Zezwolić na narzędzia AI, czy je zablokować?

Pytanie stojące za pytaniem

Kiedy ktoś pyta, czy zezwolić na narzędzia AI, czy je zablokować, zwykle nieświadomie pyta o coś węższego. Pyta, jak uzyskać wartość bez ekspozycji. Ujęte w ten sposób, zezwól-kontra-zablokuj to fałszywy binarny wybór, bo żaden z biegunów nie odpowiada na prawdziwą potrzebę.

Całkowity zakaz odpowiada na ekspozycję, ale niszczy wartość, i jak zobaczymy dalej, nawet nie zapewnia takiej kontroli ekspozycji, jaką obiecuje. Zezwolenie na wszystko przechwytuje wartość, ale zostawia ekspozycję szeroko otwartą. Użyteczna decyzja nie polega na wybraniu jednego z biegunów. Polega na tym, jak poprowadzić linię pomiędzy nimi, narzędzie po narzędziu i klasa danych po klasie danych.

Dlatego reszta tego przewodnika traktuje to pytanie jako trzy mniejsze. Dlaczego całkowity zakaz zwykle działa na niekorzyść? Kiedy zablokowanie konkretnego narzędzia jest rzeczywiście słuszne? I jak w praktyce wygląda środek, który da się obronić?

Dlaczego całkowity zakaz zwykle działa na niekorzyść

Argument przeciwko odruchowemu zakazowi opiera się na tym, co dzieje się po jego ogłoszeniu, nie na ideologii.

Zakazy przenoszą użycie w cień, nie kończą go. Narzędzia są przydatne, a ludzie pod presją terminu sięgną po to, co pomaga. Kiedy usankcjonowana droga zostaje zamknięta, użycie nie ustaje. Przenosi się na prywatne konta, prywatne urządzenia i prywatne telefony, gdzie nie masz logów, umowy powierzenia ani konsoli administratora. Badanie UpGuard, które objęło 542 specjalistów security i 1020 pracowników pod koniec 2025 roku, wykazało, że ponad 80% pracowników korzystało z niezatwierdzonych narzędzi AI, a 45% aktywnie szukało obejść, żeby dostać się do zablokowanych aplikacji. Badanie Wakefield Research z 2026 roku podobnie wykazało, że dwie trzecie pracowników biurowych używało AI w pracy, mimo że wierzyli, że nie jest to dozwolone. Zakaz zmienia, gdzie dzieje się użycie, nie to, czy się dzieje.

Tracisz widoczność, której najbardziej potrzebowałeś. Przed zakazem narzędzie używane na koncie firmowym zostawia przynajmniej ślad: grant OAuth, logowanie, pozycję na fakturze. Po zakazie ten sam pracownik otwiera to samo narzędzie na prywatnym koncie w domu i nie widzisz nic. Kontrola, po którą sięgnąłeś, żeby zmniejszyć ryzyko, jest tą, która cię na nie zaślepia. Raport IBM Cost of a Data Breach z 2025 roku podaje konkretną liczbę na koszt tego efektu: naruszenia z udziałem shadow AI kosztowały średnio około 670 000 USD więcej niż przeciętne naruszenie, częściowo dlatego, że organizacja nie mogła zobaczyć ani prześledzić, jakie dane zostały ujawnione, a 97% organizacji, które doświadczyły naruszenia związanego z AI, nie miało odpowiednich kontroli dostępu do AI.

Ludzie, których najbardziej chcesz objąć zarządzaniem, już są w środku. To nie jest marginalne zachowanie, które da się powstrzymać, zamykając drzwi. Microsoft i LinkedIn w Work Trend Index z 2024 roku wykazali, że 78% osób używających AI w pracy przynosi własne narzędzia, przy czym udział ten jest jeszcze wyższy w mniejszych firmach. Tak szerokie przyjęcie oznacza, że zakaz płynie pod prąd zamiast go kierować. Co więcej, te same dane UpGuard pokazały, że blisko 90% specjalistów security korzysta z niezatwierdzonych narzędzi, więc nawet ludzie odpowiedzialni za kontrole obchodzą je dookoła.

Zakazy uczą milczenia. Gdy polityka mówi nie, racjonalną reakcją pracownika na pytanie, sytuację o mały włos, albo przydatne nowe narzędzie, jest zachowanie milczenia. Tracisz wczesne sygnały, które pozwalają dobrze zarządzać: prośbę o narzędzie, którego jeszcze nie zweryfikowałeś, zgłoszenie, że kolega wkleił listę klientów tam, gdzie nie powinien. Zakaz nie ukrywa tylko narzędzi. Ukrywa rozmowy, których potrzebujesz, żeby nimi zarządzać.

