Skimle er en AI-drevet plattform for kvalitativ dataanalyse som strukturerer ustrukturerte dokumenter (intervjuer, filer fra datarom, kundekommentarer, høringsuttalelser, juridiske dokumenter og så videre) til ordnede, analyserbare datasett. I motsetning til chatboter som henter tilfeldige avsnitt, behandler Skimle hele dokumentsamlingen din systematisk: den analyserer hver del, henter ut innsikter og ordner dem i hierarkiske temataksonomier med full sporbarhet. Se hvordan Skimle fungerer for en fullstendig oversikt.
Skimle er laget for kunnskapsarbeidere som analyserer kvalitative data: akademiske forskere som gjennomfører tematisk analyse, ledelsesrådgivere som sammenfatter ekspertintervjuer, policyanalytikere som behandler høringer, markedsanalytikere som analyserer kundetilbakemeldinger, HR-team som gjennomfører medarbeiderundersøkelser, og alle som trenger systematisk, forsvarlig innsikt fra ustrukturerte data.
De fleste enkle AI-verktøy for analyse bruker RAG (Retrieval-Augmented Generation) til å hente relevante avsnitt i det øyeblikket du spør, noe som betyr at du får ulike svar hver gang du stiller det samme spørsmålet. Skimle behandler hele datasettet ditt systematisk på forhånd og bygger en stabil struktur der hvert tema er knyttet til verifiserte sitater. Du får full dekning, konsistente resultater og full sporbarhet i stedet for svar fra en svart boks. Les mer om hvorfor RAG-baserte verktøy kommer til kort i seriøs analyse.
Nei. Skimle er laget for forskere og analytikere, ikke for programmerere. Grensesnittet er intuitivt (tenk regneark pluss dokumentvisning), og all AI-behandling skjer automatisk. Kan du bruke Google Docs og Excel, kan du bruke Skimle.
De fleste brukere er produktive i løpet av 15 til 30 minutter. Legg til filene dine som en datakilde, kjør en analyse, og gå så gjennom og finjuster de AI-genererte temaene: arbeidsflyten er enkel. I motsetning til tradisjonell programvare for kvalitativ analyse (NVivo, ATLAS.ti), som det kan ta uker å mestre, er grensesnittet i Skimle laget for å gi produktivitet med en gang.
Skimle tar imot PDF, .docx, TXT, RTF, lydfiler (MP3, M4A, WAV) og videofiler (MP4, MOV). Du legger til hver type som en datakilde; lyd og video transkriberes automatisk av Skimle før analysen starter, så hele arbeidsflyten holdes på ett sted. Du kan blande formater i ett prosjekt.
Ja. Den innebygde transkripsjonen i Skimle håndterer filer i MP3, M4A, WAV, MP4 og MOV. Legg til opptaket ditt som en datakilde for lyd eller video, så transkriberer Skimle det før analysen starter, med et valgfritt trinn der du først kan gå gjennom og rette transkripsjonen. Sitatene kan spores til kilden, så du trenger ingen egen transkripsjonstjeneste.
Tusenvis av dokumenter per prosjekt. De fleste bruksområder omfatter 10 til 200 dokumenter (typiske forskningsstudier, rådgivningsprosjekter, høringer), men Skimle skalerer til store dokumentsamlinger som gjennomganger av datarom eller omfattende litteraturanalyser.
Over 100 språk. Last opp dokumenter på hvilket som helst språk: Skimle analyserer dem på originalspråket og bygger samtidig en felles temastruktur. Spesielt nyttig for høringer i hele EU, global markedsanalyse eller flerspråklige akademiske studier. Ingen oversettelse er nødvendig.
Ja. Last opp engelske intervjuer, tyske rapporter og spanske svar på spørreundersøkelser i samme prosjekt. Skimle lager temakategorier på tvers av språk og beholder sitatene på originalspråket for verifisering.
Skimle-tabellen er et interaktivt regneark der hver rad er et dokument (f.eks. ett intervju) og hver kolonne er en temakategori (f.eks. «bekymringer om pris»). Cellene inneholder innsiktene som er hentet ut, med direkte lenker til kildesitatene. Denne strukturen gjør det lett å se mønstre på tvers av dokumenter, sammenligne segmenter og gå i dybden på bestemte emner.
