Shadow AI y la seguridad del navegador: cómo proteger los datos cuando los empleados utilizan herramientas de IA

Su equipo de marketing acaba de descubrir que el 40 % de los empleados está pegando datos de clientes en herramientas de IA no autorizadas durante el horario laboral habitual, a través del mismo navegador que utilizan para las aplicaciones SaaS autorizadas. No hubo ningún tipo de malware de por medio. No se ha violado ningún perímetro de seguridad. Un analista copió una lista de clientes de Salesforce, la pegó en un chatbot público para generar ideas de segmentación, descargó el resultado y sincronizó el archivo con su almacenamiento personal en la nube. El navegador fue el espacio de trabajo, el punto de entrada y el canal de exfiltración, todo al mismo tiempo.

La «IA en la sombra» —el uso no autorizado de herramientas de IA sin visibilidad ni control por parte del departamento de TI— se ha convertido en uno de los problemas más urgentes en materia de seguridad de los datos a los que puede enfrentarse un CISO, y es en el navegador donde tiene lugar.

El escenario de la «IA en la sombra» que todo CISO debería temer

A continuación se describe cómo es un incidente típico relacionado con la «IA en la sombra» y por qué resulta tan difícil detectarlo con los controles tradicionales.

Un gestor de producto de una empresa de tecnología financiera de tamaño medio copia los datos de las reclamaciones de los clientes del CRM de la empresa, abre una nueva pestaña del navegador y los pega en un chatbot con IA de versión gratuita para elaborar un análisis de tendencias de cara a la revisión trimestral. Las condiciones de uso del chatbot permiten al proveedor utilizar los datos introducidos para el entrenamiento del modelo. Los datos incluyen nombres, números de cuenta y detalles de las transacciones. El responsable de producto descarga el resumen generado por la IA, lo envía por correo electrónico a tres compañeros y guarda una copia en una carpeta personal de Google Drive.

No se activó ningún cortafuegos. Ningún agente de punto final detectó el contenido pegado. La política de DLP que supervisa los archivos adjuntos de los correos electrónicos no inspecciona las acciones del portapapeles realizadas a través del navegador. El CASB detecta la sincronización con Google Drive, pero no tiene visibilidad sobre lo que se pegó en la pestaña del chatbot diez minutos antes.

Esto no es una hipótesis. El informe de Menlo Security de 2025 reveló que en un solo mes se registraron 155 005 intentos de copiar y 313 120 de pegar en herramientas de IA generativa, lo que demuestra cómo los empleados transfieren habitualmente datos confidenciales a herramientas de IA a través del portapapeles del navegador. Una encuesta de Gartner realizada entre marzo y mayo de 2025 a 302 responsables de ciberseguridad reveló que el 69 % de las organizaciones sospechan o tienen pruebas de que sus empleados están utilizando herramientas públicas de IA generativa (GenAI) prohibidas.

El navegador es por donde salen los datos, lo que lo convierte en el lugar en el que debe ejercer el control.

Por qué los enfoques de seguridad más antiguos fracasan frente a la IA en la sombra

Las arquitecturas de seguridad tradicionales se diseñaron para proteger los datos en reposo en las bases de datos, los datos en tránsito entre servidores y los datos a los que se accede a través de terminales gestionados. Shadow AI rompe con todas y cada una de esas premisas.

El filtrado web basado en el perímetro detecta dominios, no datos. Una secure web gateway tradicional secure web gateway bloquear chat.openai.com por categoría de URL, pero los empleados simplemente cambian a uno de los más de 6.500 dominios de GenAI y 3.000 aplicaciones detectadas en entornos empresariales (Menlo Security, 2025). Bloquear un dominio es como jugar al «golpea al topo». Bloquearlos todos merma la productividad y empuja a los usuarios a utilizar sus dispositivos personales.

El DLP de terminal supervisa los archivos, no las acciones del portapapeles. Cuando un ingeniero de ventas copia una hoja de cálculo del proceso de ventas desde un CRM autorizado y pega el contenido en una herramienta de IA basada en navegador, el DLP de terminal —que supervisa el guardado de archivos, las escrituras en dispositivos USB y los archivos adjuntos de correo electrónico— no detecta nada, ya que no se ha creado ningún archivo. Los datos salieron a través de un campo de texto del navegador, un vector que la mayoría de los agentes DLP heredados no inspeccionan.