Nic z tego nie oznacza, że użycie jest nieszkodliwe. Oznacza, że zakaz jest złym narzędziem na tę szkodę, bo zamienia widoczny, możliwy do zarządzania problem na niewidoczny, niemożliwy do zarządzania.

Kiedy zablokowanie konkretnego narzędzia jest słuszną decyzją

Argument przeciwko całkowitym zakazom nie jest argumentem przeciwko blokowaniu czegokolwiek w ogóle. Ukierunkowana blokada konkretnego narzędzia, z konkretnego powodu, to legalna, a czasem konieczna kontrola. Rozróżnienie dotyczy tego, czy blokujesz wszystko domyślnie, czy blokujesz jedno nazwane narzędzie, bo nie przechodzi ono jasnego testu.

Blokada konkretnego narzędzia jest uzasadniona w tych przypadkach:

Warunki pozwalają na trenowanie na Twoich danych bez opcji rezygnacji dla firm. Wiele planów konsumenckich zastrzega sobie prawo do wykorzystywania przesłanej treści do ulepszania swoich modeli. Jeśli narzędzie nie oferuje planu biznesowego albo enterprise, który umownie wyłącza Twoje dane z trenowania, a Twoi ludzie realistycznie karmiliby je treścią roboczą, to solidny powód, żeby zablokować konsumencki punkt wejścia i skierować użycie do zatwierdzonej alternatywy.

Narzędzie nie może spełnić umownej albo regulacyjnej granicy danych. Jeśli zobowiązałeś się wobec klientów, regulatora albo audytora, że określone dane pozostają w zdefiniowanych granicach, narzędzie, które nie może zaoferować umowy powierzenia, hostingu regionalnego albo przejrzystości podprocesorów, jakiej potrzebujesz, to narzędzie, do którego nie możesz dopuścić tej klasy danych. Zablokowanie go dla tej klasy danych dotrzymuje obietnicy, którą już złożyłeś.

Wiarygodne ustalenie dotyczące bezpieczeństwa czyni je niebezpiecznym. Udokumentowana historia naruszeń, rozszerzenie przeglądarki proszące o uprawnienia dalece wykraczające poza swoją funkcję, niezweryfikowany dostawca bez żadnej możliwej do zweryfikowania postawy bezpieczeństwa: to konkretne, oparte na dowodach powody, żeby zablokować konkretną rzecz. Kluczowe słowo to konkretne. Blokada wynika z ustalenia, nie z nastroju.

Narzędzie tworzy niedopuszczalną koncentrację dostępu. Narzędzie, które łączy się z Twoimi kluczowymi systemami przez szerokie scope'y OAuth, albo agent, który może działać w Twoim imieniu, zasługują na baczniejszą uwagę niż samodzielne narzędzie czatowe. Jeśli nie możesz ograniczyć, do czego może sięgnąć, rozsądne jest zablokowanie go, dopóki nie będziesz mógł.

Dwie zasady utrzymują ukierunkowane blokowanie w ryzach. Po pierwsze, każdej blokadzie towarzyszy nazwana alternatywa, więc odpowiedź na "czy mogę użyć X" brzmi "użyj Y", a nie płaskie nie, które popycha ludzi do obejścia. Po drugie, zapisz, dlaczego narzędzie jest zablokowane. Blokadę z zapisanym powodem można ponownie rozpatrzyć, gdy narzędzie wypuści plan enterprise albo naprawi ustalenie. Blokada bez powodu staje się trwała przez bezwładność i uczy ludzi, żeby ją omijali.

Środek: zezwól i otocz guardrailami

Pozycja, która broni się pod presją, to świadome zezwolenie na użycie AI i otoczenie danych barierkami. To jedyne podejście, które zachowuje wartość, nie wyrzucając przy tym widoczności, jaką odbiera zakaz. Opiera się na kilku ruchomych elementach.

Zacznij od widoczności, nie od werdyktu

Zanim zdecydujesz, na co zezwolić, a co zablokować, sprawdź, co już jest w użyciu. Nie da się poprowadzić sensownej linii na mapie, której nie widziałeś. Praktyczny discovery wykorzystuje ślady, jakie zostawiają narzędzia: granty OAuth w Twoim dostawcy tożsamości, logi logowań, dane wydatków i kart, inwentarz rozszerzeń przeglądarki oraz bezpośrednią, niekarną ankietę pytającą ludzi, czego faktycznie używają i dlaczego. Celem tego pierwszego przejścia jest lista narzędzi i zadań, do których ludzie ich używają. To ta lista, a nie domyślna postawa, jest podstawą decyzji.

