrudniejsze do zauważenia, bo nie wymagają instalacji ani odwiedzania nowej strony. Integracja OAuth działa po stronie dostawcy, między serwerami, więc nie zostawia śladu w logach proxy ani w ruchu sieci firmy. Ślad zostaje gdzie indziej: zgoda nadana aplikacji jest zapisana w katalogu tożsamości, wśród uprawnień aplikacji korporacyjnych. Wykrywanie oparte wyłącznie na ruchu sieciowym zawsze zaniża więc skalę zjawiska.
Skala bywa duża. W raporcie 2024 Work Trend Index firm Microsoft i LinkedIn z maja 2024 r. zdecydowana większość użytkowników AI zadeklarowała, że przynosi do pracy własne narzędzia AI. To dane ankietowe sprzed ponad dwóch lat, a nie pomiar w konkretnej firmie, ale dobrze pokazują, od czego zacząć: od założenia, że lista narzędzi znanych działowi IT jest niepełna.
Dlaczego shadow AI jest ryzykiem dla danych i zgodności?
Shadow AI jest ryzykiem, bo dane firmy trafiają do podmiotu, z którym nie ma ona umowy, na warunkach, których nikt nie sprawdził. Konsekwencje rozkładają się na cztery obszary.
Pierwszy to ochrona danych osobowych. Gdy prompt zawiera dane klientów albo pracowników, dostawca narzędzia przetwarza je w praktyce na rzecz firmy. Art. 28 ust. 1 RODO wymaga, by administrator korzystał wyłącznie z usług podmiotów przetwarzających, które zapewniają wystarczające gwarancje wdrożenia odpowiednich środków technicznych i organizacyjnych. Takich gwarancji nie da się wykazać dla narzędzia, o którego istnieniu firma nie wie i z którym nie zawarła umowy powierzenia.
Drugi to tajemnica przedsiębiorstwa. Art. 11 ust. 2 ustawy o zwalczaniu nieuczciwej konkurencji (tekst jednolity: Dz.U. 2026 poz. 85) uznaje informację za tajemnicę przedsiębiorstwa tylko wtedy, gdy uprawniony podjął, przy zachowaniu należytej staranności, działania w celu utrzymania jej w poufności. Brak zasad korzystania z AI i brak wiedzy o tym, dokąd trafiają dokumenty, osłabia ten argument w ewentualnym sporze. To nasza ocena ryzyka, a nie wynik orzecznictwa — ale warto ją przedstawić zarządowi i działowi prawnemu.
Trzeci obszar to zobowiązania umowne. Umowy o zachowaniu poufności i klauzule w kontraktach z klientami często zakazują ujawniania informacji podmiotom trzecim bez zgody, a wklejenie dokumentu klienta do publicznego narzędzia AI może być takim ujawnieniem. Czwarty to bezpieczeństwo techniczne: rozszerzenie z prawem czytania wszystkich stron i aplikacja OAuth z dostępem do skrzynki to także droga ataku. Przejęte rozszerzenie widzi wszystko, co widzi użytkownik.
Najważniejsze:
- Shadow AI to problem przepływu danych, nie tylko listy niezatwierdzonych aplikacji.
- Integracje OAuth i funkcje AI w zatwierdzonym SaaS nie zostawiają śladu w logach proxy.
- Bez wiedzy o narzędziach firma nie wykaże gwarancji z art. 28 RODO ani należytej staranności w ochronie tajemnicy przedsiębiorstwa.
Jak wykryć shadow AI w logach DNS, proxy i w CASB?
Najszybciej shadow AI wykryjesz w ruchu sieciowym: logi DNS, proxy i bramy internetowej pokazują, kto, jak często i z jakim wolumenem łączy się z usługami AI. To źródło, które większość firm już ma, tylko rzadko analizuje pod tym kątem.
Pracę zacznij od listy domen popularnych usług AI i zapytań o nie w resolverze DNS za ostatnie tygodnie. Wyniki pogrupuj według działów i porównaj z danymi z proxy, które pokazują wolumen danych wysłanych i pobranych. Duży wolumen wysyłany do usługi AI sugeruje wgrywanie plików, a nie pojedyncze pytania — to pierwszy kandydat do rozmowy z zespołem.
