Il 58 per cento dei dipendenti nel mondo usa strumenti di intelligenza artificiale al lavoro. Meno della metà, il 42 per cento, usa quelli forniti dal datore di lavoro [1]. Lo scarto tra i due numeri non misura un problema di disciplina. Misura un patrimonio che si sta formando fuori dal perimetro aziendale: metodi, criteri decisionali, sequenze di ragionamento che si accumulano su account personali che l’azienda non può vedere, non può inventariare e non può reclamare.
Il dibattito sulla Shadow AI, l’uso di strumenti di intelligenza artificiale senza approvazione o supervisione dell’organizzazione, è rimasto schiacciato sulla dimensione della sicurezza: dati che escono, policy violate, sanzioni possibili. Dimensione reale, ma parziale. Perché mentre i dati escono, qualcosa di più prezioso si forma e resta fuori: il capitale cognitivo dell’organizzazione, che cresce dove l’organizzazione non esiste.
Indice degli argomenti
Shadow AI in azienda: un uso ormai strutturale
I numeri convergono da fonti indipendenti, e convergono tutti nella stessa direzione. La rilevazione globale di KPMG e University of Melbourne su oltre 48.000 persone in 47 Paesi indica che il 58 per cento dei dipendenti usa intenzionalmente strumenti AI al lavoro, che la categoria più diffusa sono i tool generativi gratuiti e pubblici, e che solo il 42 per cento usa strumenti messi a disposizione dal datore di lavoro [1].
Uno studio IBM sui lavoratori d’ufficio canadesi scompone lo scarto: il 79 per cento usa l’AI al lavoro, ma solo il 25 per cento si affida a soluzioni enterprise; il 33 per cento mescola strumenti personali e aziendali, il 21 per cento usa esclusivamente app personali [4].
La conseguenza logica è scomoda: l’uso governato è l’eccezione. Trattare la Shadow AI come devianza individuale significa costruire la governance sul caso raro e ignorare il caso normale.
Il capitale cognitivo della Shadow AI segue gli account personali
Cosa si accumula, concretamente, in quegli account personali. Non solo dati.
Un professionista che usa quotidianamente un assistente AI costruisce nel tempo qualcosa di molto simile a un metodo codificato: prompt affinati per iterazioni successive, sequenze di istruzioni che incorporano i criteri di qualità dell’azienda, correzioni che insegnano al modello il contesto specifico, memorie e istruzioni personalizzate che replicano il modo di ragionare di quella funzione aziendale. È la parte del know-how che prima viveva soltanto nella testa delle persone e che ora, per la prima volta, viene esplicitata e resa trasferibile.
Esplicitata, però, nel posto sbagliato. La cronologia appartiene all’account. Le memorie appartengono all’account. Le istruzioni personalizzate appartengono all’account. E l’account appartiene alla persona, non all’organizzazione.
Le implicazioni sono tre, in ordine crescente di gravità. Primo: l’azienda non ha visibilità, quindi non può misurare né migliorare un metodo che pure sta pagando con gli stipendi di chi lo sviluppa. Secondo: non ha continuità, perché alle dimissioni del dipendente il metodo esce dall’azienda insieme all’account, senza che nulla risulti da un inventario.
Terzo, ed è il punto giuridicamente più delicato: non ha titolarità difendibile, perché un know-how mai censito, mai protetto da misure specifiche, mai qualificato come riservato difficilmente potrà essere rivendicato come segreto aziendale davanti a un giudice: l’articolo 98 del Codice della Proprietà Industriale subordina la tutela del segreto commerciale proprio all’adozione di misure di protezione ragionevolmente adeguate, e nessuna misura può essere adottata su un asset di cui l’azienda ignora l’esistenza.
C’è anche un effetto di accumulazione che rende il fenomeno peggiore col tempo, non migliore. Un prompt di preventivazione affinato per sei mesi non vale sei volte un prompt di un mese: incorpora eccezioni, casi limite, correzioni che nessuno ha documentato altrove, e ogni iterazione aumenta il divario tra il metodo che l’azienda crede di avere nelle sue procedure e il metodo che i suoi dipendenti usano davvero.
Più l’uso personale è produttivo, più il patrimonio fuori perimetro cresce. Il paradosso è completo: il dipendente migliore è anche quello che, senza volerlo, sta costruendo l’asset più prezioso nel posto meno recuperabile.
I prompt sono proprietà intellettuale implicita. Implicita perché nessun documento la registra. E ciò che nessun documento registra, per il diritto e per il bilancio, semplicemente non esiste.
Gli audit rivelano la Shadow AI prima delle policy
Le analisi preliminari ai percorsi di certificazione del sistema di gestione dell’intelligenza artificiale restituiscono con regolarità lo stesso schema, con poche varianti di settore.
