Styr shadow AI: synlighed, politik og sikre alternativer

Hvad er shadow AI, og hvorfor adskiller det sig fra shadow IT?

Shadow IT er det længe kendte fænomen, hvor medarbejdere bruger ikke-godkendte værktøjer til at få deres arbejde gjort. Personlige Dropbox-konti til fildeling, Slack-arbejdsområder uden for virksomhedsdomænet, browserudvidelser til produktivitet. Mønsteret er velkendt, de fleste virksomheder har shadow IT-politikker og -værktøjer.

Shadow AI adskiller sig på tre vigtige punkter. Hastighed: nye AI-værktøjer lanceres ugentligt. Hurtigere end nogen godkendelsesproces kan følge med. Dataeksponering: de fleste AI-værktøjer fungerer ved at sende data til modellen. Brugen af værktøjet er dataeksfiltreringen. Usynlighed: AI-brug kan ofte ikke skelnes fra normal webtrafik. Uden specifik detektion har IT ingen anelse om, hvor virksomhedsdata går hen.

Resultatet er en risikokategori, som traditionelle shadow IT-kontroller ikke adresserer.

De konkrete risici: hvad der går galt, hvis du ikke gør noget

Risiciene er ikke teoretiske. Vi ser dem regelmæssigt i kundeprojekter.

Fortrolige data i offentlige modeller. Strategidokumenter indsat i ChatGPT for at opsummere. M&A-kontraktudkast i Copilot til redigering. Kundedata i billedgeneratorer til marketingmateriale. Når data først er i en offentlig model, kan de praktisk talt ikke gendannes.

Regulatorisk eksponering. GDPR-behandling af personoplysninger via en ikke-autoriseret databehandler (den offentlige AI-leverandør) er en indberetningspligtig overtrædelse. Databeskyttelsesmyndigheder har udsendt retningslinjer og er begyndt at håndhæve.

IP-tab. Kildekode i offentlige AI-værktøjer kan dukke op i andre brugeres prompts. Forretningshemmeligheder der afhænger af fortrolighed, mister deres juridiske beskyttelse, hvis de deles frivilligt.

Kvalitet og nøjagtighed. AI-genereret indhold der bruges uden gennemgang i kundevendt kommunikation, introducerer hallucinationer i virksomhedens stemme.

Hvorfor forbud ikke virker

Den naturlige ledelsesreaktion på en ny risiko er at forbyde den. Ved shadow AI fejler det forudsigeligt af tre grunde.

For det første er AI-værktøjer for værdifulde for individuel produktivitet. Medarbejdere der mister adgangen på arbejdet, skifter blot til personlige enheder. Arbejdet fortsætter, kun synligheden slutter.

For det andet er AI for allestedsnærværende til at forbyde rent. ChatGPT, Copilot og Gemini er integreret i tusindvis af produkter. At forbyde "AI" uden at opregne hvert værktøj er meningsløst, at opregne hvert værktøj er endeløst arbejde.

For det tredje signalerer forbud, at IT ikke forstår det egentlige problem. Medarbejderen der bruger ChatGPT til at skrive en kunde-e-mail, løser et reelt problem. At sige nej til ham uden at tilbyde et ja undergraver IT's troværdighed på alt andet.

Firetrinsstrategien: synlighed, politik, sikre alternativer, overvågning

Trin 1: synlighed. Opdag hvilke AI-værktøjer der bruges af hvem. CASB og SASE-inspektion identificerer trafikken, brugsanalyser viser mønstrene. Uden denne baseline er hvert efterfølgende trin gætværk.

Trin 2: politik. Med synlighed skriver du politikker der matcher virkeligheden. Nogle værktøjer blokeres (med dårlig datahåndtering), nogle tillades med begrænsninger (ingen personoplysninger, ingen IP), nogle godkendes (virksomhedskonfigureret Copilot, Enterprise Claude). Politikrammen afspejler tre kategorier, ikke et binært ja eller nej.

Trin 3: sikre alternativer. Hvor medarbejdere har legitime AI-behov, så tilbyd virksomhedsversionen. Corporate Copilot til produktivitet, Enterprise ChatGPT til indholdsudkast, intern AI til følsomme data. Princippet: gør den sikre vej lettere end den usikre vej.

Trin 4: kontinuerlig overvågning. AI-værktøjer ændrer sig ugentligt. Nye lanceres, eksisterende ændrer datahåndtering, vilkår skifter. Kontinuerlig overvågning fanger driften op, kvartalsvise politikopdateringer holder rammen aktuel.

Hvordan Cato AI Security håndterer shadow AI teknisk

Cato AI Security, lanceret i marts 2026 som det første SASE-native AI-sikkerhedsmodul, implementerer firetrinsstrategien i teknisk form.

Detektion bruger Cato CTRL threat intelligence-laget beriget med AI-værktøjssignaturer. Identifikationen sker ved trafikinspektion, uafhængigt af brugerens bevidsthed.

Politikhåndhævelse sker inline. SASE single-pass-motoren vurderer hver AI-værktøjsinteraktion mod politikken: tillad, tillad med redigering (DLP fjerner følsomt indhold før det når modellen), tillad kun med logging eller bloker.

Omdirigering til sikre alternativer er politikdrevet: anmodninger til offentlig ChatGPT kan omdirigeres med en besked om at bruge Corporate Copilot. Friktionen forbliver lav, uddannelsen sker i kontekst.

Kontinuerlig overvågning bruger adfærdsanalyse: anomale mønstre (pludselig stigning i AI-brug fra én bruger, store data-uploads til AI-værktøjer, mønstre uden for arbejdstid) genererer advarsler.

GDPR, NIS2 og databeskyttelsesmyndighederne

Shadow AI ligger i krydsfeltet mellem to regulatoriske rammer. GDPR regulerer behandling af personoplysninger, NIS2 regulerer cybersikkerhedsforpligtelser. Begge bliver i stigende grad eksplicitte omkring brug af AI-værktøjer.

For danske virksomheder har Datatilsynet udsendt retningslinjer der siger, at medarbejdere der indsætter personoplysninger i offentlige AI-værktøjer, udgør uautoriseret databehandling. Samme logik gælder under NIS2 for virksomheder inden for anvendelsesområdet: shadow AI er et hul i adgangskontrollen. Revisoren forventer beviser for detektion, politikhåndhævelse og audit trails.

Vi pakker det bredere overholdelsesbillede ud i vores artikel om NIS2-overholdelse.

Momentum EMEA som shadow AI-governancepartner

Tekniske kapaciteter er nødvendige, men ikke tilstrækkelige. Det sværere arbejde er politikrammen: kategorisere værktøjer, definere acceptabel brug, kommunikere med medarbejderne. Som EMEAs ledende specialiserede Cato-implementeringspartner leverer Momentum EMEA begge dele: Cato AI Security-platformen der håndhæver, og en governanceramme der formulerer politikken i et sprog medarbejderne forstår.