关于 Skimle

我们的第一位客户是芬兰政府，他们希望以可靠而透明的方式分析数百页的政策征询意见。他们清楚人工分析要花上数月，也很想尝试 AI，但试过的基础 AI 工具都做不出高质量、透明的分析。他们需要的是当时并不存在的东西：以 AI 的速度完成高质量的严谨分析。Henri 于是着手把自己在学术定性分析中的经验，转化成一套公共部门专家能够信赖的扎实流程。

在芬兰政府的项目取得成功之后，学术研究者也找上门来。他们面临同样的难题：NVivo、Atlas.ti 或 MAXQDA 这类传统工具需要数周的人工投入，而 Claude 这类更快的 AI 工具又缺乏严谨性。上一代 CAQDAS 工具里陆续撒进去的那点 AI 功能形同虚设。他们需要的正是 Skimle 这条把严谨与速度结合起来的路径。

如今，学术研究、咨询、市场研究等数十个领域的数千名专家都在使用 Skimle。我们的用户用它开展发表于顶级期刊的学术研究，收集并分析细致的员工反馈，把整个咨询项目当作 Skimle 工作空间来运作，也用它转写并分析焦点小组讨论。

我们的使命是打造定性分析领域的标杆平台，把学术方法的严谨与 AI 的速度结合起来。每一位咨询顾问、研究者、分析人员和知识工作者，都应该拥有深挖定性数据的工具，其强大与灵活程度不亚于 Excel 之于定量数据。

我们坚信，AI 应当放大人的专业能力，而不是取代它。未来不是「AI 完成 90% 质量的分析」，而是「AI 承担机械性的工作，让专家挖得更深，做到 200% 的质量」。

我们为 Skimle 确立的设计理念

• 灵活: 灵活的输入、分析方法与输出
• 可预期: 精心打磨的流程，产出稳定一致的结果
• 双向透明: 从摘要追溯到原文引语，也能从原始数据看到它被编码到了何处
• 完全掌控: 用户可以轻松编辑和改动任何内容

阅读 Henri Schildt 的白皮书 《Designing AI for Qualitative Research: Predictability, Transparency, and Control in AI tool Skimle.com》 ，详见 SSRN。