Absolutt. Skimles AI foreslår innledende kategorier basert på dataene dine, men du har full kontroll til å slå sammen, dele opp, gi nytt navn til, slette eller lage kategorier fra bunnen av. Du kan også legge inn din egen kategoristruktur på forhånd (for eksempel basert på intervjuguiden eller det teoretiske rammeverket ditt) og la Skimle hente ut innsikter i tråd med den.
Toveis transparens betyr at du kan navigere begge veier: (1) klikk på et tema for å se alle støttende sitater på tvers av dokumentene, og (2) klikk på et dokument for å se alle temaene som er hentet ut fra det. Hver beslutning AI-en tar, kan spores: ingen svarte bokser. Det er dette som gjør analyse med Skimle forsvarlig i akademiske, kommersielle og regulatoriske sammenhenger.
Chatgrensesnittet i Skimle kjenner de strukturerte dataene dine (temaer, kategorier, metadata). Du kan stille spørsmål som «Hva sier bedriftskundene om prisene?» eller «Hvordan varierer meningene mellom regioner?» AI-en svarer ved hjelp av både de strukturerte temadataene og originaldokumentene, noe som gir deg mer presise svar i kontekst enn generelle RAG-chatboter.
Skimle Ask er et AI-drevet intervjuverktøy som lar deg samle inn kvalitative data i stor skala. Du legger det til som en Skimle Ask-datakilde i prosjektet ditt, lager intervjuguiden, og Skimle gjennomfører strukturerte samtaler med deltakerne asynkront. Hvert svar blir et dokument i det samme prosjektet, så datainnsamling og tematisk analyse skjer i ett miljø, uten klipp og lim mellom verktøy.
Ja. Skimle tilbyr et MCP-endepunkt (Model Context Protocol) på https://skimle.com/api/mcp. Alle MCP-kompatible verktøy (Claude Desktop, Cursor, Windsurf, Claude Code og andre) kan koble til og bruke hele settet med lese- og skriveverktøy: bla i dokumenter, søke i innsikter, omorganisere kategorier og mer. Autentisering skjer via OAuth (ingen token nødvendig) eller med en API-nøkkel du oppretter i kontoinnstillingene. Du velger selv hvilke prosjekter som skal være tilgjengelige. Kredittene deles med resten av Skimle, så det er ingen egen fakturering.
Ja. Både Claude Code og Cowork støtter MCP, så du kan koble dem til Skimle via endepunktet https://skimle.com/api/mcp. Når de er tilkoblet, kan agenten liste prosjektene dine, søke på tvers av dokumenter, utforske kategorihierarkier, opprette og oppdatere innsikter og lagre notater, alt fra kode- eller skrivemiljøet ditt. Se siden for MCP-oppsett for trinnvise instruksjoner, eller les vår trinnvise veiledning til agentiske arbeidsflyter.
Fra eksportsenteret kan du lage Word (omfattende rapporter med temaer, sitater og sammendrag), PowerPoint (ledersammendrag med oversikt per tema), Excel (datatabeller med kodingsmatriser) og REFI-QDA: utvekslingsstandarden som NVivo, MAXQDA og ATLAS.ti gjenkjenner, slik at du kan fortsette med manuell koding i et tradisjonelt QDA-verktøy ved behov. Alle eksporter beholder kildeangivelse og full sporbarhet.
Ja. Skimle Anonymise tilbyr AI-basert pseudonymisering og anonymisering som er konsekvent på tvers av filer, med seks kategorier identifikatorer (navn, titler og roller, steder, organisasjoner, datoer og annet), konfigurerbare transformasjonsmoduser og en revisjonsrapport i PDF. Den kjører i prosjektet ditt: du slår den på for en datakilde, og de anonymiserte dokumentene går rett inn i analysen, uten noe eget verktøy. Dette dekker kravene i GDPR og HIPAA og gir den dokumentasjonen etikkomiteer og IRB-er forventer.
Ja. Skimle er bygget av akademikere for akademisk bruk. Medgründeren vår Henri Schildt er professor med over 30 publikasjoner basert på kvalitative metoder. Skimles tilnærming er inspirert av etablerte metoder (tematisk analyse etter Braun & Clarke, grounded theory etter Glaser & Strauss og Strauss & Corbin, og Gioia-metoden etter Gioia, Corley & Hamilton): systematisk, transparent og reproduserbar. Se bruksområdet for akademiske forskere og veiledningen om AI i akademisk kvalitativ forskning.