La direzione dichiara un’adozione limitata e formalizzata: un progetto pilota, un fornitore contrattualizzato, un perimetro noto. La survey anonima racconta un’azienda diversa. Le funzioni a più alta intensità di conoscenza (ufficio tecnico, preventivazione, customer service, area legale) risultano le più attive su account personali gratuiti: librerie di prompt che incorporano parametri di costo, soglie di marginalità, criteri di risposta ai reclami appresi in anni di attività. Nulla di tutto questo risulta alla direzione. E quasi mai per violazione consapevole: nella maggior parte dei casi la policy che vieterebbe quegli usi semplicemente non esiste.
La seconda regolarità è la più costosa. Il patrimonio emerge quando la persona che lo ha costruito lascia l’azienda: non un file da restituire, non un accesso da revocare, niente che una procedura di offboarding possa intercettare. Lo schema si chiude sempre allo stesso modo: l’organizzazione scopre di aver posseduto un asset nel momento esatto in cui ha smesso di possederlo.
Shadow AI e proprietà intellettuale: la perdita invisibile
Il Cost of a Data Breach Report 2025 di IBM, che per la prima volta ha analizzato la dimensione AI delle violazioni, quantifica il lato visibile del fenomeno: un’organizzazione su cinque ha subito una violazione riconducibile alla Shadow AI, e le organizzazioni con livelli elevati di Shadow AI hanno registrato costi di violazione superiori in media di 670.000 dollari rispetto a quelle con livelli bassi o nulli [3]. Nelle violazioni che coinvolgono Shadow AI i dati personali risultano compromessi nel 65 per cento dei casi contro una media globale del 53, e la proprietà intellettuale nel 40 per cento contro il 33 [3].
Quel 40 per cento merita una lettura non convenzionale. La proprietà intellettuale che fuoriesce attraverso la Shadow AI è, in larga parte, esattamente quella che non era mai stata inventariata: se fosse stata censita sarebbe stata protetta, e se fosse stata protetta non sarebbe transitata su strumenti non governati. Il breach non crea la perdita. La certifica.
E qui sta il limite dei report di security: misurano ciò che esce dal perimetro, non ciò che nel perimetro non è mai entrato. Il sovrapprezzo del data breach ha una cifra, 670.000 dollari in media. Il valore del metodo che si è formato fuori, ed è rimasto fuori, non ha cifra, non ha voce di bilancio, non ha un responsabile. Eppure delle due è la perdita più grande.
Perché vietare la Shadow AI in azienda non basta
La risposta istintiva delle organizzazioni è la policy restrittiva. I dati dicono che non funziona, e spiegano anche perché.
Solo il 41 per cento dei dipendenti dichiara che la propria organizzazione ha una policy sull’uso dell’AI generativa [2]. Dove le regole esistono, il 44 per cento ammette di aver usato l’AI in modi che le contravvengono [2]. E il 57 per cento ha presentato come proprio un contenuto generato dall’AI [1]: il metodo diventa invisibile due volte, fuori dagli strumenti aziendali e fuori dal riconoscimento del lavoro.
Sul fronte delle organizzazioni il vuoto è speculare. Secondo IBM, il 63 per cento delle aziende violate non ha una policy di governance AI o la sta ancora sviluppando, e tra quelle che la possiedono solo il 34 per cento conduce audit regolari sull’AI non autorizzata [3].
Ma il problema del divieto non è l’applicazione debole. È la struttura dell’incentivo. Il dipendente che usa uno strumento personale non lo fa per aggirare una regola: lo fa perché quello strumento è più capace, più immediato e con meno attrito dello strumento ufficiale, quando uno strumento ufficiale esiste. La stessa KPMG lo riconosce: la Shadow AI nasce dove gli strumenti ufficiali sono datati, privi di funzioni essenziali o mal integrati nei flussi di lavoro quotidiani [2]. Vietare senza offrire un’alternativa a parità di prestazioni non riduce l’uso. Lo rende clandestino.
E la clandestinità è la condizione in cui il capitale cognitivo si disperde con la massima efficienza: il fenomeno che in Mind Breach viene descritto come dispersione non governata del patrimonio di ragionamento aziendale opera indisturbato proprio dove la policy dichiara che il problema non può esistere.
Governare la Shadow AI tra AI Act e ISO 42001
I framework normativi e di certificazione offrono già gli strumenti per il cambio di prospettiva, a condizione di leggerli oltre l’adempimento.
L’AI Act, con l’articolo 4 applicabile dal febbraio 2025, impone a fornitori e deployer di garantire un livello adeguato di alfabetizzazione AI del personale [5]. Obbligo impossibile da assolvere senza sapere chi usa cosa: l’alfabetizzazione presuppone il censimento.
