Skimle är en AI-driven plattform för analys av kvalitativa data som strukturerar ostrukturerade dokument (intervjuer, filer från datarum, kundkommentarer, remissvar, juridiska handlingar och så vidare) till ordnade och analyserbara datamängder. Till skillnad från chattbotar som plockar fram slumpmässiga textstycken bearbetar Skimle hela din dokumentsamling systematiskt: analyserar varje avsnitt, hämtar ut insikter och ordnar dem i hierarkiska temataxonomier med full spårbarhet. Se hur Skimle fungerar för en översikt.
Skimle är byggt för kunskapsarbetare som analyserar kvalitativa data: akademiska forskare som gör tematisk analys, managementkonsulter som sammanställer expertintervjuer, policyanalytiker som behandlar remissvar, marknadsundersökare som analyserar kundåterkoppling, HR-team som genomför medarbetarundersökningar — och alla andra som behöver systematiska och försvarbara insikter ur ostrukturerat material.
De flesta enkla AI-verktyg för analys använder RAG (Retrieval-Augmented Generation) och hämtar relevanta textstycken först när frågan ställs, vilket innebär att du får olika svar varje gång du ställer samma fråga. Skimle bearbetar hela ditt material systematiskt i förväg och skapar en stabil struktur där varje tema kopplas till verifierade citat. Du får heltäckande täckning, konsekventa resultat och full spårbarhet i stället för svar ur en svart låda. Läs mer om varför RAG-baserade verktyg inte räcker för seriös analys.
Nej. Skimle är gjort för forskare och analytiker, inte för programmerare. Gränssnittet är intuitivt (tänk kalkylark plus dokumentvisare), och all AI-bearbetning sker automatiskt. Kan du använda Google Dokument och Excel kan du använda Skimle.
De flesta användare är produktiva inom 15–30 minuter. Lägg till dina filer som en datakälla, kör en analys och gå sedan igenom och förfina de AI-genererade temana — arbetsflödet är rakt fram. Till skillnad från traditionella program för kvalitativ analys (NVivo, ATLAS.ti), som kan ta veckor att lära sig, är Skimles gränssnitt gjort för att vara produktivt direkt.
Skimle tar emot PDF, .docx, TXT, RTF, ljudfiler (MP3, M4A, WAV) och videofiler (MP4, MOV). Du lägger till varje typ som en datakälla; för ljud och video transkriberar Skimle automatiskt innan analysen börjar, så att hela ditt arbetsflöde ryms på ett ställe. Du kan blanda format i samma projekt.
Ja. Skimles inbyggda transkribering hanterar MP3-, M4A-, WAV-, MP4- och MOV-filer. Lägg till din inspelning som en ljud- eller videodatakälla, så transkriberar Skimle den innan analysen börjar — med ett valfritt steg där du först kan granska och rätta transkriptionen. Citaten förblir spårbara till källan, så ingen separat transkriberingstjänst behövs.
Upp till 1 000 dokument per projekt. De flesta användningsfall omfattar 10–200 dokument (typiska studier, konsultprojekt, samråd), men Skimle skalar till stora dokumentmängder som genomgångar av datarum eller heltäckande litteraturanalyser.
Över 100 språk. Ladda upp dokument på vilket språk som helst — Skimle analyserar dem på originalspråket och skapar ändå en enhetlig temastruktur. Särskilt användbart vid EU-omfattande samråd, global marknadsundersökning och flerspråkiga akademiska studier. Ingen översättning krävs.
Ja. Ladda upp engelska intervjuer, tyska rapporter och spanska enkätsvar i samma projekt. Skimle skapar temakategorier som går över språkgränserna och behåller samtidigt citaten på originalspråket för kontroll.
Skimle-tabellen är ett interaktivt kalkylark där varje rad är ett dokument (till exempel en intervju) och varje kolumn en temakategori (till exempel "prisfrågor"). Cellerna innehåller uthämtade insikter med direkta länkar till källcitaten. Strukturen gör det enkelt att se mönster mellan dokument, jämföra segment och borra sig ned i specifika ämnen.