CASB automatyzuje tę pracę. Na przykład Microsoft Defender for Cloud Apps porównuje logi ruchu z katalogiem aplikacji chmurowych, w którym jest kategoria „Generative AI” — aplikacje generujące tekst, obrazy i wideo modelami generatywnej AI (Microsoft Learn, strona z lipca 2026 r.). Na stronie odkrytych aplikacji można filtrować wyniki według kategorii, oceny ryzyka, zgodności i użycia oraz zapisać własne zapytanie. Inne platformy CASB i SSE mają podobne kategorie, ale ich nazwy i zakres zależą od producenta — sprawdź je w dokumentacji swojego narzędzia. Tło architektoniczne opisuje artykuł o Security Service Edge.
Zapamiętaj ograniczenie, o którym producent pisze w tej samej dokumentacji: Defender for Cloud Apps domyślnie nie wykryje aplikacji, których nie ma w katalogu. Nowe i niszowe narzędzia AI trzeba więc wyszukiwać także ręcznie w surowych logach DNS, na przykład po wzorcach nazw domen typowych dla interfejsów API modeli.
Ruch sieciowy nie pokaże też wszystkiego. Prywatne telefony i domowe sieci są poza zasięgiem firmowego proxy, szyfrowanie ukrywa treść zapytań, a integracje OAuth i funkcje AI w aplikacjach SaaS nie przechodzą przez urządzenia pracownika. Dlatego logi sieciowe to pierwszy, a nie jedyny krok.
Jak znaleźć rozszerzenia przeglądarki, aplikacje OAuth i funkcje AI w SaaS?
Te trzy postaci shadow AI wykrywa się w konsolach administracyjnych, a nie w logach sieciowych. Każda wymaga osobnego przeglądu.
Rozszerzenia przeglądarki znajdziesz w inwentarzu narzędzia do zarządzania punktami końcowymi albo przeglądarkami. Microsoft Defender Vulnerability Management ma ocenę rozszerzeń przeglądarek, która pokazuje rozszerzenie, liczbę urządzeń, żądane uprawnienia i poziom ryzyka tych uprawnień (Microsoft Learn, lipiec 2026 r.). Szukaj rozszerzeń z funkcjami AI, które mają prawo czytać i zmieniać dane na wszystkich stronach — to one widzą treść poczty, CRM i dokumentów w przeglądarce.
Aplikacje OAuth sprawdzisz w katalogu tożsamości. W Microsoft Entra ID przegląd uprawnień nadanych aplikacjom korporacyjnym pokazuje, co pracownicy i administratorzy zatwierdzili, i pozwala te zgody odwołać (Microsoft Learn). Na przyszłość warto ograniczyć zgody użytkowników, na przykład do aplikacji zweryfikowanych wydawców i uprawnień niskiego wpływu, i włączyć przepływ zatwierdzania przez administratora (admin consent workflow), żeby pracownik mógł poprosić o zgodę zamiast szukać obejścia (Microsoft Learn).
Funkcje AI w aplikacjach SaaS wymagają przeglądu paneli administracyjnych kluczowych systemów — CRM, pakietu biurowego, narzędzi projektowych i wideokonferencji — oraz not o wydaniach i zmian w warunkach przetwarzania danych. Pytanie kontrolne brzmi: czy nowa funkcja jest włączona domyślnie i czy dane trafiają do zewnętrznego dostawcy modelu?
Ostatnie źródło to ludzie i finanse. Krótka, anonimowa ankieta — z jakich narzędzi korzystasz i do czego — oraz rozmowy z liderami zespołów dają informację, której nie pokaże żaden log: do jakiego zadania narzędzie służy i czego zatwierdzona alternatywa musiałaby nie utrudniać. Przegląd wydatków na kartach firmowych i w rozliczeniach ujawnia płatne subskrypcje kupione poza działem zakupów.
Jak ograniczać shadow AI bez blokowania pracy?
