Shadow AI

Skalan är redan massiv

Siffrorna som framkommit de senaste tolv månaderna är entydiga.

Andelen säkerhetsincidenter som involverar shadow AI har mer än fördubblats på ett år.

Siffrorna har ändrats sedan publiceringen

20 % → 43 %

Andelen säkerhetsincidenter som involverar shadow AI, mellan IBM:s rapporter för 2025 och 2026.

4,63 → 5,39 miljoner USD

Genomsnittlig kostnad för intrång där shadow AI varit inblandad.

68 %

Andelen drabbade organisationer som saknade policy för AI-styrning.

Källa: IBM och Ponemon Institute, Cost of a Data Breach Report 2026, baserad på 602 organisationer som drabbats av dataintrång mellan mars 2025 och februari 2026.

Menlo Securitys rapport från 2025 visar att 68 procent av medarbetarna använder gratisversioner av AI-verktyg som ChatGPT via privata konton, och att 57 procent av dem matar in känslig företagsinformation i dessa verktyg. CybSafe och National Cybersecurity Alliance undersökte 7 000 anställda under 2024 och fann att 38 procent delar konfidentiell data med AI-plattformar utan arbetsgivarens tillstånd.

Styrningen har inte följt med. Bara 18,5 procent av de anställda i en studie med 12 000 tjänstemän kände till att deras organisation hade en policy för AI-användning, enligt ISACA 2025.

Gapet mellan adoption och styrning är ett strukturellt problem.

Varför det uppstår

Shadow AI har tre grundläggande drivkrafter.

Tillgänglighet. De flesta AI-verktyg är webbläsarbaserade och molnaktiverade. Trycket på medarbetare att leverera snabbt är konstant, och de hittar egna lösningar när officiell AI-adoption rör sig långsamt genom godkännandeprocesser.

Kulturell normalisering. Moderna organisationer värdesätter initiativ och hastighet, ibland mer än processefterlevnad. Det som tidigare levde i obehöriga appar bor nu i beslutsfattande algoritmer.

Osynlig inbyggnad. Shadow AI syns i offentliga språkmodeller som ChatGPT och Claude, men den kan också ligga dold i verktyg organisationen redan godkänt. AI-funktioner inbyggda i befintliga SaaS-tjänster kan aktiveras utan att IT-avdelningen känner till det.

Riskbilden: tre dimensioner

1. Dataintrång och informationsexponering

Enligt IBM:s rapport för 2026 ledde 49 procent av shadow AI-incidenterna till dataförlust eller komprometterad data, 42 procent störde verksamheten och 35 procent gav skada på anseendet.

Den ekonomiska kostnaden är konkret. Intrång som involverade shadow AI kostade i genomsnitt 5,39 miljoner USD, mot 4,63 miljoner året innan. Det globala genomsnittet för samtliga intrång låg på 4,99 miljoner USD. Av de organisationer som drabbades av ett AI-relaterat intrång saknade 92 procent adekvata åtkomstkontroller för sina AI-system.

Exfiltreringsvägen är enkel men svår att övervaka. En medarbetare kopierar känslig data, klistrar in den i ett AI-verktyg, och informationen lämnar organisationens säkerhetsperimeter. Exponeringskedjan inkluderar copy-paste i chattgränssnitt, filuppladdningar till AI-plattformar, API-integrationer mellan SaaS-verktyg och AI-tjänster, webbläsartillägg som avlyssnar sidinnehåll, samt OAuth-tokens som ger AI-agenter beständig dataåtkomst. Menlo Security loggade över 155 000 copy-händelser och 313 000 paste-försök till AI-verktyg under en enda månad.

2. Regulatorisk exponering och GDPR

GDPR artikel 30 kräver att register förs över all databehandling. Det är strukturellt omöjligt att efterleva när organisationen saknar insyn i vilken data som laddas upp till externa AI-system. Artikel 17 kräver att personuppgifter kan raderas på begäran, men organisationen kan sällan avgöra vilka AI-system som innehåller dess data.

Konsekvenserna är redan kännbara. I ungefär var femte incident kopplad till shadow AI betalade organisationen en sanktionsavgift, enligt IBM 2026.