Absolut. Skimles AI föreslår inledande kategorier utifrån ditt material, men du har full kontroll att slå ihop, dela, byta namn på, ta bort eller skapa kategorier från grunden. Du kan också ange en egen kategoristruktur i förväg (till exempel utifrån din intervjuguide eller ditt teoretiska ramverk) och låta Skimle hämta insikter enligt den.
Transparens åt båda hållen betyder att du kan röra dig i båda riktningarna: (1) klicka på ett tema för att se alla stödjande citat i alla dokument, och (2) klicka på ett dokument för att se alla teman som hämtats ur det. Varje beslut AI:n fattar går att spåra — inga svarta lådor. Det är detta som gör en Skimle-stödd analys försvarbar i akademiska, kommersiella och myndighetsmässiga sammanhang.
Skimles chattgränssnitt känner till dina strukturerade data (teman, kategorier, metadata). Du kan ställa frågor som "Vad säger företagskunderna om prissättningen?" eller "Hur skiljer sig åsikterna mellan regioner?" AI:n svarar med hjälp av både den strukturerade temadatan och originaldokumenten — vilket ger dig mer träffsäkra och sammanhangsbundna svar än generiska RAG-chattbotar.
Skimle Ask är ett AI-drivet intervjuverktyg som låter dig samla in kvalitativa data i stor skala. Du lägger till det som en Skimle Ask-datakälla i projektet, definierar intervjuguiden och låter Skimle hålla strukturerade samtal med deltagarna i deras egen takt. Varje svar blir ett dokument i samma projekt, så insamling och tematisk analys sker i samma miljö — inget behöver kopieras mellan verktyg.
Ja. Skimle tillhandahåller en slutpunkt för Model Context Protocol (MCP) på https://skimle.com/api/mcp. Vilket MCP-kompatibelt verktyg som helst — Claude Desktop, Cursor, Windsurf, Claude Code och andra — kan ansluta och använda hela uppsättningen läs- och skrivverktyg: bläddra bland dokument, söka i insikter, organisera om kategorier och mer. Autentisering sker via OAuth (ingen token behövs) eller med en API-nyckel som du skapar i dina kontoinställningar. Du väljer vilka projekt som ska exponeras. Krediterna delas med resten av Skimle — ingen separat fakturering.
Ja. Både Claude Code och Cowork stöder MCP, så du kan ansluta dem till Skimle med slutpunkten https://skimle.com/api/mcp. När anslutningen är gjord kan agenten lista dina projekt, söka i dokument, utforska kategorihierarkier, skapa och uppdatera insikter och spara anteckningar — allt från din egen kod- eller skrivmiljö. Se sidan om MCP-installation för steg-för-steg-instruktioner, eller läs vår steg-för-steg-guide till agentiska arbetsflöden.
Från exportcentret kan du skapa Word (utförliga rapporter med teman, citat och sammanfattningar), PowerPoint (sammanfattningar med temauppdelning), Excel (datatabeller med kodningsmatriser) och REFI-QDA — den standard för interoperabilitet som NVivo, MAXQDA och ATLAS.ti känner igen, så att du vid behov kan fortsätta koda manuellt i ett traditionellt QDA-verktyg. Alla exporter behåller källhänvisningar och full spårbarhet.
Ja. Skimle Anonymise erbjuder AI-driven pseudonymisering och anonymisering med konsekvens mellan filer, sex kategorier av identifierare (namn, roller, platser, organisationer, datum och övrigt), inställbara omvandlingslägen och en granskningsrapport i PDF. Det körs inuti ditt projekt — du slår på det för en datakälla och de anonymiserade dokumenten går direkt vidare till analys, utan något separat verktyg. Detta täcker kraven i GDPR och HIPAA och tar fram den dokumentation som etikprövningsnämnder förväntar sig.
Ja. Skimle är byggt av forskare för akademiskt bruk. Vår medgrundare Henri Schildt är professor med fler än 30 publikationer som använder kvalitativa metoder. Skimles ansats är inspirerad av etablerad tematisk analys (Braun & Clarke) och grounded theory (Gioia) — systematiskt, transparent och reproducerbart. Se vårt användningsfall för akademiska forskare och vår guide till AI i akademisk kvalitativ forskning.
