Cosa nascondono i numeri di Shadow AI

I dipendenti nella maggior parte delle organizzazioni stanno già utilizzando strumenti di IA che il loro datore di lavoro non ha mai approvato. A questo punto, non dovrebbe sorprendere nessuno. I dipendenti hanno sempre avuto una propensione verso le tecnologie che li aiutano a lavorare in modo più efficiente, indipendentemente dal fatto che tali strumenti siano stati introdotti formalmente dall’IT. L’IA ha semplicemente accelerato questo comportamento.

La velocità di adozione dell’IA è solo una parte della storia. Più rivelatore è ciò che ci dice sugli ambienti in cui avviene tale adozione. Quando i dipendenti scelgono i propri strumenti di IA è spesso un segnale che l’IT non ha un quadro completo di come il lavoro venga svolto. Le stesse organizzazioni che faticano a identificare l’uso non autorizzato dell’IA possono anche trovarsi ad affrontare patch più lenti, crittografia incoerente o dispositivi che esulano dalle politiche di sicurezza stabilite. La Shadow AI non crea queste vulnerabilità, ma può metterle a fuoco con maggiore chiarezza.

Il nostro State of Digital Workspace 2026 Report ha analizzato la telemetria di milioni di dispositivi gestiti in 17 settori, evitando le limitazioni legate alla richiesta ai dipendenti di ricordare o divulgare quali strumenti utilizzano. Ha rilevato che l’uso di assistenti IA è cresciuto di quasi 1.000 % nel 2025, diventando la categoria di applicazioni a più rapida crescita sul posto di lavoro.

Il dato ci indica quanto rapidamente stia cambiando il comportamento dei dipendenti. Aprirà anche una linea di indagine meno familiare: le organizzazioni con alta esposizione a applicazioni non approvate mostrano debolezze in aree più consolidate della gestione dei dispositivi? L’assistenza sanitaria fornisce l’indicazione più chiara che ciò possa accadere. Nel nostro studio, il settore sanitario appare tra i più esposti al rischio di conformità da applicazioni non autorizzate; altrove nel rapporto si registrano anche alcune delle patch più lente e tassi più alti di desktop non crittografati.

L’adozione è solo una parte del quadro

La distribuzione tra strumenti di IA approvati e non approvati diventa più rivelatrice una volta stabilito l’uso. Microsoft Copilot è ampiamente installato su dispositivi mobili gestiti dove l’IT controlla il deployment, grazie alla sua posizione all’interno di Microsoft 365. Al di fuori di quell’ambiente gestito, ChatGPT domina di gran lunga. È presente nel 91 % dei dispositivi iOS non autorizzati e nel 61 % dei dispositivi Android non autorizzati, mentre Gemini copre gran parte del restante utilizzo su Android.

Servizi approvati e auto‑selezionati possono coesistere facilmente all’interno di un unico ambiente di lavoro. I dipendenti possono avere accesso al servizio IA aziendale e comunque ricorrere a un altro strumento perché lo trovano più veloce, più familiare o più adatto a un compito specifico. Dal loro punto di vista, spesso è il modo più pratico e rapido per portare a termine il lavoro. Per i team IT e di conformità, ciò crea incertezza su quali applicazioni gestiscano le informazioni aziendali e se le politiche di governance esistenti vengano rispettate.

Il modello all’interno del software di comunicazione è simile. Le applicazioni di messaggistica consumer rappresentano quasi la metà degli strumenti di comunicazione installati su piattaforme desktop gestite, accanto a Teams, Zoom e Slack. I servizi finanziari e l’assistenza sanitaria, nonostante i loro rigorosi obblighi di conservazione dei dati, non sono esenti. Il problema di conformità inizia quando un’organizzazione presume che le conversazioni sensibili rimangano entro canali approvati. Una query di policy, una discussione con un paziente o una decisione interna spostata in un’applicazione consumer potrebbe non rimanere più nei sistemi usati per la conservazione, il monitoraggio o l’indagine. Il dipendente coinvolto potrebbe non avere l’intenzione di aggirare i controlli e potrebbe semplicemente utilizzare il canale in cui un collega risponde più rapidamente.