3. Arkitektonisk osäkerhet och beslutskvalitet

Shadow AI introducerar ett tredje problem som sällan diskuteras i tekniska styrningsdokument: arkitektonisk osäkerhet. Offentligt tillgängliga modeller uppdateras och finjusteras av leverantörer utan förvarning. Modelldrift kan förändra ett systems beteende eller riskprofil snabbt, utan att organisationen märker det.

Oreglerade AI-verktyg levererar oprecisa, partiska eller fabricerade data som medarbetare sedan integrerar i sina beslutsprocesser. Datafel kan cirkulera i verksamheten länge innan de identifieras, och spårbarheten saknas helt.

Shadow AI och AI-förordningen

AI-förordningen är gällande rätt och tillämpas stegvis.

Den 2 februari 2025 trädde förbuden mot oacceptabla AI-användningar i kraft, och kravet på AI-kunnighet i artikel 4 blev tillämpligt.

Den 2 augusti 2026 började transparenskraven i artikel 50 tillämpas. De omfattar bland annat skyldigheten att upplysa om att en användare interagerar med ett AI-system, och märkning av djupa förfalskningar.

Genom Digital Omnibus på AI, förordning (EU) 2026/1744, som trädde i kraft den 27 juli 2026, flyttades kraven för fristående högrisksystem enligt bilaga III till den 2 december 2027, och kraven för högrisksystem som ingår i produkter enligt bilaga I till den 2 augusti 2028. Skälet var att harmoniserade standarder och stödverktyg saknades.

Sanktionsstrukturen är omfattande. Överträdelser av förbuden i artikel 5 kan ge upp till 35 miljoner euro eller 7 procent av global årsomsättning. Bristande efterlevnad av övriga skyldigheter, inklusive de som gäller högrisksystem och transparens, kan ge upp till 15 miljoner euro eller 3 procent.

Shadow AI skapar tre specifika kollisionspunkter med förordningen.

Artikel 4, AI-kunnighet. Leverantörer och tillhandahållare ska vidta åtgärder som stöder utvecklingen av AI-kunnighet hos sin personal och hos andra som hanterar systemen för deras räkning. Genom Digital Omnibus ändrades lydelsen från att säkerställa en tillräcklig nivå till att vidta åtgärder som stöder utvecklingen av den. Kravet gäller fortfarande varje tillhandahållare. En organisation som saknar insyn i vilka AI-verktyg dess medarbetare faktiskt använder kan varken rikta åtgärderna rätt eller visa vad som gjorts.

Artikel 9, riskhantering. Högrisksystem kräver kontinuerlig riskhantering under hela livscykeln. AI-verktyg som processar HR-data, medarbetarbedömningar eller utbildningsbeslut faller sannolikt under högriskklassificeringen i bilaga III, utan att organisationen har något riskhanteringssystem på plats. Kraven börjar tillämpas den 2 december 2027.

Artikel 12, loggning och spårbarhet. Automatiska loggar krävs för högrisksystem. Shadow AI gör dessa revisionsspår strukturellt omöjliga att upprätthålla.

Styrningsgapet är dokumenterat

Mer än två tredjedelar av de drabbade organisationerna saknade processer för att begränsa shadow AI, enligt IBM 2026. Endast 19 procent uppgav att styrnings- och säkerhetsfunktionerna samarbetade, och endast 40 procent tillämpade åtkomstkontroller på sina AI-modeller och AI-data. Gartner bedömer att mer än 40 procent av företagen kommer att drabbas av säkerhets- eller compliancehändelser kopplade till shadow AI före 2030.

Enligt ISACA har färre än en tredjedel av organisationer implementerat heltäckande styrningsramverk, trots att AI-användning är utbredd. En undersökning av 12 000 tjänstemän visade att bara 18,5 procent kände till en officiell policy för AI-användning.

Det är ett ledarskapsproblem lika mycket som ett teknikproblem.

Vad en fungerande styrningsmodell kräver

Shadow AI åtgärdas med ett systematiskt förhållningssätt i fyra sammanhängande lager.

