De fleste statistikker om shadow AI tager udgangspunkt i en faktisk måling og ændrer sig derefter lidt, hver gang en ny side gengiver dem. En undersøgelse blandt personer, der allerede bruger generativ AI, bliver til en påstand om alle arbejdstagere, en omkostning pr. sikkerhedsbrud bliver til et årligt tab, og en undersøgelse blandt sikkerhedsfagfolk bliver til en påstand om medarbejdere. Vi sporede de mest udbredte tal tilbage til den rapport, pressemeddelelse eller forskningsartikel, der først offentliggjorde dem, og registrerede populationen, metoden og datoen bag hvert tal. Denne side viser, hvad der holder, hvad der ændrede sig undervejs, og hvad vi ikke kunne spore. Den blev senest verificeret den 1. oktober 2026.
Tallene, der holder
Følgende tal er læst i det primære dokument eller i udgiverens egen meddelelse. Hvert tal gengives med den afgrænsning, kilden angiver, fordi det som regel er afgrænsningen, der går tabt.
- 39.7% af alle AI-interaktioner involverer følsomme oplysninger, når prompttekst, kopierings- og indsætningshandlinger samt filuploads tælles med (Cyberhaven, februar 2026).
- 34.8% af de virksomhedsdata, medarbejdere lagde ind i AI-værktøjer, var følsomme, mod 27.4% et år tidligere og 10.7% to år tidligere, målt på tværs af 7 millioner arbejdstagere (Cyberhaven, april 2025).
- 2.6% af 22,458,240 prompts til generativ AI i virksomheder, indsamlet i løbet af 2025, indeholdt følsomme oplysninger, svarende til 579,113 tilfælde (Harmonic Security, januar 2026).
- Én ud af fem organisationer rapporterede et sikkerhedsbrud som følge af shadow AI, og organisationer med omfattende brug af shadow AI betalte i gennemsnit $670,000 mere pr. sikkerhedsbrud (IBM Cost of a Data Breach 2025, baseret på 600 organisationer).
- 75% af vidensarbejdere bruger generativ AI på arbejdet, og 78% af dem, der bruger AI, medbringer deres egne værktøjer (Microsoft og LinkedIn Work Trend Index 2024, 31,000 respondenter i 31 lande).
- Over halvdelen af brugerne af generativ AI sagde, at de bruger den uden formel godkendelse fra arbejdsgiveren, og disse brugere udgjorde 28% af de adspurgte arbejdstagere (Salesforce, november 2023, mere end 14,000 medarbejdere i 14 lande).
- 77% af brugerne indsætter data i generative AI-værktøjer, og 82% af denne aktivitet kommer fra konti, som organisationen ikke administrerer (LayerX Enterprise AI and SaaS Data Security Report 2025, browsertelemetri fra virksomhedskunder).
- 48% af respondenterne sagde, at de havde indtastet ikke-offentlige virksomhedsoplysninger i generativ AI, blandt 2,600 sikkerheds- og databeskyttelsesfagfolk i 12 lande (Cisco 2024 Data Privacy Benchmark Study, undersøgelse gennemført i sommeren 2023).
- $4.99 millioner er den globale gennemsnitsomkostning ved et sikkerhedsbrud i IBM's 2026-udgave, og $6 millioner for sikkerhedsbrud, hvor angriberne brugte AI (602 organisationer, marts 2025 til februar 2026).
Sådan blev tallene kontrolleret
For hvert tal fandt vi den oprindelige publikation, læste den sætning, der indeholder tallet, og registrerede, hvem der blev talt med, hvordan de blev talt, og hvornår. Når den oprindelige side ikke længere kunne læses på sin nuværende adresse, brugte vi en arkiveret kopi og oplyser det. Når en udgiver blokerede automatiseret adgang, og vi kun kunne læse tallet som citeret af et fagmedie, er tallet markeret som sådan i tabellerne. Et tal, vi ikke kunne finde i noget primært dokument, står særskilt i tabel 3 i stedet for at blive udeladt, fordi manglen på en kilde i sig selv er nyttig information for enhver, der overvejer at citere det.