Allt oftare ja, om du redovisar det öppet. Beskriv din metod transparent: "AI-stödd kvalitativ kodning med Skimle, med manuell validering och förfining." Skimles fullständiga granskningskedja låter dig dokumentera exakt hur temana togs fram, vilket uppfyller granskningens krav på metodologisk stringens. Vår guide om AI i akademisk kvalitativ forskning går igenom hur du formulerar detta i metodavsnitt och etikansökningar.
Vi tillhandahåller på begäran ett förslag på hur du hänvisar till verktyget.
Ja. Exportera din kodningsmatris, låt en andra kodare granska ett urval dokument manuellt och beräkna överensstämmelsen (Cohens kappa och liknande). Forskare kan använda Skimle för den inledande kodningen (90 % av arbetet) och sedan validera med manuell granskning (10 % kvalitetskontroll).
Ja. Skimle stöder induktiv kodning där temana växer fram ur materialet i stället för att definieras i förväg. Börja med öppen kodning (Skimle föreslår inledande kategorier), förfina sedan stegvis med axial kodning (slå ihop och organisera om kategorier) och utveckla teoretiska ramverk. Processen speglar manuell grounded theory men snabbar upp de mekaniska momenten.
Varje citat som AI:n genererar verifieras mot källdokumenten. Om AI:n skapar text som inte finns ordagrant i dina dokument flaggar systemet det och begär ny bearbetning tills verifierade citat levereras. Dessutom innebär den systematiska strukturen att du kan stickprovskontrollera vilket tema som helst genom att gå igenom citaten som stöder det.
Skimles systematiska bearbetning analyserar varje avsnitt i varje dokument, vilket minskar risken för missade teman jämfört med manuell kodning (där trötthet och förutfattade meningar påverkar täckningen). Vi rekommenderar ändå att du granskar de AI-genererade temana kritiskt. AI:n föreslår, du validerar.
Ja. Skimle stöder REFI-QDA-export, den standard för interoperabilitet som NVivo, MAXQDA och ATLAS.ti känner igen. Du kan börja analysen i Skimle och fortsätta koda manuellt i ett traditionellt QDA-verktyg, eller använda Skimle för att förkoda ett material innan det lämnas över till ett team som arbetar i NVivo.
Ja. Med den kostnadsfria nivån kan du analysera upp till 400 sidor och prova plattformen. Perfekt för att testa Skimle i ett pilotprojekt innan du binder dig till ett betalt abonnemang. Se alla planer.
Dokumentanalys förbrukar krediter utifrån dokumentets längd. En kredit räcker till att ladda upp omkring 2 000 tecken text, grovt räknat en sida. I abonnemangen ingår en månatlig eller årlig kredittilldelning, och det går att köpa påfyllning vid behov.
Prissättningen börjar med en kostnadsfri nivå för att prova. Se hela prislistan. Företags- och organisationslicenser finns med anpassad prissättning — hör av dig så berättar vi mer.
Ja. Vi erbjuder rabatterade paket för studenter och akademiska forskare. Intyg om akademisk status krävs. Hör av dig eller titta på fliken akademisk prissättning på prissidan.
Ja, när som helst i dina kontoinställningar. Vid uppgradering debiteras du den proportionerliga mellanskillnaden. Vid nedgradering träder ändringen i kraft vid nästa faktureringsperiod.
Du kan köpa påfyllning av krediter när som helst, eller uppgradera till en högre nivå. Dina befintliga projekt förblir tillgängliga; du kan bara inte analysera nya dokument förrän du fyller på krediter.
Ja. Vi tillhandahåller organisationslicenser för universitet, forskningsinstitut, konsultfirmor och myndigheter. Teamlicenser omfattar samarbetsfunktioner, central fakturering, personuppgiftsbiträdesavtal och volymrabatter. Hör av dig för organisationspriser.
Ja. Alla betalda abonnemang genererar fakturor automatiskt. För institutionella inköp som kräver inköpsorder eller särskilda faktureringsrutiner, kontakta vårt säljteam.