I økende grad ja, så lenge det oppgis på riktig måte. Beskriv metoden din åpent: «AI-assistert kvalitativ koding med Skimle, med manuell validering og finjustering.» Skimles fullstendige revisjonsspor lar deg dokumentere nøyaktig hvordan temaene ble utledet, noe som oppfyller kravene til metodisk grundighet ved fagfellevurdering. Veiledningen vår om AI i akademisk kvalitativ forskning viser hvordan du kan beskrive dette i metodekapitler og etikksøknader.
Vi gir forslag til kildehenvisning på forespørsel.
Ja. Eksporter kodingsmatrisen, la en annen koder gå gjennom et utvalg dokumenter manuelt, og beregn samsvaret (Cohens kappa o.l.). Forskere kan bruke Skimle til den innledende kodingen (90 % av arbeidet) og deretter validere med manuell gjennomgang (10 % kvalitetskontroll).
Ja. Skimle støtter induktiv koding der temaene vokser fram fra dataene i stedet for å være definert på forhånd. Start med åpen koding (Skimle foreslår innledende kategorier), finjuster deretter trinnvis med aksial koding (slå sammen og omorganiser kategorier), og utvikle teoretiske rammeverk. Prosessen speiler manuell grounded theory, men gjør de mekaniske delene raskere.
Hvert sitat AI-en genererer, kontrolleres mot kildedokumentene. Hvis AI-en lager tekst som ikke finnes ordrett i dokumentene dine, flagger systemet vårt det og ber om ny behandling til verifiserte sitater foreligger. I tillegg gjør den systematiske strukturen det mulig å stikkprøvekontrollere et hvilket som helst tema ved å gå gjennom sitatene som støtter det.
Skimles systematiske behandling analyserer hver del av hvert dokument, noe som reduserer risikoen for oversette temaer sammenlignet med manuell koding (der tretthet og skjevheter påvirker dekningen). Vi anbefaler likevel å vurdere de AI-genererte temaene kritisk. AI-en foreslår, du validerer.
Ja. Skimle støtter eksport til REFI-QDA, utvekslingsstandarden som NVivo, MAXQDA og ATLAS.ti gjenkjenner. Du kan starte analysen i Skimle og fortsette med manuell koding i et tradisjonelt QDA-verktøy, eller bruke Skimle til å forhåndskode et datasett før du overlater det til et team som jobber i NVivo.
Ja. Gratisversjonen lar deg analysere opptil 400 sider for å teste plattformen. Perfekt for å prøve Skimle med et pilotprosjekt før du velger en betalt plan. Se alle planer.
Dokumentanalyse bruker kreditter basert på dokumentets lengde. Én kreditt lar deg laste opp rundt 2 000 tegn tekst, omtrent én side. Abonnementene inkluderer en månedlig eller årlig kredittildeling, med mulighet for å kjøpe påfyll ved behov.
Prisene starter med en gratisversjon for utprøving. Se alle priser. Bedrifts- og institusjonslisenser er tilgjengelige med tilpasset pris. Kontakt oss for mer informasjon.
Ja. Vi tilbyr rabatterte pakker for studenter og akademiske forskere. Dokumentasjon på akademisk tilknytning kreves. Kontakt oss eller se fanen med akademiske priser på prissiden.
Ja, når som helst fra kontoinnstillingene dine. Ved oppgradering belastes du forholdsmessig for differansen. Ved nedgradering trer endringen i kraft ved neste faktureringsperiode.
Du kan kjøpe påfyll av kreditter når som helst, eller oppgradere til et høyere nivå. De eksisterende prosjektene dine er fortsatt tilgjengelige; du kan bare ikke analysere nye dokumenter før du legger til kreditter.
Ja. Vi tilbyr institusjonslisenser for universiteter, forskningsinstitutter, rådgivningsselskaper og offentlige etater. Teamlisenser inkluderer samarbeidsfunksjoner, sentral fakturering, databehandleravtaler og volumrabatter. Kontakt oss for priser for institusjoner.
