Mitä varjossa oleva AI-luku piilottaa

Useimmat organisaatiot ovat jo ottaneet käyttöön AI-työkaluja, joita työnantaja ei ole koskaan hyväksynyt. Tästä ei pitäisi yllättää ketään. Työntekijät ovat aina hakeutuneet teknologioihin, jotka auttavat heitä työskentelemään tehokkaammin, riippumatta siitä, onko IT-tykistö virallisesti esitellyt ne. AI on vain nopeuttanut tätä käyttäytymistä.

AI:n omaksumisen nopeus on vain osa tarinaa. Paljastavampaa on, mitä se kertoo ympäristöistä, joissa omaksuminen tapahtuu. Työntekijöiden omien AI-työkalujen valinta on usein merkki siitä, että IT:llä ei ole kokonaiskuvaa siitä, miten työtä tehdään. Samat organisaatiot, jotka kamppailevat tunnistaakseen luvattoman AI:n käytön, saattavat myös kohdata hitaampaa päivitystä, epäyhtenäistä salausta tai laitteita, jotka eivät sovi vakiintuneisiin turvallisuuskäytäntöihin. Varjoliike AI ei luo näitä heikkouksia, mutta se voi tuoda ne tarkemmin esiin.

Oma State of Digital Workspace 2026 Report analysoi telemetriaa miljoonilta hallituilta laitteilta 17 eri toimialalla, välttäen rajoitteet, jotka syntyvät pyytämällä työntekijöitä muistamaan tai paljastamaan käyttämänsä työkalut. Se havaitsi, että AI‑avustajien käyttö kasvoi lähes 1 000 prosenttia vuonna 2025, mikä tekee siitä nopeimmin kasvavan sovellusluokan työpaikalla.

Luku kertoo, kuinka nopeasti työntekijöiden käyttäytyminen muuttuu. Se avaa myös vähemmän tutun tutkimuslinjan: osoittavatko organisaatiot, joilla on suuri altistus hyväksymättömille sovelluksille, heikkouksia vakiintuneemmilla laitehallinnan alueilla? Terveydenhuolto tarjoaa selkeimmän indikaation siitä, että näin saattaa olla. Tutkimuksessamme terveydenhuolto on yksi toimialoista, jotka ovat eniten alttiina noudattamisriskille luvattomien sovellusten vuoksi; ja raportissa muualla kirjataan myös jotkut hitaimmista päivityksistä ja korkeammat salaamattomien työasemien määrät.

Omaksuminen on vain osa kokonaiskuvaa

Sen, mitä AI‑työkaluja työntekijät käyttävät, ymmärtäminen on vain yksi palanen palapelistä. Paljastavampi kysymys on, miksi he valitsevat ne, koska nämä päätökset korostavat usein kuilua työpaikan IT:n luoman ympäristön ja työntekijöiden jokapäiväisen kokemuksen välillä.

Hyväksyttyjen ja hyväksymättömien AI‑työkalujen jakautuminen paljastaa enemmän, kun käyttö on vakiintunut. Microsoft Copilot on laajasti asennettu hallituilla mobiililaitteilla, joissa IT hallitsee käyttöönottoa, kiitos sen aseman Microsoft 365:ssä. Hallitsemattomassa ympäristössä ChatGPT johtaa merkittävällä marginaalilla. Se esiintyy 91 prosentissa luvattomista iOS‑laitteista ja 61 prosentissa luvattomista Android‑laitteista, kun taas Gemini kattaa suuren osan jäljelle jäävästä Android‑käytöstä.

Hyväksytyt ja itse valitut palvelut voivat helposti elää rinnakkain samassa työympäristössä. Työntekijöillä voi olla pääsy yrityksen AI‑palveluun, mutta he kääntyvät toisen työkalun puoleen, koska se on nopeampi, tutumpi tai paremmin soveltuva tiettyyn tehtävään. Heidän näkökulmastaan tämä on usein käytännöllisin ja nopein tapa saada työ tehtyä. IT‑ ja noudattamistiimeille tämä luo epävarmuutta siitä, mitkä sovellukset käsittelevät yritystietoa ja noudatetaanko olemassa olevia hallintapolitiikkoja.

Viestintäohjelmistojen malline on samanlainen. Kuluttajasovellukset muodostavat lähes puolet hallituilla työpöytäalustoilla asennetuista viestintätyökaluista, Teamsin, Zoomin ja Slackin ohella. Rahoituspalvelut ja terveydenhuolto, huolimatta tiukoista tallennusvelvoitteistaan, eivät ole poikkeuksia. Noudattamisongelma alkaa, kun organisaatio olettaa, että arkaluontoiset keskustelut pysyvät hyväksytyissä kanavissa. Politiikkakysymys, potilaskeskustelu tai sisäinen päätös, joka siirretään kuluttajasovellukseen, ei enää välttämättä ole säilytys-, valvonta- tai tutkintajärjestelmien hallussa. Kyseinen työntekijä ei välttämättä aio kiertää kontrollia, vaan käyttää kanavaa, jossa kollega vastaa nopeimmin.

