De viktigaste slutsatserna
- Shadow AI är redan utbrett. Medarbetare börjar använda AI-verktyg snabbare än många organisationer hinner granska och formellt godkänna dem.
- Det uppstår på två olika sätt. Personuppgifter kan delas via ett privat AI-konto, eller så kan ett AI-verktyg få direkt åtkomst till företagets system. De två situationerna kräver olika lösningar.
- Vilka data som ligger till grund för verktygen spelar roll. Om Microsoft 365 innehåller onödiga eller föråldrade personuppgifter kan AI göra dem betydligt lättare att hitta.
- En AI-policy är användbar, men räcker inte. Organisationer behöver också insyn i vilka verktyg medarbetarna använder och vilka data verktygen har åtkomst till.
- Att rensa upp i data innan AI-användningen byggs ut minskar risken från början.
- Prioritering är viktigt. Compliance-teamet behöver kunna fokusera på verkligt känsliga uppgifter utan att drunkna i falska positiva träffar.
Vad är Shadow AI?
Shadow AI är användning av AI-verktyg, applikationer eller plugins för arbetsrelaterade uppgifter utan formellt godkännande eller kontroll från IT-, säkerhets- eller compliance-team.
I praktiken kan det vara så enkelt som en medarbetare som klistrar in ett kundmejl i ChatGPT för att skriva ett svar, en chef som laddar upp mötesanteckningar med HR-uppgifter till ett transkriberingsverktyg, eller en utvecklare som kopplar en AI-kodassistent till ett repository.
Överlag kan risken delas in i två kategorier, och det är värt att hålla dem åtskilda.
Den första är data som delas via privata AI-konton: en medarbetare kopierar, klistrar in eller laddar upp ett dokument, ett e-postmeddelande eller en datamängd till ett privat ChatGPT-, Gemini- eller Claude-konto. Organisationen har ingen kontroll över kontot, så när data väl har delats har organisationen inte längre något grepp om dem.
Den andra är åtkomst som ges direkt till AI-verktyg. Här får ett AI-verktyg eller en plugin löpande åtkomst till Microsoft 365, antingen genom att en medarbetare ger den åtkomst eller via en app som redan är kopplad till Microsoft 365. Det sker sällan mer än manuell copy-paste, men det skapar en permanent koppling som fortsätter att fungera utan att medarbetaren behöver göra något mer.
De flesta samtal om Shadow AI handlar om det första scenariot, eftersom det är det som medarbetarna möter i vardagen. Det andra förtjänar också uppmärksamhet, eftersom det inte beror på att någon kommer ihåg att vara försiktig vid varje enskild tillfälle.
De flesta medarbetare försöker inte medvetet kringgå säkerhetsreglerna. De har bara hittat ett verktyg som hjälper dem att arbeta snabbare. Problemet är att organisationen kanske inte har insyn i hur verktyget hanterar data, vilka behörigheter det har eller vilka uppgifter som delas med det.
Resultatet är en klyfta mellan vad organisationen tror sig ha kontroll över och vad som faktiskt händer med dess data. Personuppgifter behandlas på platser utanför organisationens kontroll, och det är just där det blir svårt att uppfylla GDPR-kraven.
Shadow AI vs. Shadow IT
Shadow AI är nära besläktat med Shadow IT, men de två begreppen är inte helt desamma.
Shadow IT avser programvara eller hårdvara som används utan godkännande, till exempel ett privat Dropbox-konto, en icke godkänd fildelningsplattform eller ett webbläsartillägg som IT inte har granskat.
Shadow AI lägger till ytterligare ett risklager, eftersom AI-verktyg inte bara lagrar information. Beroende på verktyget och de behörigheter det har kan det läsa dokument, sammanfatta konversationer, generera innehåll utifrån interna uppgifter eller interagera med anslutna system.