Inventering och kartläggning. Organisationen behöver veta vilka AI-verktyg som faktiskt används, och vilka av dem som är godkända. Det kräver teknisk discovery: nätverksövervakning, SaaS-inventering och regelbundna medarbetarundersökningar. Den genomsnittliga organisationen är värd för omkring 1 200 inofficiella applikationer som skapar duplicerade kostnader, fragmenterade arbetsflöden och en utvidgad attackyta, enligt Kiteworks och IBM 2025.

Klassificering och riskbedömning. Verktyg kategoriseras: godkänt, begränsad användning, förbjudet. Klassificeringen utgår från vilken typ av data som processas, vilken beslutspåverkan verktyget har, och om aktiviteten faller under högriskdefinitionen i bilaga III.

Kompetensbaserad styrning. Artikel 4 kräver åtgärder som stöder AI-kunnighet, och organisationen behöver kunna visa vilka åtgärder som vidtagits. Att informera räcker sällan. Medarbetare behöver förstå vilka risker AI-användning medför, vilka verktyg som är tillåtna, och vilken data som aldrig får matas in i externa modeller. Det är en kompetens att bygga, snarare än en regeltext att läsa.

Kontinuerlig monitorering. Traditionella säkerhetsverktyg kämpar med AI-discovery eftersom AI-kommunikation ofta sker via krypterade kanaler, och nya AI-verktyg uppstår snabbare än säkerhetsteam kan katalogisera dem. Statisk policy är otillräcklig, och det krävs löpande teknisk insyn.

Det kognitiva integritetsperspektivet

Det finns en dimension av shadow AI som sällan diskuteras i tekniska styrningsdokument: vad som händer med medarbetarens tänkande när AI-verktyg används utan ramverk.

Oreglerad AI-användning skapar kognitiv beroendestruktur. Medarbetare som konsekvent delegerar resonemang, analys och formulering till opersonliga modeller, utan att förstå modellernas begränsningar, bias, eller träningsdatans ursprung, tappar gradvis förmågan att kalibrerat utvärdera output. Resultatet är fördjupat beroende av system vars pålitlighet organisationen saknar möjlighet att verifiera.

Shadow AI utan styrning är alltså ett complianceproblem och ett kompetenserosionsproblem. Och kompetenserosion syns aldrig i en säkerhetslogg.

Sammanfattning

Shadow AI är ett aktivt fenomen i varje organisation med fler än tio anställda, oavsett bransch, mognadsnivå eller hur starka IT-policyer ser ut på papper.

Konsekvenserna är tredimensionella: dataintrång och ekonomisk skada, regulatorisk exponering under GDPR och AI-förordningen, samt gradvis urholkning av beslutskvalitet och kognitiv integritet.

Kravet på AI-kunnighet i artikel 4 gäller sedan februari 2025. Transparenskraven i artikel 50 tillämpas sedan augusti 2026. Kraven för högrisksystem inom HR, utbildning och kritisk infrastruktur börjar gälla den 2 december 2027. Organisationer som saknar insyn i vilka AI-verktyg deras medarbetare använder kan varken uppfylla dessa krav eller visa att de försökt.

Styrning av AI börjar med kompetens.

Källor för de rättsliga uppgifterna

Förordning (EU) 2024/1689, AI-förordningen: https://eur-lex.europa.eu/eli/reg/2024/1689/oj

Förordning (EU) 2026/1744, Digital Omnibus på AI: https://eur-lex.europa.eu/eli/reg/2026/1744/oj/eng

AI Act Service Desk, Europeiska kommissionens supportfunktion: https://ai-act-service-desk.ec.europa.eu/en/ai-act-service-desk

Källor för statistiken

IBM och Ponemon Institute, Cost of a Data Breach Report 2026. Studien omfattar 602 organisationer i 17 branscher och 16 länder som drabbats av dataintrång mellan mars 2025 och februari 2026.

Menlo Security, 2025

CybSafe och National Cybersecurity Alliance, Oh Behave! 2024

ISACA, 2025

Gartner

Kiteworks och IBM, 2025