A inizio 2026 l’Osservatorio Artificial Intelligence del Politecnico di Milano ha diffuso due cifre che, lette insieme, fotografano un problema che la maggior parte delle imprese italiane non ha ancora messo a fuoco: il 47 per cento dei lavoratori usa strumenti di intelligenza artificiale in azienda, ma solo il 7 per cento delle PMI ha attivato programmi strutturati di formazione sul tema. Quaranta punti percentuali di distanza tra l’uso e il governo dell’uso. In quello spazio vive la shadow AI: strumenti adottati dai dipendenti senza autorizzazione, senza regole e senza che l’azienda ne sappia nulla. Questo articolo descrive come nasce il fenomeno, quali rischi produce e come si chiude il divario sul piano organizzativo.
Un fenomeno che nasce dal basso, come lo shadow IT vent’anni fa
Il copione non è nuovo. Nei primi anni Duemila i dipendenti portarono in azienda le chiavette USB, poi le caselle di posta personali, poi i servizi di archiviazione in cloud, molto prima che i reparti IT decidessero come regolarli. Il fenomeno fu battezzato shadow IT: tecnologia usata nell’ombra, fuori dal perimetro dei sistemi ufficiali.
Con l’AI generativa la dinamica si ripete, ma più in fretta e con una differenza di sostanza. Le chiavette trasportavano file. I sistemi generativi ricevono in ingresso testo scritto dalle persone, e le persone ci scrivono dentro qualunque cosa serva a risolvere il problema del momento: la bozza del contratto da riassumere, l’elenco clienti da riordinare, il codice sorgente da correggere.
La spinta viene dal basso perché lo strumento funziona. Un impiegato che scopre di poter dimezzare il tempo di stesura di una relazione non aspetta la circolare interna: apre un account gratuito con la propria email personale e comincia. Moltiplicato per il 47 per cento della forza lavoro, questo comportamento produce un flusso quotidiano di informazioni aziendali verso servizi esterni che nessuno ha valutato, con account che nessuno controlla, secondo condizioni d’uso che nessuno ha letto.
Il paradosso è che la produttività individuale cresce davvero. È la ragione per cui il fenomeno non si può liquidare come indisciplina: i dipendenti stanno facendo, disordinatamente, quello che l’azienda avrebbe dovuto organizzare.
Altri numeri confermano la scala del fenomeno. Secondo la Salary Guide 2026 di Hays Italia, il 52 per cento dei professionisti dichiarava già nel 2025 di usare strumenti di AI generativa nel lavoro, in crescita dal 43 per cento del 2024 e dal 20 per cento del 2023. Una platea più che raddoppiata in tre anni, a fronte di un’offerta formativa aziendale rimasta sostanzialmente ferma. Il divario non si sta chiudendo da solo. Si sta allargando.
Cosa finisce davvero nei prompt
Chi non ha mai osservato da vicino l’uso spontaneo dell’AI in azienda tende a immaginare richieste innocue: sinonimi, traduzioni, email di cortesia. La realtà operativa è diversa, perché il valore dello strumento cresce con la specificità dell’input. Per ottenere una risposta utile su un contratto bisogna incollare il contratto. Per farsi aiutare su un preventivo bisogna incollare prezzi, margini e condizioni. Per correggere un errore nel gestionale bisogna incollare il codice e, spesso, i dati che lo mandano in errore.
Così nei prompt finiscono anagrafiche di clienti e fornitori, dati retributivi, verbali riservati, specifiche tecniche di prodotto, strategie commerciali in bozza. In amministrazione ci passano bilanci e scadenzari, nell’ufficio tecnico disegni e distinte base, nelle risorse umane valutazioni individuali e verbali disciplinari. Ogni funzione aziendale ha il suo materiale sensibile, e ogni funzione lo sta incollando da qualche parte.