Shadow AI ograniczysz skutecznie wtedy, gdy zatwierdzona droga jest łatwiejsza niż obejście. Sama blokada działa krótko, bo przenosi ruch tam, gdzie firma go już nie widzi.
Pierwszy element to zatwierdzona alternatywa: narzędzie AI dostępne na kontach firmowych, z logowaniem jednokrotnym i sprawdzonymi warunkami przetwarzania danych. Drugi to jasne zasady — polityka korzystania z AI mówi, z jakich narzędzi wolno korzystać, jakich danych nie wolno do nich wprowadzać i kto zatwierdza nowe narzędzia. Trzeci to kontrola samych danych, czyli kontrole DLP dla narzędzi AI, które ostrzegają albo blokują przy wklejaniu i przesyłaniu informacji wrażliwych.
Blokady stosuj selektywnie. W CASB oznacz aplikacje jako zatwierdzone albo niezatwierdzone; w Defender for Cloud Apps aplikacje oznaczone jako Unsanctioned można monitorować albo blokować, a po integracji z Defender for Endpoint ich domeny trafiają na punkty końcowe i są blokowane przez ochronę sieci (Microsoft Learn, lipiec 2026 r.). Ta sama integracja ma łagodniejszy tryb, który tylko ostrzega użytkownika. Ostrzeżenie z odnośnikiem do zatwierdzonej alternatywy zwykle uczy więcej niż goła blokada.
Ostatni element to ścieżka zgłoszeń: prosty formularz „chcę korzystać z narzędzia X do zadania Y” z decyzją w ciągu kilku dni roboczych. Jeżeli decyzja trwa tygodniami, pracownicy wrócą do obejść. Zasada praktyczna: blokuj to, co ma wysokie ryzyko i nie ma uzasadnienia biznesowego, a resztę kieruj do ścieżki zatwierdzania.
Najważniejsze:
- Zatwierdzona alternatywa i szybka ścieżka zgłoszeń ograniczają shadow AI skuteczniej niż zakazy.
- Blokuj selektywnie: narzędzia wysokiego ryzyka bez uzasadnienia biznesowego.
- Tryb ostrzegania z odnośnikiem do zatwierdzonego narzędzia zmienia nawyki bez zatrzymywania pracy.
Jak mierzyć postęp w ograniczaniu shadow AI?
Postęp mierzy się kilkoma wskaźnikami śledzonymi co miesiąc, a nie jednorazowym raportem z inwentaryzacji. Wskaźniki powinny pokazywać, czy ruch przenosi się do zatwierdzonych narzędzi, a nie tylko, ile zablokowano.
Praktyczny zestaw obejmuje: liczbę odkrytych aplikacji AI i udział tych, które mają już decyzję (zatwierdzona, ograniczona, zablokowana); udział ruchu do usług AI z kont firmowych wobec kont prywatnych; liczbę aplikacji OAuth z dostępem do poczty i plików oraz liczbę odwołanych zgód; liczbę wniosków o zatwierdzenie narzędzia i czas decyzji; liczbę ostrzeżeń i blokad DLP przy usługach AI.
Uważaj na wskaźnik, który wprowadza w błąd: liczbę blokad. Jej spadek może znaczyć, że problem zmalał, ale równie dobrze — że pracownicy przeszli na prywatne telefony. Dlatego spadek blokad czytaj zawsze razem ze wzrostem korzystania z zatwierdzonego narzędzia. Jeżeli blokad jest mniej, a zatwierdzone narzędzie stoi puste, shadow AI nie zniknęło, tylko wyszło poza pomiar.
Jak wygląda plan wykrywania shadow AI na 30 dni?
