Shadow AI w marketingu: 5 narzędzi do kontroli danych

Twój specjalista od kampanii eksportuje listę leadów z CRM i wrzuca ją do publicznego chatbota, żeby szybciej rozpisać segmenty, tematy wiadomości albo szkic personalizacji. Nie robi tego ze złej woli. Robi to, bo chce dowieźć wynik szybciej niż wczoraj. Problem w tym, że dane klientów opuszczają wtedy firmowy system i trafiają do zewnętrznej usługi AI poza Twoją normalną kontrolą.

To właśnie shadow AI. Nie chodzi o pojedynczy incydent, tylko o nawyk. Według Microsoft Work Trend Index 2024 75% pracowników wiedzy używa AI w pracy, a 78% użytkowników AI przynosi do pracy własne narzędzia. Jeśli więc chcesz ograniczyć ryzyko, nie wystarczy zakaz. Potrzebujesz widoczności, zasad i bezpiecznej alternatywy.

Co to jest shadow AI i dlaczego marketing wpada w ten schemat

Shadow AI to używanie narzędzi AI bez formalnej autoryzacji firmy albo poza ustalonym zestawem narzędzi i zasad. W marketingu dzieje się to szczególnie łatwo, bo presja na szybkość jest wysoka, a gotowe chatboty są pod ręką.

Marketerzy pracują na danych, które łatwo wynieść poza firmę jednym promptem:

• listach kontaktów i danych z CRM,
• wynikach kampanii z identyfikatorami użytkowników,
• planach premier, ofertach i materiałach przed publikacją,
• briefach sprzedażowych, notatkach ze spotkań i wycenach.

Dlaczego to problem właśnie tutaj?

Jeśli do zewnętrznego narzędzia AI trafiają dane osobowe klientów, firma musi ocenić podstawę przetwarzania, rolę dostawcy, transfer danych i wymagane umowy. Gdy dostawca działa jako procesor, art. 28 RODO wymaga umowy powierzenia. Sam fakt, że pracownik “tylko coś wkleił”, nie rozwiązuje problemu.

Dochodzi do tego jeszcze druga warstwa ryzyka. W konsumenckiej wersji ChatGPT OpenAI wskazuje, że treści użytkownika mogą być używane do ulepszania usług, chyba że użytkownik wyłączy to w ustawieniach albo użyje trybu Temporary Chat, co nadal nie zastępuje firmowego kontraktu i kontroli administracyjnej. Inaczej wygląda to w ofertach biznesowych, gdzie OpenAI deklaruje odrębne zobowiązania prywatności i możliwość zawarcia DPA.

Dlaczego samo blokowanie zwykle nie działa

Sam zakaz rzadko usuwa shadow AI. Najczęściej tylko wypycha je poza zasięg IT i compliance.

Są trzy praktyczne powody:

Pracownicy znajdą obejście. Jeśli zespół nie ma bezpiecznego narzędzia, użyje prywatnego konta, prywatnego telefonu albo innej aplikacji, której nikt nie monitoruje.

Zakaz obniża produktywność bez usunięcia bodźca. Ludzie sięgają po AI, bo realnie skraca czas pracy. Jeśli firma nie daje alternatywy, presja na wynik zostaje, a narzędzie schodzi do podziemia.

Tracisz widoczność. To najgorszy scenariusz. Widzisz mniej, a nie więcej, mimo że ryzyko dalej istnieje.

Dane Microsoftu z 2024 roku pokazują ten mechanizm dość jasno: 75% pracowników wiedzy używa AI w pracy, a 78% użytkowników AI korzysta z własnych narzędzi. To nie jest argument za pełną swobodą. To argument za podejściem: monitoruj, edukuj i zapewnij bezpieczną ścieżkę.

Szerszy obraz tego, jakie zagrożenia związane z AI identyfikują eksperci w Polsce, znajdziesz w raporcie o realnych zagrożeniach AI w Polsce do 2040 roku.

5 narzędzi, od których warto zacząć

Jeśli chcesz ograniczyć shadow AI w firmie 20-500 osób, zacznij od jednego narzędzia do kontroli danych i jednej bezpiecznej alternatywy dla zespołu. Poniżej jest zestaw, który ma sens operacyjny.

1. Microsoft Purview

Dla kogo: firmy na Microsoft 365

Co robi: wykrywa i ogranicza udostępnianie wrażliwych danych w aplikacjach, przeglądarkach i endpointach

Źródło: Microsoft Purview

Microsoft opisuje Purview jako pakiet do bezpieczeństwa danych i nadzoru nad nimi. W części DLP deklaruje ochronę danych “across apps, browsers, on-premises file shares, and other endpoints”. Dla organizacji już pracujących w M365 to zwykle najniższy próg wejścia, bo nie trzeba budować całego procesu od zera.

To dobre rozwiązanie, jeśli większość pracy marketingu dzieje się w Outlooku, Teamsach, SharePoincie i dokumentach Microsoftu. W praktyce Purview pomaga wykrywać wzorce typu dane osobowe, numery kart czy identyfikatory.

