Você não pode governar o que não vê

Parte da série The AI Governance Reality Check

Pergunte a qualquer líder de segurança ou conformidade quanto uso de IA ocorre em sua organização fora das ferramentas aprovadas e você receberá uma resposta honesta. Eles não sabem. Nem “é baixo”. Nem “estamos trabalhando nisso”. Eles genuinamente não sabem, e a forma como a maioria das empresas tenta descobrir piora o número, não melhora.

O paradoxo do porto seguro

Aqui está a armadilha. Se descobrir o uso não autorizado de IA leva a medidas disciplinares, os funcionários têm todos os motivos para escondê-lo. Assim, o processo de descoberta está quebrado antes mesmo de a 1ª auditoria começar. Você está pedindo que as pessoas confessem algo que as coloca em apuros, através dos mesmos canais que serão usados contra elas.

Isso não é hipotético. O Data Breach Investigations Report de 2026 da Verizon descobriu que a shadow AI se tornou a 3ª ação interna não maliciosa mais comum detectada em ambientes corporativos, um aumento de 4 vezes em relação ao ano anterior. A Workforce AI Survey de 2026 da Salesforce descobriu que 67% dos funcionários agora usam ferramentas de IA no trabalho, enquanto apenas 18% das organizações têm uma política formal de segurança de IA. Essa lacuna entre comportamento e política não é um problema de treinamento. É um problema de incentivo. A descoberta punitiva empurra o uso ainda mais para a clandestinidade.

A solução não é mais vigilância. É anistia. Os profissionais que executaram isso bem estruturam a auditoria como um mapeamento de capacidades, não uma varredura de conformidade, com uma promessa explícita: sem consequências pela divulgação. Os funcionários encontraram uma ferramenta útil e ninguém lhes disse que estava fora da política. Trate isso como uma falha disciplinar da parte deles em vez de uma lacuna de governança da empresa, e você garante que nunca verá o quadro completo.

O espectro de detecção

Mesmo com incentivos melhores, a detecção fica em um espectro, e cada camada captura menos do que a liderança supõe.

Listas de bloqueio. Bloqueiam domínios e aplicativos conhecidos de IA. Isso captura as ferramentas das quais todos já ouviram falar e perde o resto, incluindo os 70% das interações de IA que o Gartner espera que ocorram por meio de recursos incorporados em produtos SaaS já aprovados, onde não há um domínio separado para bloquear.

Inspeção de pacotes e texto. Ferramentas de DLP que sinalizam cadeias confidenciais em direção a endpoints de IA. Melhor, mas só vê o que cruza um caminho de rede monitorado. A pesquisa de 2026 da Netskope descobriu que 47% dos usuários de IA generativa acessam as ferramentas através de contas pessoais, o que contorna exatamente esse tipo de inspeção.

Sinais comportamentais. Observar a forma do trabalho assistido por IA: volume incomum de resultados, padrões de frases, mudanças no fluxo de trabalho. A ferramenta não é o que você observa; o trabalho sim. Esta é a camada mais promissora e a menos madura, e levanta uma questão própria de governança. Em que ponto monitorar como as pessoas trabalham se torna o seu próprio problema de confiança?

Nenhuma dessas camadas, isolada ou em conjunto, fecha a verdadeira lacuna.

A lacuna de governança

A verdade desconfortável: o que você pode detectar e o que você precisa saber são 2 listas diferentes, e a sobreposição é menor do que a maioria dos programas de governança supõe. Você pode detectar que alguém acessou o domínio de um chatbot. Você não pode detectar que o setor financeiro processou dados de remuneração através dele, ou que o RH carregou um organograma para resumir uma reorganização. Não a menos que alguém lhe conte, o que retorna diretamente ao problema do incentivo.

As ferramentas de detecção respondem “a IA tocou nisso”. Raramente respondem “a IA deveria ter tocado nisso”, “o que aconteceu com os dados depois” ou “isso mudou uma decisão importante”. Essas são as perguntas que a governança realmente precisa responder. Nenhuma delas aparece em um painel de rede.

A camada humana: governança como criação de filhos

O modelo mais útil aqui não é o teatro de segurança. É a criação de filhos. Bons pais não mantêm as crianças seguras com vigilância constante. Eles constroem o discernimento primeiro, através do ensino, para que as crianças tomem decisões razoáveis quando ninguém está olhando, e guardam a fiscalização para os momentos em que o discernimento não é suficiente. Uma casa administrada com câmeras e fechaduras produz crianças boas em esconder coisas, não crianças boas em decidir.

A mesma lógica se aplica aqui. Funcionários que entendem por que PII de clientes não deve ir para um modelo público tomam decisões melhores nos momentos que nenhum painel vê, em comparação com funcionários a quem apenas foi dito para não serem pegos. Educação primeiro. Fiscalização como último recurso, não como estratégia.

Se você está cego para o risco, também está cego para o valor

Todo argumento para uma melhor visibilidade da IA é enquadrado como redução de risco. É isso, e esse enquadramento ainda o subestima. Empresas que não conseguem ver o que suas equipes estão fazendo com a IA também não conseguem ver o que está funcionando. Elas não conseguem identificar o fluxo de trabalho que o financeiro encontrou e que deveria ser estendido a toda a empresa, ou o hábito de redação que o marketing desenvolveu e que o departamento jurídico deveria pegar emprestado.

Se você está cego para o risco, está cego para o valor. A visibilidade não é uma iniciativa de segurança acoplada à governança de IA. É a pré-condição para que a governança tenha qualquer significado.

Fontes: Verizon, “2026 Data Breach Investigations Report”, citado via Tech Times, junho de 2026; Salesforce, “2026 Workforce AI Survey: Adoption, Governance, and Risk”; Netskope, “2026 Cloud & Threat Report”; Dr Logic, “Your AI Tools Are Now in Scope for Cyber Essentials”, 2026; JumpCloud, “11 Stats About Shadow AI in 2026”, sobre a parcela de interação da IA incorporada