Un CASB sin cobertura de proxy en línea presenta puntos ciegos. Un CASB basado en API puede auditar la actividad en aplicaciones SaaS autorizadas, como Salesforce o Microsoft 365, pero no tiene visibilidad sobre un chatbot de nivel gratuito al que el empleado accede a través de una pestaña del navegador. Sin un proxy de reenvío ni inspección en línea, la sesión de IA «en la sombra» resulta invisible.

Los enfoques basados exclusivamente en la formación dan lugar a un «teatro del cumplimiento». Las organizaciones que dependen únicamente de la formación en materia de concienciación, los correos electrónicos de advertencia o las políticas escritas fracasan sistemáticamente a la hora de prevenir las fugas de datos, ya que no existe una aplicación técnica que respalde dicha política. Los datos sobre incidentes de seguridad de IBM correspondientes a 2025 confirman esta carencia: el 97 % de las organizaciones que notificaron un incidente relacionado con la IA carecían de controles de acceso adecuados para la IA.

El denominador común: todos los enfoques fallidos carecen de visibilidad en tiempo real, a nivel del navegador, sobre los datos que los empleados envían a las herramientas de IA.

Qué ha cambiado: el navegador se ha convertido en el espacio de trabajo de la empresa

Tres cambios se han combinado para convertir al navegador en el nuevo frente de la protección de datos.

Cambio 1: Las herramientas de IA son nativas del navegador. ChatGPT, Claude, Gemini y docenas de herramientas de IA especializadas se ejecutan íntegramente en el navegador. A diferencia de las aplicaciones SaaS tradicionales, que requieren integración y configuración de SSO, la mayoría de los chatbots de IA solo exigen registrarse con una dirección de correo electrónico gratuita —o ni siquiera una cuenta—. Un analista de RR. HH. puede pegar las evaluaciones de rendimiento de los empleados en un chatbot y recibir un resumen en cuestión de segundos, todo ello dentro de una sesión estándar de Chrome en un ordenador portátil gestionado.

Cambio 2: El movimiento de datos se realiza mediante «copiar y pegar», no mediante la transferencia de archivos. Según la encuesta «Shadow AI Survey» de IBM (febrero de 2026), el 80 % de los trabajadores de oficina estadounidenses utilizan la IA en sus funciones, pero solo el 22 % recurre exclusivamente a las herramientas proporcionadas por la empresa. El resto utiliza cuentas personales, servicios gratuitos y extensiones de navegador. Los datos se transfieren mediante operaciones del portapapeles —copiar, pegar, arrastrar y soltar— que eluden por completo los sistemas de prevención de pérdida de datos (DLP) centrados en los archivos.

Turno 3: Los dispositivos no gestionados y el acceso de los contratistas aumentan el riesgo. Un contratista que acceda a Salesforce a través de un proxy inverso desde un ordenador portátil personal puede copiar registros de clientes, abrir una nueva pestaña en una herramienta de IA pública y pegar los datos, todo ello en una sola sesión del navegador. No existe ningún agente en el terminal que permita inspeccionar, ningún perfil de MDM que se pueda aplicar ni ningún control a nivel de red si se conectan a una red Wi-Fi doméstica. La propia sesión del navegador es el único punto de control que se aplica, independientemente del estado del dispositivo.

Lo que indican los marcos normativos: el NIST y la OWASP sobre los riesgos relacionados con los datos en la IA generativa

Los dos marcos de referencia para este tema —el NIST AI 600 1 y el Top 10 de OWASP para los modelos de lenguaje grande (LLM)— identifican la exposición de datos a través de las interacciones con la IA generativa como un riesgo crítico que exige controles técnicos, y no solo procedimentales.