Nämä mallit viittaavat laajempaan muutokseen työskentelytavoissa. Työntekijät siirtyvät yhä enemmän sovellusten, selainten ja AI‑palveluiden välillä, jotka eivät aina sovi perinteisiin hallintamalleihin. Haaste ei ole pelkästään toisen sovelluksen tunnistaminen. Kyse on selkeän käsityksen ylläpitämisestä siitä, miten työ tapahtuu koko ympäristössä, jotta hallinto pysyy työntekijöiden käyttäytymisen tahdissa.

AI:n omaksuminen ja laitteiston hygienia etenevät eri tahtiin

AI:n nopea omaksuminen on paljastanut toisen todellisuuden yritys‑IT:ssä: teknologia ei kehitty yhtä nopeasti koko organisaatiossa. Työntekijät voivat aloittaa AI‑palvelun käytön minuuteissa, ilman hankintaprosessia tai tukipyyntöä.

Laitteidenhallinnan aukon sulkeminen voi kestää kuukausia, erityisesti monipuolisissa ympäristöissä, joissa on yrityksen kannettavia, jaettuja laitteita, kestäviä laitteita ja työntekijöiden omia puhelimia. Telemetria osoittaa suurta vaihtelua päivitysnopeudessa. iOS‑laitteet saavuttavat uusimman version noin kahdeksan kertaa nopeammin kuin Android‑laitteet, kun taas macOS‑päivitykset tapahtuvat noin puolitoista kertaa nopeammin kuin Windows.

Salauskatto on myös epätasainen; 23 % pankkien työasemista on salaamattomia, ja luku nousee noin 27 % terveydenhuollossa ja korkean teknologian alalla, sekä 28 % media‑ ja viihdealalla. Yli puolet koulutuksen työ‑ ja mobiililaitteista on salaamattomia, kun taas hallinnossa yksi viidestä työasemasta ei ole salattu.

Toimialakohtainen jakautuminen käyttöjärjestelmäpäivityksissä antaa lisäkontekstia. Terveydenhuollossa, lääketeollisuudessa sekä vähittäis‑ ja tukkukaupassa on suurin määrä Android‑laitteita, jotka ovat neljä tai viisi sukupolvea nykyistä julkaisua jäljessä. Ohitetun päivityksen paljastama tieto vaihtelee näissä ympäristöissä potilastietueista ja kliinisestä datasta lääketutkimuksiin ja maksutietoihin.

Vanhemmat laitteet ovat usein upotettuja operatiivisiin ympäristöihin, joissa korvaaminen ja ylläpito ovat vaikeita. Kestävä kädessä pidettävä laite sairaalan osastolla tai varastossa saattaa edelleen käyttää käyttöjärjestelmäversiota, joka on useita pääversioita vanha, kun taas henkilökunnalla on pääsy uusimpiin julkisiin AI‑palveluihin. AI:n käyttö voi herättää välittömän huolen, vaikka ikääntynyt päätelaite tarjoaa pitkäaikaisemman reitin arkaluontoiseen tietoon.

Tässä kohtaa AI:n omaksumisen ja päätelaitteiden hallinnan välinen suhde kirkastuu. Raportti sijoittaa varjoperimetri‑ ja turvallisuushygienia‑riskit erillisiin lukuihin, mutta terveydenhuolto esiintyy molemmissa. Se tunnistetaan noudattamisaltistukseksi, joka johtuu luvattomista sovelluksista, ja se ilmenee uudelleen hitaiden käyttöjärjestelmäpäivitysten ja suhteellisen korkean salaamattomien työasemien määrän vuoksi. Tämä päällekkäisyys voi pysyä piilossa, kun turvallisuus, laitehallinta ja sovellustiedot sijaitsevat erillisissä järjestelmissä. Jokaisella tiimillä voi olla tarkka kuva omasta osastaan, mutta riskien keskittyminen niiden välillä jää huomaamatta.

Sääntelyn aikataulu on muuttunut

Jotkut organisaatiot ovat odottaneet, että sääntely luo tarvittavan paineen näiden aukkojen korjaamiseksi, vaikka aikataulu antaa nyt enemmän aikaa kuin alun perin odotettiin. EU:n neuvottelijoiden 7. toukokuuta saavuttaman poliittisen sopimuksen mukaan AI‑asetuksen korkean riskin velvoitteet itsenäisille järjestelmille liitteessä III siirtyvät elokuusta 2026 joulukuuhun 2027. Tämä on se kategoria, johon monet yritysten AI‑käyttöönotot odotetaan kuuluvan. Läpinäkyvyysvelvoitteet astuvat voimaan elokuusta 2026, kun taas laajemmat vaatimukset, jotka saattaisivat kannustaa organisaatioita laatimaan AI‑inventaarioita ja muodollisia riskiarvioita, tulevat kuusitoista kuukautta myöhemmin.

Viivästys antaa organisaatioille enemmän valmistautumisaikaa, mutta se myös poistaa välittömän ulkoisen määräajan, joka olisi saattanut nopeuttaa investointeja.