Powód, dla którego widoczność jest na pierwszym miejscu, jest strukturalny. Zakaz wydany przed discovery to zgadywanie. Lista zatwierdzonych narzędzi zbudowana po discovery odzwierciedla to, jak ludzie faktycznie pracują, a to jedyna wersja, której będą przestrzegać.

Zbuduj listę zatwierdzonych narzędzi z szybką ścieżką zgłoszeń

Lista zatwierdzonych narzędzi odpowiada na pytanie, które inaczej każdy pracownik musi zgadywać: czego wolno mi używać? Nazwij narzędzia, nazwij plan tam, gdzie to ma znaczenie, i nazwij ścieżkę, żeby poprosić o coś, czego na liście nie ma. Ścieżka zgłoszenia jest tak samo ważna jak sama lista. Jeśli zgłoszenie znika w kolejce na trzy tygodnie, odtworzyłeś warunki, które pchają ludzi wokół procesu. Szybka, widoczna ścieżka zgłoszenia to coś, co czyni zatwierdzoną listę wiarygodną. Ludzie przestrzegają procesu, który działa szybciej niż obejście.

Klasyfikuj według wrażliwości danych, nie tylko według narzędzia

Najbardziej użyteczna struktura to powiązanie uprawnień z klasą danych, zamiast zostawiać to osądowi każdej osoby w danym momencie. Działająca wersja ma niewielką liczbę poziomów, na przykład:

• Publiczne lub niskiej wrażliwości · Przykłady: Opublikowany materiał, ogólne szkicowanie, publiczne badania · Zasada: Zatwierdzone narzędzia, szerokie użycie
• Wewnętrzne · Przykłady: Niewrażliwe dokumenty wewnętrzne, notatki robocze · Zasada: Zatwierdzone narzędzia z kontem enterprise i warunkami bez trenowania
• Poufne lub regulowane · Przykłady: Dane osobowe klientów, zapisy finansowe, sekrety, kod źródłowy, wszystko objęte granicą regulacyjną · Zasada: Tylko nazwane narzędzia z umową powierzenia, spełniające granicę, albo całkowicie poza narzędziami zewnętrznymi

Sens klasyfikowania na poziomy polega na tym, że zastępuje "stosuj dobry osąd wobec wrażliwych danych" zasadą, którą osoba może zastosować przy klawiaturze. Patrzy na to, co ma przed sobą, umieszcza to w klasie i stosuje zasadę dla tej klasy. Utrzymuj liczbę poziomów na tyle małą, żeby ludzie mogli je zapamiętać.

Domyślnie stawiaj na konta klasy enterprise

Duża część ryzyka związanego z danymi w konsumenckich narzędziach AI wynika z warunków konsumenckich, nie z technologii. Ten sam model na planie enterprise albo biznesowym zwykle daje Ci umowę powierzenia, umowne zobowiązanie do braku trenowania, jednokrotne logowanie, kontrole administratora i logi audytu. Przeniesienie usankcjonowanego użycia na konta enterprise zamienia niemożliwe do zarządzania narzędzie konsumenckie w możliwe do zarządzania narzędzie firmowe. Dla wielu organizacji ten pojedynczy ruch daje więcej niż jakakolwiek blokada, bo pozwala ludziom dalej używać narzędzia, którego chcą, a jednocześnie wprowadza dane pod Twoje kontrole.

Używaj technicznych guardraili, żeby wspierać politykę, a nie ją zastępować

Kontrole enterprise mają swoje miejsce w środku. Narzędzia data loss prevention, cloud access security broker, secure web gateway i kontrole przeglądarki świadome AI mogą wykrywać albo ograniczać przepływ wrażliwych danych do niezatwierdzonych miejsc docelowych i dawać Ci wyraźniejszy obraz użycia. Są najskuteczniejsze jako egzekwowanie i widoczność za polityką, którą ludzie już rozumieją i szeroko akceptują, a nie jako mur postawiony w miejsce polityki. Kontrole bez działającej polityki zapraszają do tych samych obejść co zakaz. Polityka bez żadnego egzekwowania rozmywa się. Para trzyma całość.