Hvad de mest citerede målinger faktisk målte
Tabel 1: Kilde, population og metode bag de mest gengivne tal om shadow AI
| Kilde | Taltype | Population | Periode | Hovedtal |
|---|---|---|---|---|
| Microsoft og LinkedIn, Work Trend Index | Spørgeskemaundersøgelse | 31,000 vidensarbejdere, 31 lande (gennemført af Edelman Data & Intelligence) | 15. februar til 28. marts 2024 | 75% bruger generativ AI på arbejdet; 78% af AI-brugerne medbringer deres egne værktøjer |
| Salesforce, Generative AI Snapshot | Spørgeskemaundersøgelse | Mere end 14,000 fuldtidsansatte, 14 lande (YouGov) | 18. til 31. oktober 2023 | Over halvdelen af brugerne af generativ AI bruger den uden arbejdsgiverens godkendelse |
| Cisco, 2024 Data Privacy Benchmark Study | Spørgeskemaundersøgelse med selvrapporterede oplysninger | 2,600 sikkerheds- og databeskyttelsesfagfolk, 12 lande | Sommeren 2023 | 48% indtastede ikke-offentlige virksomhedsoplysninger |
| IBM og Ponemon Institute, Cost of a Data Breach 2025 | Analyse af sikkerhedsbrud | 600 organisationer, der havde oplevet et sikkerhedsbrud | Marts 2024 til februar 2025 | Én ud af fem rapporterede et sikkerhedsbrud som følge af shadow AI; $670,000 højere omkostning pr. sikkerhedsbrud ved omfattende brug af shadow AI |
| Cyberhaven, 2025 AI Adoption and Risk Report | Produkttelemetri | 7 millioner arbejdstagere hos Cyberhavens kunder | De foregående 24 måneder, offentliggjort i april 2025 | 34.8% af de data, der blev lagt ind i AI-værktøjer, var følsomme |
| Cyberhaven, 2026 AI Adoption and Risk Report | Produkttelemetri | Stikprøvens størrelse er ikke angivet på den offentliggjorte side | Offentliggjort i februar 2026 | 39.7% af AI-interaktionerne involverer følsomme oplysninger |
| Harmonic Security, rapport fra 2025 | Browsertelemetri | 22,458,240 prompts fra organisationer i USA og Storbritannien (antal organisationer ikke oplyst) | 1. januar til 31. december 2025 | 2.6% af promptene indeholdt følsomme oplysninger |
| LayerX, Enterprise AI and SaaS Data Security Report | Browsertelemetri | LayerX's virksomhedskunder | Rapport offentliggjort i 2025 | 77% af brugerne indsætter data i generativ AI; 82% af denne aktivitet kommer fra konti, som organisationen ikke administrerer |
| Mireshghallah m.fl., Trust No Bot (COLM 2024) | Akademisk analyse | 5,000 engelsksprogede samtaler udvalgt fra WildChat, et offentligt datasæt om gratis brug af GPT-3.5 og GPT-4 | Forskningsartikel offentliggjort i juli 2024 | Personhenførbare oplysninger (PII) i 48% af oversættelsessamtalerne og 16% af samtalerne om koderedigering |
Selvrapporterede tal, observerede tal og prognoser er forskellige ting
De ni kilder i tabel 1 besvarer tre forskellige spørgsmål. Spørgeskemaundersøgelser som Work Trend Index, Salesforce Snapshot og Cisco-undersøgelsen måler, hvad folk siger, de gør, og respondenterne kan under- eller overrapportere. Telemetri fra Cyberhaven, Harmonic og LayerX måler, hvad et overvågningsprodukt observerede, men kun i organisationer, der har taget produktet i brug, og alle tre leverandører sælger værktøjer til forebyggelse af datatab, så deres kundebase er ikke en tilfældig stikprøve af arbejdsgivere. IBM's tal kommer fra organisationer, der allerede havde været udsat for et sikkerhedsbrud, hvilket ikke siger noget om organisationer, der ikke havde.
En fjerde kategori citeres ofte sammen med de første tre, men bør ikke gøre det. Gartners undersøgelse blandt cybersikkerhedsledere viste, at 69% har mistanke om eller beviser for, at medarbejdere bruger forbudt offentlig generativ AI. Det er et mål for sikkerhedsledernes opfattelse, mens Gartners udsagn om, at mere end 40% af organisationer vil opleve sikkerheds- og compliancehændelser som følge af uautoriseret AI inden 2030, er en prognose (begge som omtalt af Infosecurity Magazine). Ingen af dem beskriver en observeret forekomst.
Hvorfor både 2.6% og 39.7% kan være korrekte
Harmonic rapporterer, at 2.6% af virksomhedsprompts indeholdt følsomme oplysninger, mens Cyberhaven rapporterer, at 39.7% af AI-interaktionerne involverer følsomme oplysninger. Forskellen er omtrent en faktor femten og optræder mellem to troværdige leverandører, der undersøger AI-brug på arbejdspladsen i samme periode. Harmonic tæller prompts, hvor deres genkendelse fandt en følsom oplysning. Cyberhaven tæller interaktioner, et begreb, der omfatter kopierings- og indsætningshandlinger og filuploads såvel som indtastede prompts. Et enkelt uploadet dokument kan indeholde mange følsomme oplysninger, så de to tællere repræsenterer ikke samme type hændelse, og populationerne er også forskellige. Det offentliggjorte materiale giver os ikke mulighed for at sige, hvor meget af forskellen der skyldes definitionerne, og hvor meget der skyldes de målte organisationer.