Il punto critico sta nelle condizioni d’uso dei servizi consumer, quelli ad accesso gratuito o con abbonamento individuale. Molti prevedono che gli input possano essere conservati e utilizzati per migliorare i modelli, salvo rinuncia esplicita che quasi nessun utente attiva. Le versioni enterprise degli stessi servizi offrono garanzie contrattuali opposte: dati non usati per l’addestramento, conservazione limitata, controlli di accesso centralizzati. La differenza tra le due versioni è esattamente la differenza tra uso governato e shadow AI. Sul piano normativo l’articolo 4 dell’AI Act impone da febbraio 2025 un livello adeguato di alfabetizzazione AI al personale, tema che merita una trattazione a parte; qui interessa il piano organizzativo, che viene prima dell’obbligo e resta anche dove l’obbligo non arriva.
Tre famiglie di rischio: dati personali, segreto industriale, output non verificati
Il primo rischio è il GDPR. Quando un dipendente incolla in un servizio consumer i dati personali di un cliente o di un collega, l’azienda sta di fatto comunicando dati a un fornitore esterno senza base giuridica, senza accordo di trattamento e spesso con trasferimento verso Paesi terzi. Che l’iniziativa sia del singolo non sposta la responsabilità: il titolare del trattamento resta l’azienda, ed è l’azienda a rispondere di una violazione che non sapeva di stare commettendo.
Il secondo rischio tocca il segreto industriale, ed è il meno compreso. La tutela giuridica delle informazioni riservate, in Italia disciplinata dal Codice della proprietà industriale, dipende da una condizione: che il detentore abbia adottato misure ragionevolmente adeguate a mantenerle segrete. Un’informazione caricata sistematicamente su servizi esterni non controllati rende difficile sostenere in giudizio che quelle misure esistessero. La shadow AI, in altre parole, non si limita a esporre il know-how: può indebolire la possibilità stessa di difenderlo legalmente.
Il terzo rischio è il più quotidiano: l’output non verificato. I sistemi generativi producono testo plausibile, non testo controllato, e sbagliano con la stessa sicurezza espositiva con cui rispondono correttamente. Se il riassunto impreciso di un contratto entra in una decisione commerciale, se un numero inventato finisce in un’offerta, se una clausola generata scivola in un documento firmato, l’errore diventa dell’azienda. Senza formazione, il dipendente non ha gli strumenti per capire quando fidarsi; senza policy, l’azienda non ha modo di sapere quali documenti sono passati da dove.
A questi tre si aggiunge, per molte imprese, un quarto vincolo di natura contrattuale: gli accordi di riservatezza firmati con clienti e committenti. Un fornitore che elabora specifiche o documenti del cliente attraverso servizi AI non autorizzati può violare l’accordo anche in assenza di qualunque danno concreto, perché la violazione sta nel transito stesso dell’informazione fuori dal perimetro pattuito. Nei settori dove le catene di fornitura sono lunghe, dall’automotive alla difesa alla farmaceutica, i committenti hanno già cominciato a inserire clausole specifiche sull’uso di sistemi generativi. Le PMI fornitrici che non sanno cosa usano i propri dipendenti non sono in grado nemmeno di firmarle in buona fede.
Nessuno dei tre rischi richiede un incidente clamoroso per materializzarsi. Sono rischi da attrito quotidiano, che si accumulano in silenzio.
Perché il divieto è la risposta peggiore
Di fronte a questo quadro, la reazione istintiva di molte direzioni è il blocco: vietare i servizi AI, filtrarli dalla rete aziendale, sanzionare l’uso. È la risposta che aggrava il problema.
Il divieto non elimina l’uso, lo sposta. Lo smartphone personale è fuori dal perimetro di qualunque filtro aziendale, e il dipendente che ha scoperto di risparmiare due ore al giorno non torna indietro: continua dal telefono, in pausa pranzo, da casa. L’unica differenza è che l’azienda perde anche la visibilità residua che aveva. La shadow AI vietata diventa più ombra, non meno AI.