Questi modelli indicano un cambiamento più ampio nel modo in cui il lavoro viene svolto. I dipendenti si spostano sempre più tra applicazioni, browser e servizi di IA che non sempre si adattano perfettamente ai tradizionali modelli di gestione. La sfida non è semplicemente identificare un’altra applicazione. È mantenere una chiara comprensione di come il lavoro avvenga nell’intero ambiente, così che la governance possa tenere il passo con il comportamento dei dipendenti.

L’adozione dell’IA e l’igiene dei dispositivi procedono a velocità diverse

L’adozione rapida dell’IA ha messo in luce un’altra realtà dell’IT aziendale: la tecnologia non evolve alla stessa velocità in tutta l’organizzazione. I dipendenti possono iniziare a usare un servizio di IA in pochi minuti, senza un processo di approvvigionamento o un ticket di supporto.

Colmare un divario nella gestione dei dispositivi può richiedere mesi, soprattutto in ambienti misti che includono laptop aziendali, dispositivi condivisi, hardware rugged e telefoni di proprietà dei dipendenti. La telemetria mostra una grande variazione nella velocità di patching. I dispositivi iOS raggiungono la versione più recente circa otto volte più velocemente dei dispositivi Android, mentre gli aggiornamenti macOS sono circa una volta e mezza più rapidi di quelli Windows.

La copertura di crittografia è anch’essa disomogenea; il 23 % dei desktop bancari è non crittografato, e la percentuale sale a circa il 27 % nel settore sanitario e ad alta tecnologia, e al 28 % nei media e intrattenimento. Oltre la metà dei dispositivi desktop e mobili nel settore educativo è non crittografata, mentre nel settore pubblico un desktop su cinque non dispone di crittografia.

La suddivisione per settore degli aggiornamenti dei sistemi operativi aggiunge contesto. Sanità, farmaceutica, commercio al dettaglio e all’ingrosso hanno le più alte concentrazioni di dispositivi Android che girano quattro o cinque generazioni indietro rispetto all’ultima release. Le informazioni esposte da una patch mancata variano in questi ambienti, passando da cartelle cliniche e dati sanitari a ricerche farmaceutiche e informazioni di pagamento.

I dispositivi più vecchi sono spesso integrati in contesti operativi dove la sostituzione e la manutenzione sono difficili. Un handheld rugged in un reparto ospedaliero o sul pavimento di un magazzino può ancora eseguire una versione del sistema operativo di diverse versioni principali in ritardo, mentre il personale in quell’ambiente ha accesso agli ultimi servizi IA pubblici. L’uso dell’IA può suscitare preoccupazione immediata, anche se l’endpoint invecchiato rappresenta una via più consolidata verso informazioni sensibili.

È qui che la relazione tra adozione dell’IA e gestione degli endpoint diventa più chiara. Il rapporto colloca il rischio di perimetro ombra e l’igiene della sicurezza in capitoli separati, ma la sanità compare in entrambi. È identificata per l’esposizione di conformità derivante da applicazioni non autorizzate, per poi riapparire a causa dei suoi aggiornamenti lenti del sistema operativo e del tasso relativamente alto di desktop non crittografati. Tale sovrapposizione può rimanere nascosta quando sicurezza, gestione dei dispositivi e informazioni sulle applicazioni risiedono in sistemi separati. Ogni team può avere una visione accurata della propria parte dell’infrastruttura, ma perdere la concentrazione del rischio complessivo.

Il calendario normativo è cambiato

Alcune organizzazioni hanno sperato che la normativa creasse la pressione necessaria per colmare queste lacune, sebbene il calendario ora conceda più tempo rispetto a quanto previsto inizialmente. Ai sensi dell’accordo politico raggiunto dai negoziatori dell’UE il 7 maggio, gli obblighi ad alto rischio del AI Act per i sistemi autonomi ai sensi dell’Allegato III sono stati spostati da agosto 2026 a dicembre 2027. Questa è la categoria in cui si prevede ricadranno molte implementazioni aziendali di IA. Gli obblighi di trasparenza rimangono in vigore da agosto 2026, mentre i requisiti più ampi che spingerebbero molte organizzazioni a creare inventari IA e valutazioni formali del rischio arriveranno sedici mesi dopo.

Il ritardo offre alle organizzazioni più tempo per prepararsi, ma rimuove anche una scadenza esterna immediata che avrebbe potuto accelerare gli investimenti.

