Shadow AI: mit kockáztat, ha a munkatársak szabadon használnak AI-eszközöket?

A fejlesztőcsapatból valaki egy copilotot kötött az IDE-jéhez. A marketinges egy böngészőbővítmény segítségével foglalja össze a heti megbeszéléseket. A pénzügyi munkatárs a negyedéves számokat egy ingyenes chatbotba másolja be, mert így sokkal gyorsabban kap összefoglalót, mintha a vállalat saját eszközeit használná. Ezek mindegyike a shadow AI (árnyék-AI) kategóriájába tartozik. Nem rosszindulat áll mögöttük, hanem a gyorsabb munka igénye, mégis az egész vállalat kockázati profilját átalakítják.

Miről olvashat ebben a cikkben?

• Miért veszélyesebb a shadow AI, mint a hagyományos, nem engedélyezett szoftverhasználat?

• Milyen konkrét, adatokkal alátámasztott kockázatokat hordoz a felügyelet nélküli AI-használat?

• Miért nem old meg semmit a teljes tiltás?

• Hogyan lehet mérhető kontroll alá venni a jelenséget anélkül, hogy megbénítanánk a csapatok munkáját?

Shadow AI és shadow IT: Miben más a kettő?

A hagyományos shadow IT esetén a munkatársak nem jóváhagyott felhőtárhelyre tölthetnek vállalati fájlokat. A shadow AI aktív feldolgozással és átadott hozzáférésekkel bővíti ezt a kockázatot: a promptok és dokumentumok külső szolgáltatáshoz kerülhetnek, az integrációk pedig vállalati adatokkal végezhetnek műveleteket. A megőrzés, a tanítási célú felhasználás és az esetleges továbbadás a szolgáltatótól, a terméktől, a szerződéstől és a fiók beállításaitól függ; nem minden AI-interakció automatikus következménye.

A hálózati megfigyelés önmagában nem feltétlenül ad teljes képet. A böngészős AI-forgalom áthaladhat a vállalati hálózaton, de a személyes fiókok és a közvetlen felhőszolgáltatás-kapcsolatok kívül eshetnek a meglévő rálátáson. A felderítésnek a hozzáférési jogosultságokat, a böngészőbővítményeket és a SaaS-kapcsolatokat is le kell fednie.

Keskeny képernyőn a táblázat vízszintesen görgethető.

Valóban ekkora a baj?

A számok nem hagynak sok kétséget afelől, hogy nem kis fejfájást fog okozni ez a tendencia a cégek számára. Az OffSec idei elemzése szerint a munkavállalók több mint 80 százaléka használ nem engedélyezett AI-eszközöket, és a biztonsági szakemberek közel 90 százaléka maga is él ezekkel. Eközben a vállalatoknak csak 12 százaléka rendelkezik formális AI-governance szabályozással.

Az adatkiáramlás mértékét az OffSec hivatkozott kutatása is igazolja. Eszerint a munkavállalók 77 százaléka másol be adatot generatív AI-promptokba, 82 százalékuk pedig ezt felügyelet nélküli, személyes fiókból teszi. A bizalmas forráskód, a pénzügyi terv vagy az ügyféllista ezzel a mozdulattal kikerül a vállalati kontroll alól, és olyan modellbe kerülhet, amelynek sem a tárolási, sem a megőrzési politikáját nem ismeri a cég.

A kockázat nem elméleti. A személyes adatok nem jóváhagyott AI-eszközbe történő feltöltése az adatoktól, az alkalmazandó jogtól és a védelmi intézkedésektől függően érintheti a GDPR vagy az amerikai egészségügyi adatokra vonatkozó HIPAA követelményeinek teljesítését. Sérülhetnek a SOC 2, a szolgáltatói kontrollokat vizsgáló attesztációs keretrendszer szerinti kontrollvállalások is. Megfelelő auditnyom nélkül a szervezet utólag nem feltétlenül tudja megállapítani, mi történt az adattal.

A fejlesztői oldalon más típusú kockázat jelenik meg. Amikor a csapat AI-asszisztensekkel generál kódot biztonsági felülvizsgálat nélkül, könnyen épülhetnek be hibás jogosultsági modellek, sebezhető függőségek vagy akár nem létező, hallucinált szoftvercsomagok a kódbázisba. Viszont egy penetrációs teszt, azaz egy kontrollált, valós támadást szimuláló vizsgálat kiderítheti, hogy egy ilyen hiba a gyakorlatban is kihasználható-e vagy csak papíron létezik.

Miért lehet tartani az AI-ügynököktől?

A munkatársak egy része ma már nem csupán chatbotokkal beszélget, hanem önállóan cselekvő AI-ügynököket épít olyan platformokon, mint a Cursor, a Zapier vagy a Retool. Ezek az ügynökök tartós jogosultságokkal rendelkeznek, csatlakoznak a vállalati CRM-hez, a Slackhez vagy a felhőtárhelyhez, és emberi jóváhagyás nélkül hoznak döntéseket.

Az OWASP Top 10 for Agentic Applications 2026 az autonóm AI-rendszerek sajátos kockázatait foglalja össze. Első kategóriája, az Agent Goal Hijack, azt írja le, amikor egy támadó rosszindulatú utasításokkal eltéríti az ügynök célját. Ezért nemcsak a válaszok minőségét, hanem az ügynök hozzáféréseit és műveleti lehetőségeit is fel kell mérni.

