Kontroler sprawdza bilety przy przednich drzwiach tramwaju, a tylnymi wsiada pół wagonu bez biletu, i dokładnie tak dziś wygląda kontrola nad danymi firmowymi w AI

Kontroler wchodzi przednimi drzwiami tramwaju, prosi o bilety, kilka osób się tłumaczy, jedna dostaje mandat. W tym samym czasie tylnymi drzwiami wsiada pół wagonu, nikt nikogo nie sprawdza, bo kontroler fizycznie nie może stać w dwóch miejscach naraz.

Shadow AI w firmie działa dokładnie tak samo. Firma ma oficjalne, płatne konto ChatGPT albo Copilota, ktoś nawet podpisał politykę korzystania z AI. To przednie drzwi, dobrze pilnowane. Tylnymi drzwiami, czyli prywatnym kontem na telefonie, wsiada połowa zespołu, i akurat tam nikt biletu nie sprawdza.

Raport Zscaler ThreatLabz ze stycznia 2026 roku naliczył 410 mln naruszeń polityki DLP tylko wokół samego ChatGPT, w tym próby wklejenia numerów ubezpieczenia, kodu źródłowego i danych medycznych. Firmy na świecie przesłały do narzędzi AI 18 033 terabajty danych, o 93% więcej niż rok wcześniej.

Dlaczego samo zakazanie nic nie zmienia

Tima Miroshnichenko / Pexels

W Polsce dane są podobne. Z ubiegłorocznego raportu ESET i DAGMA wynika, że tylko 25% firm w ogóle wdrożyło narzędzia DLP albo CASB, czyli cokolwiek, co realnie widzi, co ludzie wklejają do okienka czatu. Reszta ma najwyżej dokument z polityką korzystania z AI, którego treść i tak nikt po pierwszym tygodniu nie pamięta.

Samo zablokowanie domeny chat.openai.com na firmowym Wi-Fi działa mniej więcej tak, jak zamknięcie przednich drzwi tramwaju na kłódkę, podczas gdy tylne stoją otworem. Pracownik po prostu przełącza się na dane komórkowe w telefonie, i cała blokada IT staje się czysto kosmetyczna.

Problem jest głębszy niż przy zwykłym chaosie narzędzi AI w firmie. Tam chodzi głównie o pieniądze i porządek. Tu chodzi o to, że dane klienta mogą trenować model, z którego korzysta twoja konkurencja, a prawnie to i tak już problem RODO, bo dane osobowe trafiające do publicznego modelu to przekazanie danych poza firmę bez podstawy prawnej, niezależnie od tego, czy IT się w ogóle o tym dowie.

Co faktycznie działa, bez budżetu korporacji

MART PRODUCTION / Pexels

Zacznij od konta, nie od zakazu. Jeśli firma płaci za wersję zespołową ChatGPT albo Claude, administrator widzi, kto z niej korzysta, i może wyłączyć trenowanie modelu na firmowych danych jednym przełącznikiem. To tańsze i skuteczniejsze niż jakikolwiek regulamin.

Warstwa druga to filtrowanie na poziomie sieci, na przykład przez DNS. Nie odróżni prywatnego konta ChatGPT od firmowego, ale przynajmniej pokaże, ile razy dziennie ktoś w ogóle tam zagląda z biurowego Wi-Fi. To jak licznik wsiadających tylnymi drzwiami, nawet bez sprawdzania biletów.

Dopiero warstwa trzecia to właściwe DLP albo CASB, czyli narzędzie skanujące treść tego, co ktoś wkleja, zanim to opuści firmę. Dla zespołu prawnego, kadrowego czy księgowości, czyli tam, gdzie dane są najbardziej wrażliwe, tańszą alternatywą bywa lokalny model AI, który w ogóle nie wysyła niczego na zewnątrz, bo fizycznie nie ma dokąd.

Kiedy nie warto się w to bawić

Jeśli w firmie pracuje 5 osób, które siedzą przy jednym stole, DLP i CASB to strzelanie z armaty do komara. Wystarczy jedna rozmowa: jakie dane są wrażliwe, jakiego konta AI oficjalnie używacie, i co zrobić, kiedy ktoś się pomyli. Żadna licencja korporacyjna nie zastąpi tego taniej niż zwykła rozmowa przy kawie.

Inwestycja w monitoring ma sens tam, gdzie liczba osób z dostępem do danych klientów przekracza kilkanaście i nikt już nie jest w stanie spamiętać, kto czym się zajmuje. To zresztą ten sam próg, przy którym warto zrobić pierwszy audyt AI w firmie, żeby w ogóle wiedzieć, ile tych narzędzi już się nazbierało.

Nie kupuj też od razu najdroższego pakietu security. Zacznij od tańszej warstwy, sprawdź, ile realnie łapie, i dopiero wtedy decyduj, czy potrzebujesz czegoś większego. To trochę jak kupowanie parasola dopiero wtedy, kiedy zdążyłeś już dwa razy zmoknąć, tylko wciąż taniej niż przeziębienie.