C’è poi un costo competitivo. Mentre l’azienda che vieta congela il proprio apprendimento organizzativo, i concorrenti che governano l’uso accumulano esperienza: capiscono quali attività traggono beneficio dagli strumenti, formano le persone, negoziano contratti enterprise. Il dato Eurostat sull’adozione, 22 per cento delle imprese italiane contro il 32 per cento della media europea, suggerisce che il problema italiano non è l’eccesso di entusiasmo da frenare, ma il ritardo di governo da colmare.
Non a caso, diverse grandi organizzazioni internazionali che nel 2023 avevano bloccato i sistemi generativi hanno fatto marcia indietro nel giro di pochi mesi, sostituendo il divieto con versioni enterprise degli stessi strumenti e regole d’uso interne. Il blocco totale si è rivelato una fase di passaggio, non una strategia: utile al massimo a guadagnare il tempo necessario per organizzarsi, dannoso quando diventa la risposta definitiva.
Vietare è una decisione che si prende in un pomeriggio. Governare richiede mesi. È il motivo per cui il divieto resta popolare, ed è anche il motivo per cui non funziona.
Chiudere il divario: quattro mosse organizzative
La chiusura del divario tra uso e governo passa da quattro azioni in sequenza.
La prima è il censimento. Prima di scrivere regole serve sapere cosa succede davvero: quali strumenti vengono usati, da chi, per quali attività, con quali dati. Un questionario anonimo funziona meglio di un audit, perché il fenomeno emerge solo se le persone non temono sanzioni retroattive. Le aziende che lo fanno scoprono quasi sempre un uso più esteso e più utile di quanto immaginassero.
La seconda è la policy d’uso: un documento breve, scritto per essere letto, che distingue tre categorie di dati (liberamente utilizzabili, utilizzabili solo su strumenti approvati, mai utilizzabili), indica gli strumenti approvati e definisce il principio di verifica degli output prima dell’uso. Le policy di quaranta pagine falliscono per la stessa ragione per cui i divieti falliscono: nessuno le applica.
La terza è lo strumento ufficiale. Una policy che vieta i servizi consumer senza offrire un’alternativa enterprise equivalente sposta di nuovo l’uso nell’ombra. Dare alle persone uno strumento approvato, con garanzie contrattuali sui dati e prestazioni paragonabili a quelle che già conoscono, è la condizione perché le regole vengano rispettate.
Le prime tre mosse funzionano solo se qualcuno ne risponde. Nelle organizzazioni più grandi il presidio spetta a un ruolo dedicato alla governance dell’AI; in una PMI basta un referente interno con mandato chiaro, che tenga aggiornato l’elenco degli strumenti approvati, raccolga i casi dubbi e riporti alla direzione con cadenza fissa. Ciò che non funziona è la responsabilità diffusa, che in pratica significa nessuna responsabilità.
La quarta è la formazione strutturata, il tassello dove il 7 per cento delle PMI segnala il ritardo più grave. Non basta un webinar una tantum: serve un intervento che insegni cosa gli strumenti sanno fare, dove sbagliano, come si verifica un output e cosa dice la policy aziendale, con verifica finale dell’apprendimento. AIPIA lavora su questo fronte con programmi di formazione aziendale sull’AI costruiti sui processi reali dell’impresa, e mette a disposizione una guida operativa all’AI Act per collegare le scelte organizzative agli obblighi normativi che maturano nel frattempo.
Il divario è una scelta del vertice, anche quando sembra inerzia
La distanza tra il 47 per cento che usa e il 7 per cento che forma non è un dato tecnologico: è una scelta organizzativa presa per omissione. Ogni mese senza censimento, senza policy e senza formazione è un mese in cui l’azienda accumula rischio legale e rinuncia ad apprendimento, mentre i propri dipendenti, da soli, imparano comunque, ma senza rete.
La shadow AI non è il nemico. È il sintomo di una domanda di strumenti e di competenze che l’organizzazione non ha ancora incanalato. Le imprese che la tratteranno come indisciplina passeranno i prossimi anni a inseguire i propri dipendenti. Quelle che la leggeranno come un segnale avranno trovato, già dentro casa, il punto esatto da cui partire.