Det, vi kan sige, er mere afgrænset og mere nyttigt. Cyberhaven anvendte ét mål, andelen af virksomhedsdata lagt ind i AI-værktøjer, som er følsomme, over tre på hinanden følgende år, og serien steg fra 10.7% til 27.4% til 34.8%. En udvikling målt med én og samme metode er mere troværdig end en sammenligning på tværs af metoder, og den peger i en konsekvent retning.
Sådan ændrer et tal sig, når det gengives
Sammenligningen nedenfor stiller de formuleringer, som flere tal ofte cirkulerer med, over for det, den oprindelige kilde siger. Vi har med vilje udeladt navnene på de sider, der gengiver dem. Det er mønstret, der er pointen, og det optræder gentagne gange på de oversigtssider, vi læste.
Tabel 2: Tal, som de ofte gengives, og som de oprindeligt blev offentliggjort
| Som det ofte gengives | Hvad kilden siger | Hvad der ændrede sig |
|---|---|---|
| 55% af arbejdstagere bruger ikke-godkendte AI-værktøjer | Over halvdelen af brugerne af generativ AI, som udgjorde 28% af de adspurgte arbejdstagere, brugte den uden formel godkendelse fra arbejdsgiveren (Salesforce, november 2023) | Nævneren ændrede sig fra AI-brugere til alle arbejdstagere |
| 75% af arbejdstagere bruger ikke-godkendte AI-værktøjer | 75% af vidensarbejdere bruger generativ AI på arbejdet, og 78% af AI-brugere medbringer deres egne værktøjer (Microsoft og LinkedIn, 2024) | Brug af AI generelt blev til ikke-godkendt brug |
| 52% ville ikke fortælle deres leder, at de bruger AI | 52% af AI-brugere er tilbageholdende med at indrømme, at de bruger AI til deres vigtigste opgaver (Microsoft og LinkedIn, 2024) | Påstanden blev udvidet fra vigtige opgaver til al brug og fra tilbageholdenhed til afvisning |
| 20% af sikkerhedsbrud involverede shadow AI | Én ud af fem organisationer rapporterede et sikkerhedsbrud som følge af shadow AI (IBM, 2025) | Organisationer blev til sikkerhedsbrud |
| $670,000 i årligt tab som følge af AI uden styring | Organisationer med omfattende brug af shadow AI betalte i gennemsnit $670,000 mere pr. sikkerhedsbrud (IBM, 2025) | En meromkostning pr. sikkerhedsbrud blev til et årligt tab |
| 63% af organisationer har ingen politik for AI-styring | 63% af organisationer, der havde oplevet et sikkerhedsbrud, har enten ingen politik for AI-styring eller er stadig ved at udvikle en (IBM, 2025) | Populationen blev indsnævret til organisationer, der havde oplevet et sikkerhedsbrud, og sætningens anden halvdel forsvandt |
| 48% af medarbejdere indtastede fortrolige virksomhedsdata i AI | 48% af 2,600 sikkerheds- og databeskyttelsesfagfolk sagde, at de havde indtastet ikke-offentlige virksomhedsoplysninger (Cisco, 2024) | Respondenterne ændrede sig fra sikkerheds- og databeskyttelsesfagfolk til medarbejdere; nogle oversigter nævner også en anden Cisco-rapport |
| 68% bruger offentlig AI via personlige konti (Menlo Security) | Ifølge SiliconANGLE stammer tallet fra en TELUS Digital-undersøgelse citeret i Menlos rapport og ikke fra Menlos egen telemetri | Kildeangivelsen flyttede sig fra den citerede undersøgelse til rapporten, der citerer den |
| Den gennemsnitlige omkostning ved et sikkerhedsbrud er $4.88 millioner eller $4.44 millioner | $4.99 millioner i 2026-udgaven af IBM-rapporten; $4.44 millioner var fra 2025-udgaven og $4.88 millioner fra 2024-udgaven | Ældre udgaver gengives stadig på sider dateret 2026 |
| 4.2% af arbejdstagere har indsat virksomhedsdata i ChatGPT | Den opdaterede Cyberhaven-artikel fra juni 2023 angiver, at 4.7% af medarbejderne hos Cyberhavens kundevirksomheder havde indsat følsomme oplysninger mindst én gang | Tallet blev revideret, efter at URL'en og den første presseomtale havde angivet 4.2% |
| 11% af det, medarbejdere indsætter i ChatGPT, er fortroligt | Følsomme oplysninger udgjorde 11% af det, medarbejdere indsatte, målt fra 26. februar til 9. april 2023 på tværs af 1.6 millioner arbejdstagere (Cyberhaven) | En måling af ét værktøj hos én leverandørs kunder i begyndelsen af 2023 fremstilles som en aktuel, generel andel |