Publicado el 26 de julio de 2024, el perfil de IA generativa NIST AI 600 1 identifica 12 riesgos propios de la IA generativa o agravados por ella, y ofrece más de 200 medidas recomendadas para la gestión de riesgos. Entre ellas, la privacidad de los datos figura como un riesgo específico: el uso y el entrenamiento de los sistemas de IA generativa pueden dar lugar a fugas, al uso no autorizado o a la desanonimización de los datos personales. La función «Gobernar» del perfil —considerada fundamental— exige a las organizaciones que establezcan políticas y directrices claras para el desarrollo y la implantación de la IA generativa, garantizando un uso ético y responsable. Para los equipos de seguridad, esto significa que la política debe ir acompañada de controles técnicos que la hagan cumplir, especialmente en el punto en el que los empleados interactúan con la IA generativa: el navegador.

En lo que respecta a la seguridad de las aplicaciones, el «OWASP Top 10 para los LLM (2025)» clasifica la divulgación de información sensible (LLM02:2025) como un riesgo crítico, señalando que la información sensible incluye datos de carácter personal (PII), datos financieros, historiales médicos, datos empresariales confidenciales, credenciales de seguridad y documentos legales. Este riesgo es bidireccional: los datos fluyen hacia el LLM cuando los empleados pegan contenido, y pueden salir del mismo si el modelo ha memorizado datos de entrenamiento o si un sistema RAG recupera registros no autorizados. Los LLM, especialmente cuando están integrados en aplicaciones, corren el riesgo de exponer datos sensibles, algoritmos propios o detalles confidenciales a través de sus resultados, lo que puede dar lugar a accesos no autorizados a los datos, violaciones de la privacidad e infracciones de la propiedad intelectual.

De forma conjunta, el NIST y la OWASP sostienen que las organizaciones no pueden considerar la exposición de datos de la IA generativa como un problema que se limite únicamente a las políticas. El navegador, donde los empleados interactúan con estas herramientas, es el lugar en el que deben aplicarse los controles técnicos para cumplir con ambos marcos normativos.

Lo que deben hacer ahora los equipos de seguridad: controles a nivel del navegador para la IA en la sombra

Para hacer frente a la «IA en la sombra» se requieren controles por niveles que se apliquen a nivel del navegador, que es donde los datos salen realmente de la organización. A continuación se presenta un enfoque por fases basado en lo que realmente funciona.

Fase 1: Identificación y clasificación de los usos de la IA (semanas 1-2)

Antes de aplicar una política, es necesario disponer de visibilidad. Implemente una secure web gateway categorización de URL basada en inteligencia artificial para identificar todos los dominios de GenAI a los que acceden los empleados. Correlacione los registros de la pasarela web segura con la detección de «TI en la sombra» del CASB para crear un inventario: qué herramientas de IA se están utilizando, quién las utiliza, con qué frecuencia y desde qué tipos de dispositivos.

Un caso práctico: el equipo de seguridad de una entidad pagadora del sector sanitario descubre que 12 herramientas de inteligencia artificial no autorizadas están recibiendo datos del portapapeles de los coordinadores clínicos, que resumen las notas de los casos de los pacientes para agilizar la documentación del triaje. Sin la capacidad de detección a nivel de SWG, esta actividad pasaba desapercibida, ya que las herramientas funcionan a través del navegador y no requieren la instalación de ningún software.

Fase 2: Aplicación de la política de prevención de pérdida de datos (DLP) en línea en el navegador (semanas 3-4)

Una vez que sepa qué herramientas de IA se están utilizando, aplique data loss prevention que inspeccionen el contenido en el punto de interacción, antes de que los datos lleguen al servicio de IA. El sistema DLP integrado, implementado a través de una plataforma SWG o SSE en la nube, puede inspeccionar las operaciones de pegado, el envío de campos de formulario y las subidas de archivos a direcciones URL de GenAI. Las medidas de las políticas deben ser graduales:

Bloquee la carga de datos sujetos a regulación (PII, PHI, PCI) en cualquier herramienta de IA.

A los usuarios de Coach que intenten pegar código fuente o documentos internos se les mostrará una ventana emergente en tiempo real en la que se les explicará el riesgo y se les ofrecerá una alternativa autorizada.

Permita las consultas generales que no contengan contenido sensible.

Ejemplo: un ingeniero de una empresa de logística pega un albarán de envío con las direcciones de los clientes en una herramienta de resumen basada en IA. El sistema DLP integrado detecta el patrón de datos de carácter personal, bloquea la operación de pegado y muestra una notificación: «Este contenido incluye direcciones de clientes. Utilice en su lugar el espacio de trabajo de IA corporativo autorizado». Se redirige al ingeniero, sin sancionarlo, y los datos nunca salen de la organización.