En bortglömd mapp i ett icke godkänt molnkonto är en risk i sig. Ett AI-verktyg med den typ av direkt och varaktig åtkomst som beskrivs ovan kan gå längre. När det väl är anslutet kan det söka efter och lyfta fram uppgifter som medarbetarna kanske inte ens minns att de finns, utan att någon behöver dela dem manuellt varje gång.
Bortglömda data har tidigare inneburit en relativt låg risk, just eftersom ingen letade efter dem. Det skyddet försvinner när ett AI-verktyg får den här typen av åtkomst. Det är precis därför de tekniska kontrollerna längre ned i artikeln är viktiga.
Varför innebär Shadow AI en GDPR-risk?
GDPR behandlar inte Shadow AI som en särskild juridisk kategori. Men Shadow AI gör befintliga dataskyddsproblem svårare att bortse från.
De flesta organisationer har under åren byggt upp stora mängder information i Exchange, SharePoint, Teams och OneDrive. Allt behöver inte längre finnas kvar.
Gamla CV:n, kunddata, skannade ID-handlingar, HR-dokument, supportärenden eller kalkylblad kan ligga kvar långt efter att deras syfte har upphört. Innan AI blev utbrett kunde mycket av den informationen ligga undanstoppad i åratal. AI ändrar på det, eftersom stora datamängder blir betydligt lättare att söka i, sammanfatta och använda när de väl är tillgängliga via ett verktyg.
Vilka GDPR-principer berörs?
Flera GDPR-principer blir särskilt relevanta när AI-verktyg interagerar med personuppgifter som inte hanteras på ett korrekt sätt.
Uppgiftsminimering – artikel 5.1 c Organisationer bör bara lagra personuppgifter som är nödvändiga för det avsedda ändamålet. Om onödig information ligger kvar i Microsoft 365 kan AI-verktyg lyfta fram den tillsammans med den information som medarbetarna faktiskt behöver.
Lagringsminimering – artikel 5.1 e Personuppgifter bör inte lagras längre än nödvändigt. Om organisationens gallringsregler inte syns i de data som faktiskt ligger i systemen kan AI söka i information flera år tillbaka som redan borde ha raderats.
Integritet och konfidentialitet – artikel 32 Personuppgifter ska skyddas med lämpliga tekniska och organisatoriska åtgärder. Ett icke godkänt AI-verktyg med åtkomst till företagets information skapar ytterligare en kanal där data kan behandlas eller delas.
Ansvarsskyldighet – artikel 5.2 Organisationer ska veta vilka personuppgifter de har och hur de behandlas. Icke godkänd AI-användning gör det svårare, eftersom en del av behandlingen kan ske utanför de etablerade kontrollerna.
Gemensamt för alla fyra principer är kunskap: ni kan inte minimera, lagra på rätt sätt, skydda eller visa ansvarsskyldighet för data som ni inte har identifierat.
Var uppstår Shadow AI i Microsoft 365?
Shadow AI ser sällan dramatiskt ut. I de flesta fall ser det ut som helt vanligt dagligt arbete: en medarbetare som försöker lösa en uppgift snabbare med hjälp av ett verktyg som inte har gått igenom organisationens normala godkännandeprocess.
Typiska exempel är:
- Kopiering av uppgifter till offentligt tillgängliga AI-verktyg. En medarbetare klistrar in ett kundmejl, ett HR-dokument eller ett avtal i ChatGPT eller ett annat AI-verktyg för att få en sammanfattning eller skriva ett svar.
- Användning av privata AI-konton för jobbet. Medarbetare använder sina egna ChatGPT-, Gemini- eller Claude-konton i stället för en lösning som administreras av företaget, vilket ger organisationen begränsad insyn i vilka uppgifter som delas.
- Installation av AI-webbläsartillägg eller plugins. Mötesassistenter, skrivverktyg och AI-sidofält kan begära åtkomst till e-post, dokument eller webbläsarinnehåll utan att genomgå en formell säkerhetsbedömning.
- Utrullningen av Microsoft Copilot har skett innan befintliga data har granskats. Copilot kan vara godkänt och centralt administrerat, men kan ändå lyfta fram uppgifter som medarbetarna redan har åtkomst till, inklusive data som kanske inte längre borde finnas kvar.
