Tacit Knowledge 的核心概念是「隱性知識」—資深員工腦袋裡知道、但寫不進 SOP 或文件的知識。判斷 case 該怎麼處理、客戶潛規則、行業慣例、灰色地帶決策—這些都是 tacit。對應概念是 explicit knowledge（顯性知識，可文件化）。Tacit knowledge 是 Fat Skill 的核心構成。

概念位置

Tacit Knowledge 在 AI 時代變得更值錢—因為 explicit knowledge 容易被 AI 取代，tacit knowledge 不容易。AI 產品要做好行業應用，必須把 tacit knowledge 萃取出來編碼到 evaluation set。這個萃取過程就是 FDE 的核心工作。

可觀察訊號與例子

Tacit Knowledge 的訊號：資深員工說「這個 case 不能這樣處理因為某某理由」但說不清楚理由；公司內部訓練主要靠 shadowing（跟著資深做）而非看文件；初入該領域者錯誤常出在「不知道有這個規則」而非「不會操作」。理賠專員「這份賠但那份不賠」的判斷是典型 tacit。

判讀方式

讀到「tacit knowledge 寫不進 SOP」時，意味著該領域不能靠純軟體解決—必須有人坐在客戶端萃取。這就是 FDE 模式的成立前提：客戶說「我要一個 agent」資訊量太低，要在現場跑真實 case 才能把 tacit 編碼。Tacit knowledge 累積成 Fat Skill 後就形成 AI 時代仍然有效的護城河。