Fase 3: Aislar las sesiones de IA de alto riesgo (semanas 4 a 6)

En el caso de las herramientas de IA que no pueden bloquearse por completo —dado que las unidades de negocio dependen de ellas—remote browser isolation ejecuta la sesión en un contenedor alojado en la nube. El empleado ve e interactúa con la herramienta de IA con total normalidad, pero las operaciones del portapapeles, las descargas y las subidas de archivos pueden controlarse de forma muy detallada. El aislamiento remoto del navegador (RBI) permite adoptar una postura de «lectura sin fugas»: los empleados pueden consultar el contenido generado por la IA sin poder pegar datos confidenciales en la herramienta ni descargar los resultados de la IA en dispositivos finales no gestionados.

Imaginemos un equipo de fusiones y adquisiciones de una empresa de servicios financieros que necesita utilizar una herramienta de investigación basada en inteligencia artificial para resumir documentos públicos. RBI les permite utilizar la herramienta libremente, al tiempo que impide pegar términos internos de las operaciones o descargar resúmenes generados por la IA que contengan análisis confidenciales. Una vez finalizada la sesión, el contenedor se destruye y no queda ningún dato en el terminal.

Fase 4: Gobernanza e iteración (en curso)

Cree un comité de gobernanza de la IA que revise mensualmente los datos de telemetría de SWG y DLP. Realice un seguimiento de las nuevas herramientas de IA que surjan, de las infracciones de las políticas que se produzcan con mayor frecuencia y de si las alternativas aprobadas satisfacen las necesidades de los usuarios. Adapte las políticas a medida que evolucione el panorama, ya que el número de servicios de IA generativa está aumentando, no disminuyendo.

La urgencia: por qué esperar aumenta el riesgo de forma exponencial

Cada mes de retraso agrava el riesgo de tres maneras.

Aspectos financieros: Las brechas de seguridad relacionadas con la IA en la sombra han comprometido de forma desproporcionada la información de identificación personal (PII) de los clientes, con un 65 % frente al 53 % de la media mundial (IBM, 2025), lo que ha provocado un aumento de los costes por registro y de las sanciones normativas. Cuando los datos que se filtran son precisamente aquellos que más preocupan a los reguladores, el riesgo financiero se agrava mucho más allá de la respuesta inicial al incidente.

Aspectos normativos: Tanto el RGPD como la CCPA y la HIPAA exigen a las organizaciones que mantengan el control sobre el tratamiento de los datos personales. Cuando un empleado introduce historiales de pacientes en una herramienta de IA no verificada alojada en una jurisdicción que carece de un acuerdo de adecuación, la organización es la responsable del tratamiento y asume la responsabilidad. La Ley de IA de la UE añade nuevas obligaciones en materia de transparencia y evaluación de riesgos para el uso de la IA generativa que, por definición, la IA de fondo no puede cumplir.

Aspectos operativos: Un informe de Menlo Security ha documentado un aumento del 68 % en el uso de la IA generativa «en la sombra» en las empresas en tan solo un año. Las organizaciones que pospongan hoy la implantación de controles a nivel de navegador se enfrentarán a una presencia de la IA «en la sombra» mayor y más arraigada cuando, con el tiempo, su aplicación resulte inevitable; y volver a formar a decenas de miles de empleados que han integrado la IA en sus flujos de trabajo diarios resulta mucho más difícil que orientar su comportamiento desde el principio.

La plataforma Skyhigh Security unifica SWG, CASB, DLP, RBI y ZTNA bajo un único motor de políticas, lo que permite detectar la IA «en la sombra», aplicar la protección de datos a nivel del navegador y gestionar el uso de la IA en dispositivos gestionados y no gestionados desde una única consola. Esa integración es fundamental, ya que los riesgos de seguridad derivados de los copilotos y las herramientas de IA abarcan múltiples puntos de aplicación, y los controles fragmentados dejan lagunas que los empleados —ya sea de forma inocente o no— acabarán por encontrar.