- Koppling av AI-verktyg till utvecklingsmiljöer. Repositories, loggar, testmiljöer och supportärenden kan innehålla personuppgifter som blir tillgängliga för AI-kodassistenter eller automatiseringsverktyg.
Ingen av dessa situationer uppstår nödvändigtvis av dåliga avsikter. Det gemensamma problemet är oftast bristande insyn i vilka verktyg som används och vilken data de har åtkomst till.
Hur utbrett är Shadow AI?
Microsoft och LinkedIns Work Trend Index visade att 78 % av dem som använde AI på jobbet tog med sina egna AI-verktyg i stället för att bara använda teknik som arbetsgivaren tillhandahåller.
Siffrorna hjälper till att förklara varför Shadow AI är svårt att hantera enbart med policyer. Medarbetare har redan hittat användbara sätt att använda verktygen. Utmaningen för organisationer är därför att möjliggöra användningen utan att förlora kontrollen över de uppgifter som behandlas.
Varför räcker det inte att förbjuda AI?
En AI-policy är en viktig utgångspunkt, men den löser sällan problemet med att be medarbetare att avstå från att använda icke godkända verktyg.
Människor använder AI eftersom det sparar tid. Det hjälper dem att sammanfatta dokument, skriva innehåll, analysera information och automatisera upprepade uppgifter.
Om behovet kvarstår kan blockering av ett verktyg bara få medarbetarna att byta till ett annat. Den verkliga utmaningen är att stödja användningen av AI utan att förlora kontrollen över de uppgifter som behandlas.
Därför behöver man se bortom vilka AI-applikationer som är tillåtna och undersöka vilka data verktygen faktiskt kan få åtkomst till.
Om onödiga personuppgifter redan har tagits bort finns det mindre information att exponera, oavsett om verktyget är Copilot, ChatGPT eller nästa AI-applikation som medarbetarna börjar använda.
En modell för tryggare AI-åtkomst för medarbetare
Att förbjuda verktyg tar sällan bort det underliggande behovet. Ett mer hållbart tillvägagångssätt kombinerar vanligtvis fyra lager, där vart och ett täcker en olika del av gapet:
- Erbjud godkända verktyg som täcker behovet. Mycket Shadow AI uppstår eftersom det inte finns något bra, godkänt alternativ. Ett AI-verktyg för företag med ett ordentligt personuppgiftsbiträdesavtal, ingen träning på företagets data och tydliga regler för lagring tar bort mycket av skälet att klistra in dokument i privata konton.
- Ta fram tydliga och konkreta regler, och utbilda medarbetarna i dem. En kort policy med specifika exempel fungerar bättre än ett allmänt GDPR-stycke som ingen läser två gånger. "Klistra inte in kundtrådar i ditt privata ChatGPT-konto" är mer användbart än en bred princip.
- Stäng de tekniska kryphålen. Kräv administratörsgodkännande för tredjepartsappar och gå igenom tidigare behörigheter som beviljades enligt den tidigare policyn. Verktyg som Microsoft Defender for Cloud Apps och webbfiltrering kan identifiera eller blockera icke godkända AI-tjänster på hanterade enheter. Microsoft Purview kan upptäcka känsliga data som klistras in eller laddas upp till AI-webbplatser, och en Teams-mötesväntsal kan hindra AI-anteckningsverktyg från att ansluta sig utan att det märks.
- Begränsa själva datan. Det här lagret skyddar organisationen även när de andra tre misslyckas, även med ett godkänt verktyg som Copilot. Ta reda på var känsliga data finns, radera sådant som har passerat sin lagringstid, rätta till för breda delningsbehörigheter som "alla med länken" eller SharePoint-åtkomst för hela organisationen, och använd känslighetsetiketter som hindrar AI-verktyg från att behandla vissa typer av innehåll.
