Kontroller shadow AI: synlighet, policy og trygge alternativer

Hva er shadow AI, og hvorfor skiller det seg fra shadow IT?

Shadow IT er det lenge kjente fenomenet at medarbeidere bruker ikke-godkjente verktøy for å få jobben gjort. Personlige Dropbox-kontoer for fildeling, Slack-arbeidsområder utenfor bedriftsdomenet, nettleserutvidelser for produktivitet. Mønsteret er kjent, de fleste bedrifter har shadow IT-policy og -verktøy.

Shadow AI skiller seg på tre viktige punkter. Hastighet: nye AI-verktøy lanseres ukentlig. Raskere enn noen godkjenningsprosess kan følge med. Dataeksponering: de fleste AI-verktøy fungerer ved å sende data til modellen. Bruken av verktøyet er dataeksfiltreringen. Usynlighet: AI-bruk kan ofte ikke skilles fra normal nett-trafikk. Uten spesifikk deteksjon har IT ingen anelse om hvor bedriftsdata går.

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

De konkrete risikoene: hva som går galt hvis du ikke gjør noe

Risikoene er ikke teoretiske. Vi ser dem regelmessig i kundeprosjekter.

Konfidensielle data i offentlige modeller. Strategidokumenter limt inn i ChatGPT for å oppsummere. M&A-kontraktsutkast i Copilot for redigering. Kundedata i bildegeneratorer for markedsføringsmateriale. Når data først er i en offentlig modell, kan de praktisk talt ikke gjenopprettes.

Regulatorisk eksponering. GDPR-behandling av personopplysninger via en ikke-autorisert databehandler (den offentlige AI-leverandøren) er et meldepliktig brudd. Personvernmyndigheter har utstedt retningslinjer og har begynt å håndheve.

IP-tap. Kildekode i offentlige AI-verktøy kan dukke opp i andre brukeres prompts. Forretningshemmeligheter som avhenger av konfidensialitet, mister sin juridiske beskyttelse hvis de deles frivillig.

Kvalitet og nøyaktighet. AI-generert innhold som brukes uten gjennomgang i kundevendt kommunikasjon, introduserer hallusinasjoner i bedriftens stemme.

Hvorfor forbud ikke virker

Den naturlige ledelsesreaksjonen på en ny risiko er å forby den. Ved shadow AI feiler det forutsigbart av tre grunner.

For det første er AI-verktøy for verdifulle for individuell produktivitet. Medarbeidere som mister tilgang på jobben, bytter bare til personlige enheter. Arbeidet fortsetter, kun synligheten slutter.

For det andre er AI for allestedsnærværende til å forby rent. ChatGPT, Copilot og Gemini er integrert i tusenvis av produkter. Å forby "AI" uten å liste opp hvert verktøy er meningsløst, å liste opp hvert verktøy er endeløst arbeid.

For det tredje signaliserer forbud at IT ikke forstår det egentlige problemet. Medarbeideren som bruker ChatGPT til å skrive en kunde-e-post, løser et reelt problem. Å si nei til ham uten å tilby et ja undergraver IT-ets troverdighet på alt annet.

Firetrinns-strategien: synlighet, policy, trygge alternativer, overvåking

Trinn 1: synlighet. Oppdag hvilke AI-verktøy som brukes av hvem. CASB og SASE-inspeksjon identifiserer trafikken, bruksanalyser viser mønstrene. Uten denne baselinen er hvert etterfølgende trinn gjetning.

Trinn 2: policy. Med synlighet skriver du policy som matcher virkeligheten. Noen verktøy blokkeres (med dårlig datahåndtering), noen tillates med begrensninger (ingen personopplysninger, ingen IP), noen godkjennes (bedriftskonfigurert Copilot, Enterprise Claude). Policyrammen reflekterer tre kategorier, ikke et binært ja eller nei.

Trinn 3: trygge alternativer. Der medarbeidere har legitime AI-behov, så tilby bedriftsversjonen. Corporate Copilot for produktivitet, Enterprise ChatGPT for innholdsutkast, intern AI for sensitive data. Prinsippet: gjør den trygge veien lettere enn den utrygge veien.

Trinn 4: kontinuerlig overvåking. AI-verktøy endrer seg ukentlig. Nye lanseres, eksisterende endrer datahåndtering, vilkår skifter. Kontinuerlig overvåking fanger driften, kvartalsvise policyoppdateringer holder rammen aktuell.

Hvordan Cato AI Security håndterer shadow AI teknisk

Cato AI Security, lansert i mars 2026 som det første SASE-native AI-sikkerhetsmodulet, implementerer firetrinns-strategien i teknisk form.

Deteksjon bruker Cato CTRL threat intelligence-laget beriket med AI-verktøysignaturer. Identifikasjonen skjer ved trafikkinspeksjon, uavhengig av brukerens bevissthet.

Policyhåndheving skjer inline. SASE single-pass-motoren vurderer hver AI-verktøysinteraksjon mot policyen: tillat, tillat med redigering (DLP fjerner sensitivt innhold før det når modellen), tillat kun med logging eller blokker.

Omdirigering til trygge alternativer er policydrevet: forespørsler til offentlig ChatGPT kan omdirigeres med en melding om å bruke Corporate Copilot. Friksjonen forblir lav, opplæringen skjer i kontekst.

Kontinuerlig overvåking bruker atferdsanalyse: anomale mønstre (plutselig økning i AI-bruk fra én bruker, store data-opplastinger til AI-verktøy, mønstre utenfor arbeidstid) genererer varsler.

GDPR, NIS2 og personvernmyndighetene

Shadow AI ligger i krysningspunktet mellom to regulatoriske rammer. GDPR regulerer behandling av personopplysninger, NIS2 regulerer cybersikkerhetsforpliktelser. Begge blir i økende grad eksplisitte om bruk av AI-verktøy.

For norske bedrifter har Datatilsynet utstedt retningslinjer som sier at medarbeidere som limer personopplysninger inn i offentlige AI-verktøy, utgjør uautorisert databehandling. Samme logikk gjelder under NIS2 for bedrifter innen anvendelsesområdet: shadow AI er et hull i tilgangskontrollen. Revisoren forventer bevis for deteksjon, policyhåndheving og audit trails.

Vi pakker det bredere samsvarsbildet ut i artikkelen vår om NIS2-samsvar.

Momentum EMEA som shadow AI-governancepartner

Tekniske kapasiteter er nødvendige, men ikke tilstrekkelige. Det vanskeligere arbeidet er policyrammen: kategorisere verktøy, definere akseptabel bruk, kommunisere med medarbeiderne. Som EMEAs ledende spesialiserte Cato-implementeringspartner leverer Momentum EMEA begge: Cato AI Security-plattformen som håndhever, og en governanceramme som formulerer policyen i et språk medarbeiderne forstår.