Il mercato sta rispondendo a una lacuna di governance riconosciuta, sebbene il valore di tale spesa dipenderà da quanto bene queste piattaforme si connettano all’intera infrastruttura degli endpoint. Un cruscotto di governance IA separato può identificare quali strumenti sono in uso lasciando altrove la condizione dei dispositivi, la crittografia e le prestazioni delle applicazioni. La normativa può fissare aspettative e definire responsabilità, ma non può creare un quadro operativo completo a meno che i dati sottostanti non vengano aggregati.

Il punto finale è importante per chiunque implementi l’IA

La strategia IA di ogni organizzazione dipenderà in ultima analisi dai dispositivi che i dipendenti usano quotidianamente. Questo è vero sia che l’IA sia erogata tramite browser, incorporata in un’applicazione aziendale o eseguita direttamente sull’endpoint.

Sviluppatori e team aziendali che implementano assistenti, agenti o modelli on‑device devono lavorare con i dispositivi già in uso dai dipendenti. Questi dispositivi possono essere più vecchi, fortemente gestiti o già sotto pressione di prestazioni. Su desktop Windows, l’amministrazione IT, la sicurezza e gli strumenti di sistema rappresentano quasi due terzi dello stack software installato. Protezione dell’endpoint, gestione delle patch, crittografia e agenti di inventario delle risorse competono tutti per capacità di processore e memoria prima che inizi un carico di lavoro IA.

Aggiungere un assistente a quell’ambiente modifica le richieste poste al dispositivo. Ciò è particolarmente rilevante per l’inferenza on‑device e i flussi di lavoro agentici, dove affidabilità e risorse computazionali disponibili influiscono sulla capacità del servizio di rispondere come previsto. Il Digital Workspace 2026 Report ha rilevato che i dispositivi Windows subiscono 3,1 volte più spegnimenti forzati e 7,5 volte più stati di applicazioni non rispondenti rispetto ai Mac. Man mano che i dipendenti cominciano a dipendere dagli assistenti IA durante le attività di routine, queste differenze di affidabilità hanno un effetto diretto sull’adozione e sulla fiducia. Un servizio non disponibile, lento o incoerente nel momento in cui è necessario verrà presto aggirato.

Un laptop executive appena rilasciato e un dispositivo clinico condiviso potrebbero appartenere alla stessa organizzazione, ma trovarsi agli estremi opposti di patching, prestazioni e controllo.  Progettare un’implementazione IA attorno a un endpoint idealizzato rischia di trascurare i punti in cui l’implementazione sarà più difficile. Quelle debolezze sono spesso concentrate in ambienti regolamentati e operativi, dove i dispositivi restano in uso più a lungo e le interruzioni possono influire sul lavoro in prima linea. Sono anche i contesti in cui una scarsa visibilità comporta le conseguenze più gravi.

Vedere l’intero ambiente

Le politiche rimangono necessarie, ma la loro portata è limitata quando un’organizzazione non può vedere quali strumenti usano i dipendenti o lo stato dei dispositivi attraverso i quali vi accedono. I dipendenti continueranno a scegliere i servizi che li aiutano a completare un compito rapidamente. Alcuni utilizzeranno un assistente approvato, mentre altri sceglieranno un servizio pubblico che sembra più semplice o produce risultati migliori. Le regole scritte da sole non forniranno ai team IT un resoconto accurato di tale comportamento.

La sfida operativa è comprendere l’uso dell’IA nel contesto, includendo l’età del dispositivo, il suo sistema operativo, lo stato delle patch, la copertura di crittografia e le applicazioni già in esecuzione. Visti separatamente, ciascun set di dati può apparire gestibile. Insieme, possono rivelare dove più debolezze si accumulano intorno agli stessi dipendenti, dispositivi o processi aziendali. Le organizzazioni regolamentate dovrebbero iniziare portando l’uso dell’IA, le informazioni di patching e crittografia in una visuale condivisa, per poi identificare le parti dell’infrastruttura che ricorrono ripetutamente in questi set di dati. La Shadow AI può essere il segno più visibile del problema, mentre il rischio più ampio risiede nelle lacune tra i sistemi usati per gestire il luogo di lavoro.