Godkända verktyg minskar behovet av att medarbetare delar data på andra ställen. Tekniska kontroller begränsar vad både godkända och icke godkända AI-verktyg kan få åtkomst till.
Uppgiftsminimering minskar mängden information som överhuvudtaget är tillgänglig, och det är det lager som fortfarande skyddar organisationen om de första kontrollerna inte håller. Vi går mer på djupet med vart och ett av områdena, med konkreta exempel, i en kommande artikel.
Så minskar ni risken med Shadow AI
Att hantera Shadow AI kräver policyer, åtkomstkontroll och medarbetarutbildning, men det bör också börja med själva datan.
Innan AI-användningen byggs ut behöver organisationen veta vilka personuppgifter som redan finns i Microsoft 365 och om allt fortfarande behöver finnas kvar.
1. Skaffa en överblick över vilka personuppgifter ni redan har
Första steget är överblick. Organisationer behöver veta vilka personuppgifter som finns i Exchange, OneDrive, SharePoint och Teams, inklusive uppgifter i dokument, skannade filer och bilder som vanliga nyckelordsökningar lätt missar.
2. Prioritera de mest riskfyllda uppgifterna
Inte alla personuppgifter medför samma risk. Ett namn i en e-postsignatur är något helt annat än ett skannat pass, ett personnummer eller ett medicinskt dokument.
Därför bör compliance- och IT-team prioritera de personuppgifter som utgör störst risk om de skulle röjas eller delas.
Utan den prioriteringen kan data discovery snabbt bli ännu en oöverskådlig lista över filer att gå igenom.
3. Involvera medarbetarna i uppröjningen
Den som skapade eller tog emot ett dokument har ofta sammanhang som en administratör saknar. Medarbetaren är oftast bättre lämpad att bedöma om en fil fortfarande behövs, om den är kopplad till en aktiv kund eller om den kan raderas på ett säkert sätt.
Om medarbetarna får ett enkelt sätt att gå igenom relevanta fynd blir uppröjningen mycket mer praktisk än att låta ett litet complianceteam fatta alla beslut centralt.
4. Gör dataupprensning till en löpande process
En engångsuppröjning räcker inte. Nya e-postmeddelanden, dokument och filer skapas varje dag, samtidigt som organisationer börjar använda nya AI-verktyg och bygger ut lösningar som Microsoft Copilot.
Regelbunden data discovery och granskning hjälper till att förhindra att samma problem uppstår igen.
Det är också principen bakom GDPR data discovery i Microsoft 365: organisationer behöver ha överblick över de personuppgifter de lagrar innan de kan hantera dem effektivt.
Checklista för AI-beredskap
Innan användningen av AI-verktyg som Microsoft Copilot byggs ut bör organisationen kunna besvara några grundläggande frågor:
- Vet ni vilka AI-verktyg medarbetarna redan använder?
- Vet medarbetarna vilka uppgifter de inte bör klistra in i offentligt tillgängliga AI-verktyg?
- Vet ni var känsliga personuppgifter finns i Microsoft 365?
- Har gamla eller onödiga personuppgifter setts över och tagits bort?
- Är åtkomstbehörigheterna i SharePoint, Teams och OneDrive fortfarande lämpliga?
- Kan IT och compliance identifiera högriskdata utan att manuellt gå igenom tusentals filer?
- Finns det en löpande process för att granska nya personuppgifter i takt med att de samlas in?
Dessa frågor ersätter inte ett bredare AI-styrningsprogram, men de ger en praktisk startpunkt.
Vanliga utmaningar med Shadow AI
"Vi har redan en AI-policy." Det är bra, men policyer och god datahygien löser olika problem. En policy beskriver hur medarbetarna förväntas använda AI, medan dataupprensning minskar mängden onödig information som verktygen potentiellt kan få åtkomst till. Organisationer behöver helst båda delarna.
"Det finns för mycket data. Vi vet inte var vi ska börja." Det är inte realistiskt att gå igenom varje fil manuellt. Ett mer praktiskt tillvägagångssätt är att börja med de kategorier som skulle skapa mest oro om de exponerades, till exempel personnummer, finansiella uppgifter, hälsodata, skannade identitetshandlingar och andra känsliga uppgifter.