Ja. Åtkomsten kräver inloggning och loggas. Vi följer branschstandard för säkerhet och besvarar gärna säkerhetsfrågeformulär för företagskunder.
All data lagras inom Europeiska unionen (molnservrar i EU-regioner). Dina data lämnar aldrig EU, vilket säkerställer GDPR-efterlevnad och datasuveränitet för europeiska kunder.
Ja, fullt ut. Vi uppfyller alla GDPR-krav: laglig behandling, uppgiftsminimering, ändamålsbegränsning, lagringsminimering och de registrerades rättigheter. Vi tillhandahåller personuppgiftsbiträdesavtal för institutionella kunder. I projekt som rör deltagaruppgifter hjälper Skimle Anonymise dig att pseudonymisera eller anonymisera före analysen, vilket minskar din regelefterlevnadsrisk ytterligare.
Nej. Dina dokument och data används aldrig för att träna AI-modeller. Ditt material förblir privat och används enbart för din analys.
Ja. Du kan när som helst radera enskilda projekt eller hela ditt konto i inställningarna. Raderingen är permanent och omedelbar. Vi behåller inga kopior efteråt (bortsett från rättsliga och bokföringsmässiga uppgifter som fakturor).
Ja, för företagskunder med särskilda säkerhets- eller regelkrav. Vi kan driftsätta Skimle i en dedikerad molnmiljö eller diskutera alternativ med drift i egen regi. Hör av dig så berättar vi mer.
Forskare kan ta upp Skimle i sina etikansökningar under "verktyg för dataanalys", på samma sätt som de skulle nämna SPSS eller NVivo. Vi kan lämna dokumentation om vår datahantering, säkerhet och våra AI-processer som stöd för din ansökan. Skimle Anonymise tar också fram en signerad granskningsrapport i PDF som dokumenterar varje genomförd omvandling — något etikprövningsnämnder i allt högre grad förväntar sig som bevis på noggrann anonymisering.
Traditionella verktyg kräver manuell kodning av varje textstycke — systematiskt men tidskrävande (veckor till månader). Skimle automatiserar kodningen med AI och behåller samtidigt samma systematiska och transparenta metodik. Du får NVivo-kvalitet i noggrannhet i AI:ns tempo. Skimles gränssnitt är också mer intuitivt och molnbaserat, och det exporterar till REFI-QDA så att projekt kan flyttas mellan verktyg. Se hela vår jämförelse av QDA-verktyg.
Dovetail är gjort för produktteam som gör lättare UX-undersökningar, med AI-funktioner påbyggda. Skimle är byggt från grunden för noggrann kvalitativ analys med akademisk metodik. Om du behöver försvara dina resultat i en granskning, presentera dem för skeptiska chefer eller hantera konfidentiellt material i enlighet med GDPR ger Skimle den struktur och transparens som de situationerna kräver. Läs hela jämförelsen Skimle mot Dovetail.
Det går, men du stöter snabbt på begränsningar: inkonsekventa svar (ställ samma fråga två gånger och få olika svar), ingen systematisk täckning (insikter som inte semantiskt matchar din fråga kan missas), ingen spårbarhet (du kan inte visa var slutsatserna kom ifrån) och ett begränsat kontextfönster som kämpar med fler än 20 dokument. För snabba sammanfattningar av ett eller två dokument fungerar allmänna AI-verktyg. För systematisk analys, använd Skimle. Läs mer om var språkmodellbaserad analys fungerar och var den brister.
För små projekt (färre än 10 intervjuer) fungerar det alldeles utmärkt att läsa manuellt. Men när omfattningen växer: (1) tiden exploderar — 20 intervjuer = över 40 timmars manuell kodning; (2) konsekvensen sjunker — trötthet och förutfattade meningar påverkar senare dokument annorlunda än de första; (3) mönsterigenkänningen försämras — det är svårt att hålla 50 intervjuer i huvudet samtidigt. Skimle behåller kvaliteten när omfattningen växer och frigör din tid till den egentliga analysen i stället för mekanisk kodning.