| Medarbejdere, der bruger generativ AI, indsætter virksomhedsdata 77% af gangene | 77% af brugerne indsætter data i generative AI-værktøjer (LayerX). Rapporten bruger både »brugere« og »medarbejdere«, og den angiver også, at 45% af virksomhedsbrugere aktivt bruger AI-platforme, så nævneren er mest sandsynligt dem, der bruger AI | Kilden angiver ikke nævneren, og gengivelser antager som regel, at det er alle medarbejdere |
Hvad Trust No Bot viser og ikke viser
Forskningsartiklen af Mireshghallah, Antoniak, More, Choi og Farnadi citeres ofte for fundet af personhenførbare oplysninger (PII) i 48% af oversættelsesanmodninger og 16% af anmodninger om koderedigering sendt til GPT-modeller. Fundet er korrekt, men dataene bag det er forbrugersamtaler. WildChat blev opbygget ved at give offentligheden gratis adgang til GPT-3.5 og GPT-4 mod, at deltagerne accepterede at dele deres samtaler. Forfatterne beholdt kun engelsksprogede samtaler, og PII-markeringerne kommer fra et automatiseret genkendelsesværktøj. Det meste af det, værktøjet fandt, var navne på personer og organisationer. Undersøgelsen fortæller os derfor, hvordan almindelige borgere bruger en gratis chatbot, og måler ikke, hvad medarbejdere lægger ind i arbejdsrelaterede prompts.
Artiklen indeholder et andet fund, som er vigtigt for enhver, der udformer en beskyttelsesforanstaltning. WildChats dataansvarlige havde allerede fjernet PII én gang med Microsoft Presidio, et regelbaseret værktøj, og forfatterne fandt alligevel en form for genkendt PII i over 70% af forespørgslerne. De bemærker, at regelbaseret fjernelse ofte overser PII, der ikke er velformateret. En enkelt gennemgang med mønstergenkendelse fanger ikke navne i fritekst, og derfor bruges genkendelsesmetoder baseret på trænede sprogmodeller til denne opgave. Maskeringsguiden oplister otte punkter til vurdering af et maskeringsværktøj, herunder hvordan det håndterer navne i fritekst.
Tal, vi søgte efter, men ikke kunne spore
Tallene i tabel 3 optræder på oversigtssider, som regel uden et link. Vi søgte efter et primært dokument, der indeholdt hvert af dem. En resultatløs søgning beviser ikke, at et tal ikke findes, men indtil en kilde er fundet, bør tallene ikke citeres som dokumenterede.
Tabel 3: Tal uden en primær kilde, som vi kunne finde
| Tallet, som det cirkulerer | Tilskrevet | Hvad vi fandt |
|---|---|---|
| 158 eller flere shadow AI-værktøjer pr. virksomhed | Gartner | Intet primært dokument fundet. Gartners meddelelse om shadow AI, som Infosecurity Magazine citerer, rapporterer tallene 69% og 2030 omtalt ovenfor, ikke dette tal |
| Shadow AI vil koste virksomheder $40 milliarder inden 2027 | Gartner | Intet primært dokument fundet |
| Tredobling i ikke-godkendte AI-værktøjer siden 2022 | Forrester | Intet primært dokument fundet |
| 43% oplevede læk af intellektuel ejendom gennem shadow AI | Bitglass eller Forcepoint | Intet primært dokument fundet |
| 55% medførte overtrædelser af krav til datasuverænitet | DLA Piper | Intet primært dokument fundet |
| 41% af ledere brugte ikke-godkendt AI | Deloitte | Intet primært dokument fundet |
| 38% af input til shadow AI indeholder følsomme oplysninger | Nightfall | Intet primært dokument fundet |
| 65% af medarbejdere bruger ikke-godkendte AI-værktøjer | Salesforce State of IT 2024 | Ikke fundet i den Salesforce-forskning, vi læste; tallet 55% i tabel 2 er det Salesforce-tal, vi kunne bekræfte |
| Mere end 300,000 ChatGPT-loginoplysninger eksponeret | Group-IB | De tal, Group-IB offentliggjorde, er 101,134 enheder med gemte ChatGPT-loginoplysninger mellem juni 2022 og maj 2023 og mere end 225,000 logfiler mellem januar og oktober 2023, som omtalt af SC Media |
Fem spørgsmål, du bør stille, før du citerer en statistik om shadow AI
- Hvem blev talt med, og er procentdelen beregnet ud fra alle medarbejdere, personer, der bruger AI, eller organisationer?