"Medarbetarna kommer att se det som ännu en begränsning." Målet behöver inte vara att stoppa användningen av AI. En renare och bättre styrd datamiljö kan faktiskt göra det lättare för organisationen att godkänna och utöka användningen av användbara AI-verktyg.
"Ledningen ser inte Shadow AI som en prioritet." Shadow AI kan kännas abstrakt eftersom så mycket av aktiviteten sker utan att märkas. Det kan göra problemet mer konkret att koppla det till planerade AI-projekt. Om företaget till exempel vill rulla ut Microsoft Copilot blir frågan om vilka uppgifter Copilot kommer att kunna hitta och lyfta fram en praktisk del av genomförandet snarare än en teoretisk complianceövning.
Vanliga frågor om Shadow AI
Är Shadow AI olagligt enligt GDPR? Shadow AI nämns inte specifikt och är inte förbjudet i GDPR. Problemet är hur personuppgifter behandlas och om organisationen kan visa att den har lämplig säkerhet, uppgiftsminimering och ansvarsskyldighet när medarbetare använder AI-tjänster. Om personuppgifter skickas till icke godkända verktyg utan kontroll blir det svårare att uppfylla de skyldigheter som gäller.
Vad är skillnaden mellan Shadow AI och Shadow IT? Shadow IT avser i bred mening teknik som används utan formellt godkännande. Shadow AI är en del av samma problem, men AI-verktyg kan göra mer än bara lagra information. Beroende på funktioner och behörigheter kan de analysera, sammanfatta, generera innehåll utifrån eller agera på de data de tar emot.
Löser det problemet att blockera AI-verktyg? Inte fullständigt. Att blockera vissa applikationer kan vara en användbar kontroll, men organisationer behöver fortfarande veta vilka verktyg medarbetarna använder, varför de använder dem och vilka uppgifter de delar. Om onödiga personuppgifter minskas, begränsas också mängden information som kan exponeras om ett icke godkänt verktyg används.
Bör man städa upp i data innan Microsoft Copilot rullas ut? Där det är möjligt, ja. Copilot arbetar med de uppgifter som användarna redan har åtkomst till. En genomgång av onödiga personuppgifter och åtkomstbehörigheter före en bredare utrullning minskar därför mängden känslig eller föråldrad information som kan läcka.
Att bli redo för AI börjar med att känna sina data
Shadow AI får uppmärksamhet eftersom användningen av AI växer snabbt. Men under ytan ligger ett välkänt problem: organisationer har samlat på sig personuppgifter i åratal, och en del av dem har sedan länge förlorat sitt ursprungliga syfte.
Det som förändras är hur snabbt gamla data nu kan hittas och tas i bruk, oavsett hur de når ett AI-verktyg.
Det får en konkret konsekvens för planeringen: data governance och AI-utrullning kan inte längre behandlas som två separata projekt med var sin tidsplan.
Ett datum för Copilot-utrullning, en ny pluginbegäran eller en uppdatering av AI-policyn är samtidigt en deadline för att veta vilka personuppgifter som finns i systemen.
Genom att behandla de två områdena som sammanhängande undviker organisationen att uppröjningen permanent hamnar ett steg efter nästa verktyg som medarbetarna börjar använda.
Så passar Sheltr in
Sheltr Data Discovery hittar personuppgifter i Exchange, OneDrive, SharePoint, Exchange Archive och Teams, inklusive skannade dokument och bilder som vanliga nyckelordsökningar ofta missar.
Det ger medarbetarna ett enkelt sätt att gå igenom och ta bort uppgifter som inte längre bör finnas.
Sheltr skriver inte er AI-policy och fastställer inte era regler för samtycke. Det täcker lagret för uppgiftsminimering, och det lagret kan varken en policy eller en teknisk kontroll ersätta på egen hand. Se hur det fungerar.
.svg)