Ja. Alle betalte planer genererer fakturaer automatisk. For institusjonelle kjøp som krever innkjøpsordre eller særskilte faktureringsordninger, kan du kontakte salgsteamet vårt.
Ja. Tilgang autentiseres og logges. Vi følger bransjestandard sikkerhetspraksis og fyller gjerne ut sikkerhetsspørreskjemaer for bedriftskunder.
Alle data lagres i EU (skyservere i EU-regioner). Dataene dine forlater aldri EU, noe som sikrer samsvar med GDPR og datasuverenitet for europeiske kunder.
Ja, fullt ut. Vi overholder alle krav i GDPR: lovlig behandling, dataminimering, formålsbegrensning, lagringsbegrensning og de registrertes rettigheter. Vi tilbyr databehandleravtaler til institusjonelle kunder. For prosjekter med deltakerdata hjelper Skimle Anonymise deg med å pseudonymisere eller anonymisere før analysen, noe som reduserer risikoen din ytterligere.
Nei. Dokumentene og dataene dine brukes aldri til å trene AI-modeller. Dataene dine forblir private og brukes bare til din egen analyse.
Ja. Du kan slette enkeltprosjekter eller hele kontoen din når som helst fra innstillingene. Slettingen er permanent og skjer umiddelbart. Vi beholder ingen kopier etter sletting (med unntak av juridiske og regnskapsmessige opplysninger som fakturaer).
Ja, for bedriftskunder med særlige krav til sikkerhet eller etterlevelse. Vi kan sette opp Skimle i et eget skymiljø eller diskutere løsninger for lokal drift. Kontakt oss for mer informasjon.
Forskere kan oppgi Skimle i IRB- eller etikksøknader under «verktøy for dataanalyse», på samme måte som de ville nevnt SPSS eller NVivo. Vi kan levere dokumentasjon om databehandling, sikkerhet og AI-prosesser som støtte for etikksøknaden din. Skimle Anonymise lager i tillegg en signert revisjonsrapport i PDF som dokumenterer hver transformasjon som er gjort, noe etikkomiteer i økende grad forventer som bevis på grundig anonymisering.
Tradisjonelle verktøy krever manuell koding av hvert avsnitt: systematisk, men tidkrevende (uker til måneder). Skimle bruker AI til å automatisere kodingen og beholder den samme systematiske, transparente metodikken. Du får grundighet på NVivo-nivå i AI-fart. Grensesnittet i Skimle er dessuten mer intuitivt og skybasert, og det eksporterer til REFI-QDA, så prosjekter kan flyttes mellom verktøy. Se vår fullstendige sammenligning av QDA-verktøy.
Dovetail er laget for produktteam som gjør lett UX-forskning, med AI-funksjoner lagt til i etterkant. Skimle er bygget fra grunnen av for grundig kvalitativ analyse med metodikk på akademisk nivå. Hvis du må forsvare funnene dine i fagfellevurdering, presentere for skeptiske ledere eller håndtere konfidensielle data i samsvar med GDPR, gir Skimle den strukturen og transparensen slike situasjoner krever. Les hele sammenligningen av Skimle og Dovetail.
Det kan du, men du støter raskt på begrensninger: inkonsekvente svar (still det samme spørsmålet to ganger og få ulike svar), ingen systematisk dekning (innsikter som ikke passer semantisk med spørsmålet ditt, kan bli oversett), ingen sporbarhet (du kan ikke vise hvor konklusjonene kommer fra) og et begrenset kontekstvindu som sliter med over 20 dokumenter. Til raske sammendrag av ett eller to dokumenter fungerer generelle AI-verktøy. Til systematisk analyse bruker du Skimle. Les mer om hvor LLM-basert analyse fungerer og hvor den svikter.
For små prosjekter (under 10 intervjuer) går det helt fint å lese manuelt. Men når omfanget øker: (1) eksploderer tidsbruken: 20 intervjuer gir over 40 timer manuell koding; (2) synker konsistensen: tretthet og skjevheter påvirker de siste dokumentene annerledes enn de første; (3) svekkes mønstergjenkjenningen: det er vanskelig å ha 50 intervjuer i hodet samtidig. Skimle opprettholder kvaliteten i stor skala og frigjør tiden din til faktisk analyse i stedet for mekanisk koding.