AI-stödd analyswiki

Ett lokalt, markdown-baserat arbetssätt för att gå från cirka 50 kvalitativa intervjuer till citat, analyskoder, teman, insikter och rekommendationer utan att tappa spårbarheten. Jag har beviljats medel ur Region Värmlands prova på-peng för att vidareutveckla arbetssättet.

Intervjuanalys-Wiki/
|-- raw/
|   `-- interviews/original/     # ändras aldrig
|
|-- wiki/
|   |-- index.md  overview.md  log.md
|   |-- sources/interviews/
|   |-- evidence/
|   |   |-- citatbank.md
|   |   `-- observationer.md
|   |-- codes/
|   |-- themes/
|   |-- insights/
|   `-- recommendations/
|
|-- outputs/
|   |-- rapport/  presentation/
|   `-- beslutsunderlag/
|
`-- AGENTS.md                    # instruktion till agenten

Kunskap som byggs över tid

Material
Cirka 50 kvalitativa intervjuer
Verktyg
AI-agent, markdown, VS Code, Obsidian
Status
Struktur på plats, test pågår
  1. Råintervju
  2. Citat eller observation
  3. Evidens
  4. Analyskod
  5. Tema
  6. Insikt
  7. Rekommendation
Spårbarhetskedjan

Utmaningen

En språkmodell kan vara kraftfull i analysarbete, men om varje promt börjar om från noll blir arbetet snabbt fragmenterat. Med 50 intervjuer är det dessutom lätt att tappa kontrollen över vad de faktiskt bygger på.

  • Varje promt till AI:n börjar om från noll
  • Svårt att se vad teman och insikter bygger på
  • Risk att källmaterialet förvanskas i bearbetningen

Angreppssätt

Bygg kunskap över tid i stället för att börja om.

Inspirationen kommer bland annat från Andrej Karpathys idé om en persistent wiki som alternativ till klassisk RAG. I stället för att bara hämta textstycken vid varje fråga hjälper AI-agenten till att bygga upp en strukturerad, länkad kunskapsbas.

  • Tre lager: råmaterial, wiki och outputs
  • Råmaterialet får aldrig ändras av agenten
  • Läsbara ID:n i stället för kryptiska koder
  • AGENTS.md som arbetsprotokoll för agenten
  • Obsidian Graph View för att se sambanden

Lösningen

En lokal analyswiki som fungerar som ett levande mellanlager mellan intervjuarkivet och de färdiga leveranserna. Varje analysobjekt är en egen länkad sida, och agenten vet exakt vad den får läsa, vad den får ändra och var nya filer ska skapas.

  • Intervjuer, evidens, koder, teman och insikter som egna sidor
  • Citatet används som referens tillbaka till råfilen
  • Mallar utan riktiga länkar, så att de inte syns i grafen

Resultat

En tydligare brygga mellan kvalitativt råmaterial och färdiga leveranser, där spårbarheten behålls. Om någon frågar vad en insikt bygger på ska det gå att gå tillbaka till konkreta citat. Nästa steg är att testa strukturen med en första intervju.

  • Skydda: råmaterialet ligger kvar oförändrat
  • Spåra: analysen kan följas tillbaka till citat
  • Koppla: sambanden blir synliga i Obsidian
raw/      = råmaterial som inte får ändras
wiki/     = bearbetad kunskap och analys
outputs/  = rapporter, presentationer
            och beslutsunderlag
Struktur

Råmaterialet skyddas

Det viktigaste beslutet är att intervjuerna aldrig ändras av AI-agenten. All bearbetning sker i wiki-lagret, så analysen kan utvecklas utan att källmaterialet förvanskas.

Obsidian Graph View där intervjuer, evidens, analyskoder, teman, insikter och rekommendationer syns som sammankopplade noder
Graph View

Analysen syns som ett nätverk

I Obsidian blir varje analysobjekt en nod och varje länk ett samband. Intervjuer, evidens, analyskoder, teman, insikter och rekommendationer är egna sidor, så det går att se hur de hänger ihop och vad en slutsats faktiskt bygger på.

Gränssnitt

Från wiki till verktyg

Analysen kan också läsas i ett eget gränssnitt med tre vyer: kluster, insikter och rekommendationer. Varje insikt öppnas i en tredelad analysvy där det går att följa kopplingarna vidare, ända tillbaka till evidensen.

Vyn Insikter i analysverktyget, med en ingress och kort för insikter som Idéer har vägar in men fastnar utan ägare
Vyn Insikter