Plan na miesiąc dzieli pracę na cztery tygodnie: ruch sieciowy, konsole administracyjne, ludzie i decyzje. Tabela pokazuje, co zrobić w każdym tygodniu, skąd wziąć dane i co powinno powstać.
| Tydzień | Działanie | Źródło danych | Wynik |
|---|---|---|---|
| Tydzień 1 | Inwentarz usług AI z ruchu sieciowego; lista domen i kategorii | Resolver DNS, proxy lub brama internetowa, CASB | Lista aplikacji AI z działami i wolumenem danych |
| Tydzień 2 | Przegląd rozszerzeń, zgód OAuth i funkcji AI w kluczowych aplikacjach SaaS | Konsola punktów końcowych, katalog tożsamości, panele administracyjne SaaS | Lista integracji z dostępem do danych firmy |
| Tydzień 3 | Ankieta i rozmowy z zespołami, przegląd wydatków, ocena ryzyka każdej aplikacji | Ankieta, rozliczenia kart firmowych, warunki dostawców | Rejestr decyzji: zatwierdzić, ograniczyć albo zablokować |
| Tydzień 4 | Decyzje, ścieżka zgłoszeń, pierwsze ostrzeżenia i blokady, stan bazowy wskaźników | CASB, katalog tożsamości, zasady korzystania z AI | Wskaźniki startowe i plan przeglądów miesięcznych |
Po miesiącu najważniejszy jest rejestr decyzji. To on zamienia jednorazową inwentaryzację w proces: każda nowa aplikacja AI wykryta w logach albo zgłoszona przez pracownika trafia do tego samego rejestru i dostaje decyzję według tych samych kryteriów.
Jak nFlo może pomóc w ocenie shadow AI?
Jeżeli w firmie brakuje ludzi, którzy przez miesiąc zbiorą i ocenią te dane, nFlo przeprowadza ocenę shadow AI i politykę korzystania z AI. Usługa obejmuje inwentaryzację narzędzi AI na podstawie logów DNS, proxy i CASB, ocenę ryzyka przepływów danych, przegląd istniejących kontroli DLP i projekt zasad korzystania z AI.
Ocena jest częścią szerszego obszaru bezpieczeństwa AI, w którym cyberbezpieczeństwo łączy się z ładem, ryzykiem i zgodnością. Kolejne teksty znajdziesz w bazie wiedzy o bezpieczeństwie AI, w tym mapę ryzyk i kontroli środowisk AI w firmie. Chcesz zacząć od inwentaryzacji? Skontaktuj się z nami.
Co jeszcze warto wiedzieć o wykrywaniu shadow AI?
Czy można wykryć shadow AI bez CASB?
Tak. Pierwszy obraz dają logi DNS i proxy, inwentarz rozszerzeń przeglądarki, przegląd zgód OAuth w katalogu tożsamości, ankieta wśród pracowników i przegląd wydatków. CASB przyspiesza pracę i dodaje ocenę ryzyka aplikacji, ale nie jest warunkiem rozpoczęcia inwentaryzacji.
Czy zablokowanie ChatGPT rozwiązuje problem shadow AI?
Nie. Blokada jednej domeny przesuwa ruch do innych usług, na prywatne telefony i domowe sieci, a nie obejmuje funkcji AI w zatwierdzonych aplikacjach ani integracji OAuth. Blokady mają sens dla narzędzi wysokiego ryzyka, ale tylko razem z zatwierdzoną alternatywą i ścieżką zgłaszania nowych narzędzi.
Czy analiza korzystania z AI narusza prywatność pracowników?
Analiza ruchu służbowego do usług AI powinna mieć określony cel, zakres i okres przechowywania danych. Zakres warto uzgodnić z inspektorem ochrony danych i działem prawnym, a pracowników poinformować, co i po co firma sprawdza. Do oceny ryzyka zwykle wystarczają dane zagregowane po działach.
Jak często powtarzać inwentaryzację shadow AI?
Wskaźniki warto śledzić co miesiąc, a pełny przegląd rozszerzeń, zgód OAuth i funkcji AI w aplikacjach SaaS powtarzać co kwartał oraz po każdej większej zmianie, na przykład po włączeniu nowej funkcji AI przez dostawcę kluczowej aplikacji.
Kto w firmie odpowiada za ograniczanie shadow AI?
Najczęściej proces prowadzi dział bezpieczeństwa albo CISO, ale decyzje wymagają IT, działu prawnego, inspektora ochrony danych i właścicieli procesów biznesowych. Dział bezpieczeństwa dostarcza dane i ocenę ryzyka, a właściciel procesu decyduje, czy narzędzie jest potrzebne.
