COO da TQI apresenta medidas para mapear usos informais, proteger informações corporativas e permitir testes seguros

A inteligência artificial já faz parte da rotina de muitas empresas, mas nem sempre sua adoção acontece nos ambientes definidos pelas áreas de tecnologia. Profissionais recorrem a ferramentas de IA generativa para escrever textos, analisar documentos, preparar apresentações, resumir reuniões e automatizar tarefas. Quando essas iniciativas ocorrem sem conhecimento ou gestão das áreas responsáveis por tecnologia, segurança e governança, surge o fenômeno conhecido como Shadow AI, que abrange aplicações, contas ou recursos de IA sem supervisão formal da organização.
Segundo o Netskope Threat Labs Report: Brazil 2026, a inteligência artificial generativa está presente em 100% das organizações incluídas na análise. O relatório reúne dados agregados de um subconjunto de clientes da Netskope no Brasil, coletados entre março de 2025 e março de 2026. No período de um ano, a proporção de usuários que recorrem a aplicações pessoais de IA caiu de 81% para 52%, enquanto o uso de soluções gerenciadas pelas organizações aumentou de 29% para 70%. O levantamento também aponta que 71% acessam diretamente aplicações de GenAI e 22% alternam entre contas pessoais e corporativas, mostrando que a adoção de soluções oficiais ainda convive com o uso de contas particulares.
O levantamento também identificou que, entre as violações de políticas de dados relacionadas ao uso de IA generativa, 64% envolveram dados regulados, 21% código-fonte, 9% senhas ou chaves de API e 7% propriedade intelectual. Esses percentuais representam categorias de dados envolvidas em violações de políticas, não necessariamente vazamentos confirmados. O resultado reforça a importância de controlar o que os profissionais inserem nessas aplicações, sobretudo quando se trata de informações sensíveis ou ativos estratégicos.
Para Cristiano Oliveira, COO da TQI, o desafio é oferecer alternativas seguras sem criar barreiras que incentivem os profissionais a buscarem soluções por conta própria. “A TI não pode abandonar seu papel de proteger a empresa, seus dados e seus sistemas, mas precisa oferecer caminhos seguros que acompanhem a velocidade do negócio. Antes de bloquear uma ferramenta, é importante entender qual problema o profissional está tentando resolver e avaliar como a empresa pode atendê-lo com segurança”, afirma.
Com base nesse cenário, Cristiano Oliveira recomenda cinco práticas para as empresas lidarem com o Shadow AI:
Mapear ferramentas, usos e dados antes de impor restrições
O primeiro passo é identificar quais ferramentas de IA já são utilizadas, por quais equipes e para quais finalidades. Esse diagnóstico pode combinar consultas aos profissionais com informações disponíveis nos sistemas corporativos de segurança e rede. Com isso, a empresa consegue identificar as atividades realizadas e os tipos de informação compartilhados.
Essas informações permitem diferenciar usos de menor risco, como a revisão de um texto público, de situações que exigem controles adicionais, como o envio de dados de clientes, informações financeiras, código-fonte ou credenciais. O levantamento também ajuda a identificar demandas que ainda não são atendidas pelas ferramentas disponibilizadas oficialmente.
Criar um processo rápido para avaliar e liberar ferramentas
Um dos fatores que impulsionam o Shadow AI é a diferença entre a velocidade das necessidades do negócio e o tempo necessário para aprovar uma nova aplicação. Para reduzir esse descompasso, as empresas podem estabelecer critérios objetivos de avaliação e ambientes controlados para testar novas soluções antes de liberá-las para uso amplo.
A análise deve considerar aspectos como proteção e retenção dos dados, possibilidade de utilização das informações enviadas para treinamento de modelos, controles de acesso, requisitos de segurança e integração com sistemas corporativos. Também é importante definir quem aprova os testes, quais limites devem ser respeitados e em que condições uma ferramenta pode ser disponibilizada para toda a organização.
Definir regras objetivas para o uso de dados e acessos
As políticas de IA precisam estabelecer quais informações podem ser inseridas em prompts e quais exigem proteção adicional.
Senhas, chaves de API, tokens de acesso e outras credenciais não devem ser incluídos em prompts, anexados a solicitações ou expostos no contexto de conversas com modelos de IA, mesmo quando a ferramenta é aprovada pela empresa.
Quando forem necessários para integrações técnicas, o acesso deve ocorrer por mecanismos próprios de gestão segura de credenciais, com permissões restritas e monitoramento, sem expor esses dados ao modelo.
O uso de dados pessoais, informações reguladas e código-fonte também deve seguir regras específicas, conforme a sensibilidade do conteúdo e os controles disponíveis.
Além das orientações, as organizações podem adotar medidas técnicas para reduzir o risco de exposição, como controles de prevenção contra perda de dados (DLP), autenticação corporativa, restrição de permissões e mecanismos para detectar ou impedir o envio de informações sensíveis a aplicações e contextos de IA não autorizados, conforme as políticas da organização. Essas medidas complementam as políticas internas e reduzem a dependência de decisões individuais para proteger os ativos corporativos.
Definir responsabilidades e preparar as equipes
A governança de inteligência artificial precisa envolver tecnologia, segurança da informação, áreas de negócio, jurídico e compliance, com atribuições claras para avaliar riscos, aprovar aplicações e acompanhar sua adoção. Essa estrutura ajuda a evitar que decisões importantes fiquem concentradas em uma única área ou sejam tomadas sem considerar os impactos para a organização.
A preparação dos profissionais também é essencial. Orientações práticas devem abordar classificação de dados, escolha de ferramentas aprovadas, compartilhamento de informações e comunicação de possíveis incidentes. Um canal para esclarecer dúvidas e receber propostas de uso permite avaliar novas iniciativas e orientar as equipes sobre as alternativas disponíveis.
Controlar as integrações e a autonomia dos agentes de IA
À medida que a inteligência artificial passa a executar tarefas e interagir com sistemas corporativos, a gestão precisa considerar não apenas os dados utilizados, mas também as ações que os agentes podem realizar. Isso exige controles sobre identidade, permissões de acesso, registro de atividades e monitoramento das operações.
As empresas devem definir limites de autonomia conforme o risco de cada atividade. Ações de baixo impacto podem ser automatizadas dentro de regras previamente estabelecidas, enquanto operações críticas, alterações em sistemas ou decisões com consequências relevantes podem exigir aprovação humana.
“Quando a IA passa de apoio à execução, aumenta a responsabilidade sobre o que ela pode fazer dentro da organização. É necessário definir quais ações podem ser realizadas de forma autônoma, quais exigem validação humana e como monitorar ou interromper atividades inesperadas, especialmente quando envolvem sistemas e processos críticos”, explica Oliveira.