Markkinat reagoivat tunnistettuun hallintakatkoon, vaikka kyseisen kulutuksen arvo riippuu siitä, kuinka hyvin nämä alustat yhdistyvät laajempaan päätelaitteiden kokonaisuuteen. Erillinen AI‑hallintapaneeli voi tunnistaa käytössä olevat työkalut, mutta jättää laitteiden kunnon, salauksen ja sovellusten suorituskyvyn muualle. Sääntely voi asettaa odotuksia ja määritellä vastuullisuuden, mutta se ei voi luoda täydellistä operatiivista kuvaa, ellei taustatiedot saata yhdistettyä.

AI:n omaksuminen ja laitteiston hygienia etenevät eri tahtiin

Jokaisen organisaation AI‑strategia riippuu lopulta laitteista, joita työntekijät käyttävät päivittäin. Tämä pätee riippumatta siitä, toimitetaanko AI selaimen kautta, upotetaanko se liiketoimintasovellukseen tai ajetaan suoraan päätelaitteessa.

Kehittäjien ja yritystiimien, jotka ottavat käyttöön avustajia, agenteja tai laitteessa toimivia malleja, on työskenneltävä työntekijöiden jo käyttämien laitteiden kanssa. Nämä laitteet voivat olla vanhoja, voimakkaasti hallittuja tai jo suorituskykyongelmien alaisia. Windows‑työasemilla IT‑hallinto, turvallisuus- ja järjestelmätyökalut muodostavat lähes kaksi kolmasosaa asennetusta ohjelmistopinoista. Päätelaitteiden suojaus, päivityshallinta, salaus ja omaisuusinventaarioagentit kilpailevat prosessorin kapasiteetista ja muistista ennen kuin AI‑kuorma alkaa.

Avustajan lisääminen tähän ympäristöön muuttaa laitteen vaatimuksia. Tämä on erityisen merkittävää laitteessa tapahtuvassa inferenssissä ja agenttipohjaisissa työnkuluissa, joissa luotettavuus ja käytettävissä olevat laskentaresurssit vaikuttavat siihen, vastaako palvelu odotetusti. The Digital Workspace 2026 Report havaitsi, että Windows‑laitteet kokevat 3,1‑kertaisesti enemmän pakotettuja sammutuksia ja 7,5‑kertaisesti enemmän vastaamattomia sovellustiloja kuin Macit. Kun työntekijät alkavat luottaa AI‑avustajiin rutiinityössä, nämä luotettavuuserot vaikuttavat suoraan omaksumiseen ja luottamukseen. Palvelu, joka on poissa käytöstä, hidas tai epäyhtenäinen juuri silloin, kun sitä tarvitaan, ohitetaan pian.

Äskettäin julkaistu johtajan kannettava tietokone ja jaettu kliininen laite voivat kuulua samaan organisaatioon, mutta ne sijoittuvat päivityksen, suorituskyvyn ja hallinnan vastakkaisille äärille. AI‑käyttöönoton suunnittelu ideaaliselle päätelaitteelle saattaa jättää huomiotta ne kohdat, joissa toteutus on vaikeinta. Nämä heikkoudet keskittyvät usein säänneltyihin ja operatiivisiin ympäristöihin, joissa laitteet pysyvät käytössä pidempään ja keskeytykset voivat vaikuttaa eturivin työhön. Nämä ovat myös ne tilanteet, joissa huono näkyvyys aiheuttaa suurimmat seuraukset.

Koko ympäristön näkeminen

Politiikat ovat edelleen tarpeellisia, mutta niiden kattavuus on rajoitettu, jos organisaatio ei näe, mitä työkaluja työntekijät käyttävät tai millä kunnossa laitteet, joiden kautta ne käyttävät niitä, ovat. Työntekijät jatkavat palveluiden valitsemista, jotka auttavat heitä suorittamaan tehtävän nopeasti. Jotkut käyttävät hyväksyttyä avustajaa, kun taas toiset valitsevat julkisen palvelun, joka tuntuu helpommalta tai tuottaa paremman tuloksen. Kirjalliset säännöt eivät yksinään anna IT‑tiimeille tarkkaa kuvaa tästä käyttäytymisestä.

Operatiivinen haaste on ymmärtää AI:n käyttö kontekstissa, mikä voi sisältää laitteen iän, sen käyttöjärjestelmän, päivitystilan, salauskatteen ja jo käynnissä olevat sovellukset. Erillisinä tarkasteltuna jokainen tietojoukko saattaa vaikuttaa hallittavalta. Yhdistettynä ne voivat paljastaa, missä useat heikkoudet kerääntyvät samojen työntekijöiden, laitteiden tai liiketoimintaprosessien ympärille. Säänneltyjen organisaatioiden tulisi aloittaa tuomalla AI‑käyttö, päivitykset ja salausinformaatio yhteiseen näkymään, ja sen jälkeen tunnistaa ne osat ympäristöstä, jotka toistuvat näissä tietojoukoissa. Varjoliike AI voi olla ongelman näkyvin merkki, kun taas laajempi riski piilee järjestelmien välisten aukkojen takana, joita käytetään työpaikan hallintaan.