Artigo publicado como integrante do CQC de GRC. A produtividade voltou ao centro da discussão sobre competitividade. Em ambientes cada vez mais pressionados por eficiência, fazer mais com os mesmos recursos deixou de ser apenas uma ambição gerencial. Tornou-se uma condição para permanecer competitivo. Nesse contexto, a inteligência artificial surge como uma promessa sedutora: transformar horas de trabalho em minutos. Ferramentas capazes de resumir relatórios, organizar dados, revisar documentos e apoiar decisões analíticas prometem ampliar rapidamente a produtividade. O problema é que a forma como essa tecnologia começa a se disseminar dentro das organizações raramente segue o caminho institucional esperado. Em muitas empresas, esse movimento começa de forma silenciosa — mas cada vez mais presente: o uso informal, ou shadow use, de inteligência artificial. A tecnologia entra pela porta lateral das organizações. Um profissional utiliza uma plataforma aberta para revisar um documento; outro pede a um sistema de IA que sintetize um relatório ou organize dados para uma apresentação. Em pouco tempo, essas ferramentas passam a fazer parte do cotidiano — muitas vezes antes de qualquer iniciativa estruturada da própria organização. A tecnologia passa a circular dentro da empresa antes mesmo de existir uma estrutura capaz de orientá-la. Ferramentas começam a ser utilizadas sem políticas claras, sem governança de dados e, muitas vezes, sem que as equipes estejam preparadas para operá-las. Documentos internos podem ser inseridos em plataformas externas, e decisões passam a ser influenciadas por modelos cuja origem ou qualidade raramente são questionadas. Frequentemente esse cenário é tratado apenas como um problema de risco institucional. Mas há também uma dimensão econômica. Quando tecnologias poderosas passam a ser utilizadas sem critérios claros — e sem que as equipes estejam preparadas para absorvê-las —, a promessa de eficiência pode rapidamente se transformar em vulnerab