Niezależnie od tego, gdzie wylądujesz, dźwigaj obowiązek kompetencji

Niezależnie od tego, jaką mieszankę zezwoleń i blokad wybierzesz, unijny AI Act ustala punkt wyjścia, który nie zależy od Twojej postawy. Artykuł 4, obowiązujący od 2 lutego 2025, wymaga od dostawców i deployerów systemów AI zapewnienia wystarczającego poziomu kompetencji AI wśród personelu i innych osób korzystających z AI w ich imieniu, dostosowanego do ich roli i kontekstu. Firma, która szeroko zezwala na AI, potrzebuje ludzi rozumiejących ryzyko, którym zarządzają. Firma, która mocno blokuje, wciąż ma personel korzystający z tego, co się prześlizgnie, i wciąż ma ten obowiązek. Kompetencje to jedyny element, którego nie pomija ani zezwolenie, ani blokada.

Podsumowanie

Decyzja to domyślna postawa plus krótka lista wyjątków, a nie jeden przełącznik. Domyślna postawa, która przetrwa zderzenie z rzeczywistością, to zezwól-z-guardrailami: odkryj, co jest w użyciu, opublikuj listę zatwierdzonych narzędzi z szybką ścieżką zgłoszeń, powiąż uprawnienia z wrażliwością danych i przenieś usankcjonowane użycie na konta enterprise, które wprowadzają dane pod Twoje kontrole. Wobec tej domyślnej postawy blokujesz konkretne narzędzia z konkretnych, zapisanych powodów, a każdej blokadzie towarzyszy nazwana alternatywa.

Ta postawa daje Ci to, o co pierwotnie pytano. Ludzie zachowują wartość narzędzi. Ty zachowujesz widoczność, którą zniszczyłby zakaz. A trudne przypadki, naprawdę niebezpieczne narzędzie albo dane, które nie mogą opuścić granicy, dostają ukierunkowaną blokadę, na jaką zasługują, zamiast każde narzędzie dostającej ją odruchowo.

Źródła

• The State of Shadow AI · https://www.upguard.com/resources/the-state-of-shadow-ai (ponad 80% pracowników i blisko 90% specjalistów security korzysta z niezatwierdzonych narzędzi AI, 45% znajduje obejścia dla zablokowanych aplikacji, badanie 542 specjalistów security i 1020 pracowników, listopad 2025)
• New Research from UpGuard Reveals 68% of Security Leaders Admit to Unauthorized AI Usage · https://www.upguard.com/press/new-research-from-upguard-reveals-68-of-security-leaders-admit-to-unauthorized-ai-usage (informacja prasowa i metodologia badania UpGuard na temat shadow AI)
• Shadow AI is widespread, and executives use it the most · https://www.cybersecuritydive.com/news/shadow-ai-employee-trust-upguard/805280/ (niezależne relacjonowanie ustaleń UpGuard)
• 2024 Work Trend Index Annual Report · https://www.microsoft.com/en-us/worklab/work-trend-index (78% użytkowników AI przynosi własne AI do pracy, około 80% w małych i średnich firmach, badanie 31 000 osób w 31 krajach)
• Microsoft and LinkedIn release the 2024 Work Trend Index on the state of AI at work · https://news.microsoft.com/source/2024/05/08/microsoft-and-linkedin-release-the-2024-work-trend-index-on-the-state-of-ai-at-work/ (wskaźnik BYOAI, pierwotna publikacja)
• Cost of a Data Breach 2025 · https://www.ibm.com/reports/data-breach (naruszenia związane z shadow AI kosztują około 670 000 USD więcej niż przeciętne, 97% naruszeń związanych z AI nie miało odpowiednich kontroli dostępu do AI, 20% organizacji doświadczyło naruszenia przez shadow AI)
• Article 4: AI literacy · https://artificialintelligenceact.eu/article/4/ (pełny tekst obowiązku kompetencji AI z Artykułu 4 dla dostawców i deployerów)
• AI Literacy · Questions & Answers, Shaping Europe's digital future · https://digital-strategy.ec.europa.eu/en/faqs/ai-literacy-questions-answers (potwierdzenie Komisji Europejskiej, że Artykuł 4 obowiązuje od 2 lutego 2025, i jego zakres)
• Nearly Half of Employees Are Using Banned AI Tools at Work · https://www.newsweek.com/nearly-half-employees-are-using-banned-ai-tools-work-2110261 (ustalenie Wakefield Research z 2026 roku, że dwie trzecie używało AI mimo przekonania, że nie jest to dozwolone)