La ISO/IEC 42001 richiede alle organizzazioni un inventario dei sistemi di intelligenza artificiale e una valutazione del loro impatto: un inventario che ignora gli account personali certifica un perimetro che non esiste, e nell’esperienza di audit è la non conformità sostanziale più frequente, oltre che la meno dichiarata. Per il contesto italiano, la legge 132 del 2025 ha fissato i principi nazionali di governance dell’intelligenza artificiale, confermando che la responsabilità sull’uso dei sistemi resta in capo alle organizzazioni e alle persone, mai allo strumento [6].
Letti insieme, questi riferimenti dicono una cosa sola: la governance dell’AI comincia dal sapere dove il pensiero dell’organizzazione si sta formando. Non è un tema di conformità. È un tema di titolarità.
Tre mosse per riportare la Shadow AI nel perimetro aziendale
Per il decisore, tre implicazioni operative immediate, in sequenza obbligata.
Censire l’uso reale degli strumenti AI
La prima: censire l’uso reale prima di scrivere le regole. Una survey anonima, condotta dalla funzione HR e non dall’IT (che il dipendente percepisce come organo di controllo, con effetto diretto sulla sincerità delle risposte), accompagnata da una garanzia scritta di non sanzionabilità e chiusa in tre o quattro settimane, va incrociata con l’analisi aggregata del traffico di rete verso i principali servizi AI.
Il risultato è la distanza tra adozione dichiarata e adozione effettiva, la metrica di partenza di qualunque governance: quando gli strumenti personali censiti superano quelli ufficiali per numero o intensità d’uso, la policy esistente descrive un’azienda che non c’è.
Riportare i prompt nel perimetro aziendale
La seconda: riportare i prompt dentro il perimetro. Una libreria aziendale di prompt, versionata e con titolarità esplicita, trasforma il metodo individuale in asset organizzativo. Il punto critico non è la piattaforma, è l’incentivo al conferimento: nessun professionista consegna spontaneamente un prompt affinato in mesi di lavoro a un archivio che potrebbe renderlo sostituibile.
Servono tempo dedicato in orario di lavoro, riconoscimento formale del contributo e l’esclusione esplicita del materiale conferito da qualsiasi uso valutativo o disciplinare. Le policy interne e le clausole contrattuali devono poi qualificare prompt, istruzioni e configurazioni sviluppate per finalità di lavoro come know-how aziendale, perché la protezione giuridica segue la qualificazione, mai il contrario.
Offrire strumenti governati a parità di attrito
La terza: offrire un’alternativa a parità di attrito. La Shadow AI migra dove il costo d’uso è minore, non dove la policy lo consente. Parità di attrito significa tre condizioni misurabili: accesso senza procedura di autorizzazione preventiva, qualità dei modelli comparabile a quella degli strumenti consumer che i dipendenti già conoscono, disponibilità anche da dispositivo mobile. Uno strumento governato al quale manca anche una sola di queste condizioni verrà affiancato, non adottato. E un’alternativa peggiore è un invito formale alla clandestinità.
L’inventario dei sistemi AI che i framework di governance già richiedono è l’occasione per censire, per la prima volta nella storia di molte organizzazioni, il luogo dove si forma il loro pensiero. Le aziende che lo faranno scopriranno di possedere più di quanto credevano. Le altre continueranno a finanziare, con gli stipendi dei propri dipendenti, la costruzione di un metodo su account che non controllano e che, al primo avvicendamento, non ricorderanno nemmeno di aver avuto.
Fonti
1. KPMG e University of Melbourne, “Trust, attitudes and use of artificial intelligence: A global study 2025”, 2025: https://assets.kpmg.com/content/dam/kpmgsites/xx/pdf/2025/05/trust-attitudes-and-use-of-ai-global-report.pdf
2. KPMG US, “Shadow AI is already here: Take control, reduce risk, and unleash innovation”, agosto 2025: https://kpmg.com/kpmg-us/content/dam/kpmg/pdf/2025/shadow-ai-already-here-take-control-reduce-risk-unleash-innovation.pdf
3. IBM, “Cost of a Data Breach Report 2025”, comunicato del 30 luglio 2025: https://newsroom.ibm.com/2025-07-30-ibm-report-13-of-organizations-reported-breaches-of-ai-models-or-applications,-97-of-which-reported-lacking-proper-ai-access-controls
4. IBM Canada, “Shadow AI Use Surges as Canadian Workers Outpace Employers in AI Adoption”, 3 settembre 2025: https://canada.newsroom.ibm.com/2025-09-03-IBM-R-Study-Shadow-AI-Use-Surges-as-Canadian-Workers-Outpace-Employers-in-AI-Adoption
5. Regolamento (UE) 2024/1689 (AI Act), testo ufficiale in italiano: https://eur-lex.europa.eu/legal-content/IT/TXT/?uri=CELEX:32024R1689
6. Legge 23 settembre 2025, n. 132, “Disposizioni e deleghe al Governo in materia di intelligenza artificiale”: https://www.normattiva.it/uri-res/N2Ls?urn:nir:stato:legge:2025-09-23;132
Partecipa alla community