2. Google Workspace DLP

Dla kogo: firmy na Google Workspace

Co robi: pozwala tworzyć reguły DLP dla Drive, Gmaila i Chatu

Źródło: Google Workspace DLP

Google w dokumentacji DLP wprost wskazuje, że możesz tworzyć reguły kontrolujące, co użytkownicy udostępniają poza organizację. Dokumentacja obejmuje Drive DLP, Gmail DLP i Chat DLP.

To ważne dla zespołów marketingowych, które żyją w Dokumentach Google, arkuszach, załącznikach mailowych i szybkiej komunikacji na czacie. Jeśli Twoje dane o klientach krążą głównie w tym ekosystemie, Google Workspace DLP jest bardziej naturalnym startem niż dokładanie od razu zewnętrznego narzędzia.

3. Zscaler Internet Access

Dla kogo: firmy, które chcą kontrolować ruch do usług webowych i SaaS

Co robi: działa jako warstwa bezpiecznego dostępu do internetu; pozwala egzekwować polityki dostępu i łączyć je z ochroną danych

Źródło: Zscaler Internet Access

Na stronie produktu Zscaler eksponuje Zscaler Internet Access jako warstwę bezpiecznego dostępu do internetu, a obok niej rozwija moduły związane z DLP, CASB i kontrolą dostępu do aplikacji AI. To nie jest narzędzie “tylko dla AI”, ale właśnie dlatego bywa użyteczne: widzisz i ograniczasz ruch do klas usług, a nie tylko do jednego chatbota.

Dla lidera operacji to często sensowny etap drugi: najpierw zobaczyć, z jakich usług AI ludzie naprawdę korzystają, a dopiero potem włączać ostrzejsze blokady.

4. ChatGPT Business lub ChatGPT Enterprise

Dla kogo: zespoły, które i tak chcą używać ChatGPT

Co robi: daje firmowy workspace, administrację i zobowiązania prywatności dla danych biznesowych

Źródła: Enterprise privacy at OpenAI, OpenAI DPA

OpenAI deklaruje dla ofert biznesowych, że domyślnie nie trenuje modeli na danych biznesowych oraz że może zawrzeć DPA dla ChatGPT Business, ChatGPT Enterprise i API. To zmienia rozmowę z zespołem. Zamiast mówić “nie używajcie ChatGPT”, możesz powiedzieć: “używajcie tej wersji, na tych zasadach”.

To ważne rozróżnienie. Konsumencki chatbot i firmowy workspace to nie to samo z perspektywy prywatności, retencji danych i administracji.

5. Microsoft 365 Copilot

Dla kogo: firmy mocno osadzone w Microsoft 365

Co robi: daje bezpieczną warstwę AI nad danymi z Microsoft Graph i respektuje uprawnienia w tenantcie

Źródło: Data, Privacy, and Security for Microsoft 365 Copilot

Microsoft deklaruje, że prompty, odpowiedzi i dane pobierane przez Microsoft Graph nie są używane do trenowania modeli bazowych obsługujących Copilota. Jednocześnie Copilot działa w granicach uprawnień użytkownika i w istniejących zobowiązaniach prywatności Microsoft 365.

Jeśli marketing i sprzedaż już siedzą w Outlooku, Teamsach, OneDrive i SharePoincie, Copilot bywa skuteczniejszą odpowiedzią na shadow AI niż kolejna polityka PDF. Zespół dostaje narzędzie w swoim środowisku pracy, a Ty nie wypychasz go do publicznych botów.

Szybkie porównanie:

Jak wdrożyć to bez paraliżu zespołu

Najpierw zdiagnozuj skalę zjawiska, potem uruchom mały pilotaż, a dopiero na końcu dokręcaj polityki. Odwrócenie tej kolejności zwykle kończy się oporem.

Krok 1: zrób prostą diagnozę

Zacznij od siedmiu pytań:

1. Czy mamy listę dozwolonych narzędzi AI?

2. Czy zespół wie, czego nie wolno wklejać do zewnętrznych chatbotów?

3. Czy mamy prostą politykę użycia AI i danych?

4. Czy dla narzędzi biznesowych mamy uzgodnione warunki i wymagane umowy?

5. Czy wiemy, z jakich narzędzi AI korzystają ludzie na firmowych kontach i urządzeniach?

6. Czy istnieje bezpieczna alternatywa dla najczęstszych zastosowań marketingu?

7. Czy ktoś w firmie odpowiada za przegląd tych zasad co kwartał?

Jeśli na kilka z tych pytań odpowiadasz “nie wiem”, to nie znaczy, że problemu nie ma. To zwykle znaczy, że nie masz nad nim widoczności.

Krok 2: wybierz jeden system kontroli i jedną alternatywę

Najczęstszy błąd to próba wdrożenia wszystkiego naraz. Lepszy układ wygląda tak:

• firma na M365: Purview + Copilot albo ChatGPT Business,
• firma na Google Workspace: Google Workspace DLP + firmowy chatbot z warunkami biznesowymi,
• firma z wysoką kontrolą sieci: warstwa typu Zscaler + bezpieczne narzędzie dla użytkowników.