- Blev adfærden observeret af et værktøj eller rapporteret af respondenten i en spørgeskemaundersøgelse?
- Hvis kunder eller respondenter udgør stikprøven, og sælger udgiveren et produkt, som nyder godt af et højt tal?
- Hvornår blev det målt, i modsætning til hvornår siden blev offentliggjort eller senest opdateret?
- Er det en måling, en opfattelse eller en prognose?
De samme fem spørgsmål gælder for tallene i denne artikel. Kilderne er linket i sidens strukturerede data og i tabellerne, og vi opdaterer siden, når en kilde ændrer sig, eller et tal i tabel 3 bliver sporet.
Hvor maskering passer ind
Målingerne peger på en praktisk risiko: Folk kan dele følsom tekst og filer med AI-værktøjer gennem arbejdsgange, som deres organisation ikke administrerer. Redactic hjælper med at identificere og maskere følsomme værdier i dokumenter før en særskilt valgt, valgfri AI-opgave. Genkendelse og maskering kører på Redactic-kontrolleret infrastruktur i Europa uden inferens hos tredjeparter på umaskeret indhold. Gennemgå den klargjorte tekst og den resterende kontekst; maskering garanterer ikke, at enkeltpersoner ikke kan identificeres. Læs mere: to tilstande og arbejdsgangen i fem trin · shadow AI i HR · advokatfirmaer og dokumenter i retssager · regnskabsvirksomheder, der håndterer løn og skatteidentifikationsnumre
Ofte stillede spørgsmål
Hvilken statistik om shadow AI er mest pålidelig?
Intet enkelt tal besvarer alle spørgsmål, men den mest robuste dokumentation er en serie målt med én metode over tid. Cyberhavens andel af følsomme oplysninger i virksomheders AI-input, som steg fra 10.7% til 27.4% til 34.8% over tre år, er det tydeligste eksempel. Målt på stikprøvens størrelse er Harmonics 22,458,240 prompts fra 2025 den største, vi fandt.
Viser statistikkerne, hvor mange medarbejdere der indsætter fortrolige data i AI-værktøjer?
Ikke direkte. LayerX rapporterer, at 77% af brugerne indsætter data, Cyberhavens analyse fra 2023 fandt, at 4.7% af medarbejderne hos deres kunder havde indsat følsomme oplysninger, og Ciscos undersøgelse fandt, at 48% af sikkerheds- og databeskyttelsesfagfolk sagde, at de havde indtastet ikke-offentlige oplysninger. Tallene varierer meget, fordi populationerne, definitionerne af følsomme oplysninger og metoderne er forskellige, så de kan ikke kombineres til én andel.
Er Trust No Bot dokumentation for AI-brug på arbejdet?
Det er dokumentation for almindelige borgeres brug af en gratis chatbot. Samtalerne kommer fra WildChat, er på engelsk og blev mærket ved automatiseret genkendelse, så tallene 48% og 16% beskriver forbrugeradfærd og bør ikke fremstilles som andele for medarbejdere.
Hvor aktuelle er disse tal?
Siden blev senest verificeret den 1. oktober 2026. De underliggende målinger spænder fra begyndelsen af 2023 (Cyberhavens 11% og Salesforce-undersøgelsen) til hele 2025 (Harmonic) og februar 2026 (Cyberhaven), så hvert tal bør citeres med den periode, det dækker, og ikke med årstallet for den side, der gengiver det.
Relaterede guider
- Guide til datamaskering 2026: Sådan maskerer du personhenførbare oplysninger med henblik på GDPR- og AI-compliance
- Shadow AI i HR: Sådan bruger du AI-værktøjer uden GDPR-overtrædelser (2026)
- Guide til maskering af kontrakter: Retssager, vidner og følsomme klausuler (2026)
- Dokumentmaskering for regnskabsfolk: Løn, skatteidentifikationsnumre og GDPR-arbejdsgang (2026)
Se, hvordan Redactic omsætter dette til praksis: Redactic-dokumentmaskering · Tillidssider og databehandleraftale (DPA).