O Skimle

Naszym pierwszym klientem był fiński rząd, który chciał w wiarygodny i przejrzysty sposób przeanalizować setki stron uwag zgłoszonych w konsultacjach. Wiedziano, że ręczna analiza trwa miesiącami, i chętnie sięgnięto po AI, ale wypróbowane proste narzędzia AI nie dawały wysokiej jakości, przejrzystej analizy. Potrzebne było coś, czego jeszcze nie było: rzetelna analiza wysokiej jakości w tempie AI. Henri zabrał się do pracy i przełożył swoje doświadczenie z akademickiej analizy jakościowej na solidny proces, któremu mogli zaufać eksperci z sektora publicznego.

Po sukcesie we współpracy z fińskim rządem zgłosili się do nas naukowcy. Mieli ten sam problem: tradycyjne narzędzia, takie jak NVivo, Atlas.ti czy MAXQDA, wymagały tygodni ręcznej pracy, a szybszym narzędziom AI, takim jak Claude, brakowało rzetelności. Funkcje AI stopniowo dodawane do narzędzi CAQDAS poprzedniej generacji były bezużyteczne. Potrzebowali podejścia Skimle, które łączy rzetelność z szybkością.

Skimle jest dziś używany przez tysiące ekspertów w badaniach naukowych, doradztwie, badaniach rynku i dziesiątkach innych dziedzin. Nasi użytkownicy prowadzą badania publikowane w czołowych czasopismach, zbierają i analizują szczegółowe opinie pracowników, realizują całe projekty doradcze w obszarach roboczych Skimle oraz transkrybują i analizują dyskusje w grupach fokusowych.

Naszą misją jest stworzenie wiodącej platformy do analizy jakościowej, która łączy rzetelność metod akademickich z szybkością AI. Każdy konsultant, badacz, analityk i pracownik wiedzy powinien mieć narzędzia do dogłębnej pracy z danymi jakościowymi, które są tak wydajne i wszechstronne, jak Excel w przypadku danych ilościowych.

Kierujemy się przekonaniem, że AI powinna wzmacniać ludzką wiedzę, a nie ją zastępować. Przyszłość to nie „AI wykonuje analizę o jakości 90%”. To „AI przejmuje pracę mechaniczną, aby eksperci mogli sięgnąć głębiej i osiągnąć 200% jakości”.

Nasza filozofia projektowania Skimle

• Wszechstronność: elastyczne dane wejściowe, metody analizy i wyniki
• Przewidywalność: starannie dopracowane procesy dające spójne rezultaty
• Dwukierunkowa przejrzystość: od podsumowań do dosłownych cytatów, a z poziomu surowych danych widać, gdzie zostały zakodowane
• Pełna kontrola: użytkownicy mogą łatwo edytować i zmieniać wszystko

Przeczytaj artykuł Henriego Schildta „Designing AI for Qualitative Research: Predictability, Transparency, and Control in AI tool Skimle.com” w serwisie SSRN, aby poznać szczegóły.