Pilotaż w jednym dziale przez 4-6 tygodni daje więcej niż ogólnofirmowy zakaz. Widzisz realne zachowania, fałszywe alarmy i miejsca, gdzie polityka przeszkadza bardziej niż pomaga.

Krok 3: dopiero potem rozszerzaj zasady

Po pilotażu dopracuj trzy rzeczy:

• listę zatwierdzonych narzędzi AI,
• listę danych zakazanych do wklejania,
• proces zgłaszania nowych narzędzi przez zespół.

To ważne, bo shadow AI nie znika po jednym wdrożeniu. Zmienia tylko formę. Narzędzia się mnożą, więc zasady też muszą żyć.

Kontrola bez roli “złego policjanta”

Kontrola zadziała tylko wtedy, gdy ludzie rozumieją, po co powstała i co dostają w zamian. Sam monitoring bez komunikacji budzi opór. Monitoring połączony z jasną ścieżką użycia AI zwykle działa dużo lepiej.

Co powiedzieć zespołowi wprost

Zanim uruchomisz nowe zasady, zakomunikuj trzy rzeczy:

• co monitorujesz,
• czego nie wolno wysyłać do zewnętrznych usług,
• jakiego narzędzia firma chce, żeby używano zamiast tego.

To banalne, ale właśnie tego najczęściej brakuje. Ludzie łamią zasady nie tylko dlatego, że chcą, ale też dlatego, że nikt nie zamienił ogólnego “uważajcie na dane” w konkret.

Co zwykle działa lepiej niż straszenie

Najbardziej praktyczne są krótkie reguły:

• wolno pytać AI o strukturę kampanii, szkice nagłówków i analizę anonimowych danych,
• nie wolno wklejać pełnych danych klientów, eksportów z CRM i materiałów objętych NDA,
• nowe narzędzie AI można zgłosić do oceny zamiast wdrażać po cichu.

Jeśli chcesz sprawdzić, które kategorie narzędzi AI podlegają ograniczeniom prawnym, przeczytaj artykuł o zakazanych systemach AI.

Pięć praktyk, które dają efekt

1. Utrzymuj krótką listę zatwierdzonych narzędzi AI i aktualizuj ją co kwartał.

2. Rozpisz jedną stronę zasad: co wolno, czego nie wolno i kiedy eskalować.

3. Daj zespołowi bezpieczne narzędzie zamiast samego zakazu.

4. Testuj polityki najpierw w jednym dziale, nie w całej firmie.

5. Nagradzaj pytania o zgodę, zamiast karać każde potknięcie.

Podsumowanie

Shadow AI nie jest modnym hasłem z działu bezpieczeństwa. To codzienny skrót, po który sięga zespół, gdy oficjalne narzędzia są za wolne, zbyt słabe albo nie istnieją.

Jeśli chcesz odzyskać kontrolę, zacznij od trzech ruchów. Najpierw sprawdź, gdzie dane naprawdę wypływają. Potem wdroż jedno narzędzie do kontroli i jedną bezpieczną alternatywę. Na końcu dopiero dopisz politykę, która wynika z realnych zachowań zespołu, a nie z życzeń.

Najgorszy wariant to zakładać, że problemu nie ma. Drugi najgorszy to próbować wygrać z nim samym zakazem.

FAQ

Co to jest shadow AI?

Shadow AI to używanie narzędzi AI poza firmową listą zatwierdzonych narzędzi albo bez wiedzy osób odpowiedzialnych za IT, dane i zgodność. Najczęściej nie wynika ze złej woli, tylko z presji na szybkość i łatwej dostępności chatbotów.

Jak sprawdzić, czy mój zespół używa shadow AI?

Najpierw zapytaj ludzi wprost, jakich narzędzi używają i do czego. Potem zestaw to z logami i politykami w systemach, które już masz, na przykład w Microsoft 365, Google Workspace albo warstwie dostępu do internetu. Bez rozmowy z zespołem same logi dadzą tylko połowę obrazu.

Czy mogę po prostu zakazać używania AI?

Możesz, ale taki zakaz rzadko działa długoterminowo. Pracownicy zwykle przenoszą użycie AI na prywatne konta albo inne narzędzia. Skuteczniejsze jest połączenie kontroli danych z bezpieczną alternatywą.

Czy standardowy ChatGPT nadaje się do pracy na danych klientów?

Domyślnie to słaby wybór. W konsumenckiej polityce prywatności OpenAI wskazuje, że treści mogą być używane do ulepszania usług, chyba że użytkownik zmieni ustawienia albo użyje Temporary Chat. To nie zastępuje firmowych umów, retencji i kontroli administracyjnej.

Od czego zacząć w firmie 20-100 osób?

Jeśli jesteś na Microsoft 365, zacznij od Purview i rozważ Copilota albo firmowy workspace ChatGPT. Jeśli jesteś na Google Workspace, najprostszym startem jest DLP w Drive, Gmailu i Chacie oraz jedna zatwierdzona alternatywa dla publicznych botów.