Tacit Knowledge Lock-In（隐性知识锁定）

定义

Tacit Knowledge Lock-In（隐性知识锁定） 是 AI 部署中的新型供应商锁定：锁定点不再主要是人类界面习惯或数据迁移，而是供应商掌握了客户未写成文档的业务规则、评测集、提示链、流程配置和现场调优经验。

关键数据点

文章指出，Agent 会削弱传统 SaaS 基于人类 UI 熟悉度的锁定，但 FDE 会建立另一种锁定：把客户的隐性工作流知识编码进供应商系统。
典型时间线是：第 1 个月搭出 v1，第 3 到第 6 个月积累大量边界案例和评测样本，第 12 个月业务流程开始围绕 AI 重写，第 18 个月切换供应商需要重建评测集、流程和员工习惯。
这种锁定会削弱客户的 walk-away option。即使竞品便宜，客户也要承担评测集重建、服务质量下降和组织再训练成本。
文章建议用评测集导出权、续约价格上限、退出交接条款和内部接管计划降低锁定风险。

隐性知识锁定不是供应商刻意为之的结果，而是 AI 部署过程的自然副产品。它的生成机制有三层：

知识提取层：FDE 进入客户现场后，会系统性地提取客户自己未写成文档的业务规则、边界条件和失败模式。这些知识被编码进提示链、评测集和流程配置中，而编码载体（prompt、eval、workflow config）通常留在供应商侧。
路径依赖层：随着部署深入，业务流程开始围绕 AI 重写。黄金用例被识别和优化，非黄金用例被记录为边界条件。这些优化累积到第 12 个月时，业务逻辑已经不可逆地与供应商系统耦合。
切换成本层：切换供应商不只是换一个模型 API，而是重建整个知识资产——评测集、提示链、流程配置、员工习惯。即使竞品更便宜，客户也要承担集成之墙的重穿成本。

这种锁定与传统 SaaS 锁定的根本区别在于：传统 SaaS 锁定的是"人怎么用"（UI 习惯、数据格式），隐性知识锁定的是"系统怎么理解业务"（规则、边界、评测标准）。前者可以通过培训和数据迁移解决，后者需要重建整个业务理解层。

文章提出四个降低锁定风险的治理动作：

这四个动作的共同前提是：企业必须在部署初期就意识到隐性知识锁定的风险，而不是等到第 18 个月想切换时才发现知识资产全在供应商手中。

分层 sourcing 是另一种结构性对冲：把高频、核心的工作流放在可控的部署模式下（如本地部署或多供应商），把低风险的工作流放在单一供应商 FDE 模式下。这样即使某个供应商形成锁定，影响范围也被限制在非核心场景。

部署产品飞轮和隐性知识锁定之间存在根本张力：供应商的飞轮需要把现场经验抽象成通用平台能力（这对所有客户有益），但这个抽象过程会不可避免地吸收客户的专有业务知识。客户需要区分两类知识：通用行业知识（供应商抽象后对所有客户有益）和企业专有规则（不应被不可见地吸收进供应商平台）。

专门化复利在这里形成交叉：如果企业自己拥有评测集和微调能力，专门化复利会在企业内部积累；如果评测集留在供应商手中，企业只是在为供应商的专门化飞轮供料。

本实体聚焦锁定风险；Vas（Varick Agents CEO）给出隐性知识显式化的内部化正面机制：给组织 top slice 一个"发布场所"——共享 skill 数据库（每个 skill 可发布、排名、被他人安装）——"这是 Vas 见过唯一能把一个人的突破变成可分享物的机制"。

意义：当隐性知识以 skill 形式沉淀在组织内部资产（而非供应商系统）时，专门的复利在组织侧积累，正对应本实体"评测集产权决定复利在哪侧"的启示。互补约束：即便做了共享库，Vas 也承认"50% 的人永远不会用 skill"——显式化机制只能覆盖愿意消费知识的那一半。