Ennek egyik legveszélyesebb formája az úgynevezett lethal trifecta: amikor egy ügynök egyszerre fér hozzá bizalmas belső adathoz, tud külső kommunikációt indítani, és feldolgoz ellenőrizetlen külső tartalmat, például egy e-mailt vagy egy weboldalt. Egy támadónak ilyen esetben elég egy rejtett utasítást elhelyeznie ebben a külső tartalomban, ezt nevezik indirekt prompt injectionnek, hogy az ügynök a meglévő jogosultságait használva továbbítsa az adatokat, akár olyan módon, amelyet a szervezet biztonsági kontrolljai nem észlelnek időben.

A Naunet blogján korábban bemutatott OpenClaw-eset is pontosan azt mutatja be, hogy mekkora kockázatot rejthetnek az egyébként hasznos funkciót betöltő AI-eszközök, például az asszisztensek.

Tiltás helyett szabályozás

A reflexszerű válasz sokszor a tiltás. Valójában azonban ez nem oldja meg a problémát, csak eltünteti a láthatóságot, ami, valljuk be, még rosszabb. A fent említett OffSec kutatás kitért arra is, hogy 48 százalék a tiltás ellenére is tovább használná az AI-eszközöket, és 65 százalékuk szerint ez teljesen elfogadható a hatékonyság érdekében. Az alkalmazásuk tehát a tiltástól nem szűnik meg, csak a biztonsági csapat veszíti el a radarjáról a használatot.

Az IBM 2026-os kutatása szerint az adatszivárgások globális átlagos költsége 4,99 millió dollár, és a vizsgált szervezetek több mint egyötöde tapasztalt AI-modelleket vagy -alkalmazásokat célzó incidenst. Ezek tágabb AI-biztonsági eredmények, nem kifejezetten a shadow AI által okozott incidensek arányát mérik.

A kérdés ma már nem az, érdemes-e foglalkozni a shadow AI-val, inkább az, mennyi idő alatt derül ki a hiányosság, és a biztonsági incidens előtt vagy utána.

Hogyan lehet mérhető kontroll alá venni a shadow AI-t?

A hatékony megoldás négy elemre épül.

Szükség van egy pontos leltárra arról, mely AI-alkalmazásokat, bővítményeket és ügynököket használják a csapatok. A jóváhagyott és az informális használatot egyaránt fel kell deríteni, beleértve a rejtett OAuth-kapcsolatokat is, azaz a külső alkalmazásoknak adott hozzáférési engedélyeket, amelyek az első bejelentkezés és jóváhagyás után is fennmaradhatnak, ezért külön biztonsági felülvizsgálatot igényelnek.

Ehhez társul egy gyakorlatban használható AI-politika, amely egyértelműen rögzíti, milyen adat nem kerülhet be semmilyen AI-eszközbe. Ellenőrizni kell az adott szolgáltató training opt-out állapotát is, azaz azt, hogy a betanítási célú adatfelhasználás ténylegesen letiltható-e.

Egy gyorsított engedélyezési folyamat is szükséges elem: ha a biztonsági felülvizsgálat heteket vesz igénybe, a munkatársak egyszerűen megkerülik azt. Viszont egy rövidebb, dokumentált kritériumrendszer megtartja a biztonságot anélkül, hogy az innovációt lassítaná.

És ott van még a validálás! Vagyis az, amikor a vállalat le is teszteli, hogyan viselkedne egy eltérített AI-ügynök a saját rendszerében. Hasonló, kollaboratív, architektúra-szemléletű megközelítést mutattunk be korábban a Penetrációs teszt: együttműködés és architektúra-szemlélet című cikkünkben. Ebben arról írtunk, hogyan illeszkedik az AI-alapú komponensek kockázata egy modern tesztelési scope-ba.

A Naunet MI-kitettség elemzése is erre a négy lépésre épül:

• Feltérképezzük a tényleges AI-használatot,

• értékeljük a meglévő kontrollokat,

• egy külön egyeztetett hatókörben agentikus támadási útvonalakat szimulálunk,

• majd a megállapításokat üzleti következményekhez rendelve rangsoroljuk a teendőket.

A cél egy döntéstámogató anyag összeállítása, amivel a vezetés valóban irányítása alá veheti a munkatársak AI-használatát.

Ha a vállalat nem tudja pontosan, mely AI-eszközök férnek hozzá a belső adataihoz, első lépésként érdemes felmérni a tényleges használatot. A Naunet MI-kitettségi elemzése ebben segít. Foglaljon ingyenes konzultációt!

Gyakran ismételt kérdések a shadow AI témában

Mi pontosan a shadow AI?

A shadow AI minden olyan AI-eszköz, modell vagy integráció, amelyet a munkatársak az IT és a biztonsági csapat formális jóváhagyása és felügyelete nélkül használnak, a böngészőbővítményektől a saját épített AI-ügynökökig.

Miért nem elég egy egyszerű tiltási szabályzat?

Mert a kutatások szerint a munkatársak jelentős része a tiltás ellenére is tovább használja ezeket az eszközöket, csak kevésbé látható módon, ami a biztonsági csapat rálátását szünteti meg, a kockázatot nem.

Mi a különbség a shadow AI és egy shadow AI-ügynök között?

A shadow AI tágabb fogalom, amely a nem engedélyezett chatbotokra és böngészőbővítményekre is vonatkozik. A shadow AI-ügynök ennél tovább megy: tartós jogosultságokkal rendelkezik, csatlakozik a belső rendszerekhez, és önállóan, emberi jóváhagyás nélkül hajt végre műveleteket.

Helyettesíti a MI-kitettség elemzés a penetrációs tesztelést?

Nem. A MI-kitettség elemzés az AI-hoz kapcsolódó kockázatokat és kontrollhiányokat tárja fel, míg a szélesebb körű penetrációs tesztelés külön szolgáltatás, amely a teljes infrastruktúrára kiterjed.