AI-stödd analyswiki

26 MAJ 2026

// INLÄGG 01 · ANALYSWIKI

Från råmaterial till spårbar analys

Jag har börjat sätta upp en lokal markdown-baserad analyswiki för att kunna arbeta mer systematiskt med ett större intervjumaterial. Utgångspunkten är cirka 50 kvalitativa intervjuer där jag vill kunna gå från råmaterial till citat, analyskoder, teman, insikter och rekommendationer utan att tappa spårbarheten tillbaka till det deltagarna faktiskt har sagt.

Bakgrunden är en insikt jag återkommit till flera gånger: en LLM kan vara kraftfull i analysarbete, men om varje fråga börjar om från noll blir arbetet snabbt fragmenterat. Jag vill i stället skapa ett mellanlager mellan råmaterialet och de färdiga leveranserna.

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

Visuell bild kopplad till dokumentationsloggen — Analysmiljön ska fungera som ett levande mellanlager mellan intervjuarkivet och färdiga leveranser.

STRUKTUR

// INLÄGG 02 · GRUNDIDÉ

Tre lager: råmaterial, wiki och outputs

Strukturen bygger på tre tydliga lager. Det viktigaste beslutet är att råmaterialet ska vara skyddat. Intervjuerna i raw/interviews/original/ ska aldrig ändras av AI-agenten. Det gör att analysen kan utvecklas utan att själva källmaterialet förvanskas.

All bearbetning sker i stället i wiki/.

raw/      = råmaterial som inte får ändras
wiki/     = bearbetad kunskap och analys
outputs/  = rapporter, presentationer och beslutsunderlag

FILSYSTEM

// INLÄGG 03 · WIKI-STRUKTUR

Den struktur jag vill testa

Jag valde att inte ha med participant-groups i nuläget, eftersom det riskerade att göra strukturen större än nödvändigt. Jag valde också bort en separat kolumn för sökbart textankare. I stället används själva citatet som platsreferens tillbaka till råfilen.

Om jag behöver hitta citatet i råmaterialet söker jag helt enkelt på citatet i VS Code eller Obsidian.

Intervjuanalys-Wiki/
|-- raw/
|   `-- interviews/
|       `-- original/
|
|-- wiki/
|   |-- index.md
|   |-- overview.md
|   |-- log.md
|   |
|   |-- sources/
|   |   `-- interviews/
|   |
|   |-- evidence/
|   |   |-- citatbank.md
|   |   |-- evidence-index.md
|   |   |-- observationer.md
|   |   `-- motsagelser.md
|   |
|   |-- codes/
|   |-- themes/
|   |-- insights/
|   |-- recommendations/
|   `-- matrices/
|       `-- analysmatris.md
|
|-- outputs/
|   |-- rapport/
|   |-- presentation/
|   `-- beslutsunderlag/
|
`-- AGENTS.md

SPÅRBARHET

// INLÄGG 04 · HUVUDPRINCIP

Varje slutsats ska kunna följas tillbaka

En central princip är att varje analytisk slutsats ska kunna spåras tillbaka till materialet. Det gör att en rekommendation inte bara blir en lösryckt slutsats. Den ska kunna följas bakåt till en eller flera insikter, teman, analyskoder och konkreta citat.

Kedja

Råintervju → exakt citat eller observation → evidenssida → analyskod → tema → insikt → rekommendation

Exempel

Intervju01 → Evidens-Intervju01-001 → Analyskod-Informationssokning → Tema-SvartAttHittaRattInformation → Insikt-InformationVerifierasSocialt → Rekommendation-VisaAktualitetAgarskapOchGiltighet

Det här blir särskilt viktigt när materialet växer. Med 50 intervjuer är det lätt att skapa snygga teman men tappa kontrollen över vad de faktiskt bygger på.

ID

// INLÄGG 05 · NAMNGIVNING

Läsbara ID:n i stället för kryptiska koder

Jag insåg tidigt att korta ID:n som I01, E-I01-001, K-001 och T-001 blir svåra att minnas. Därför valde jag en mer läsbar standard.

Det blir längre, men mer begripligt. Eftersom detta är ett arbetsmaterial som jag själv ska kunna återvända till är läsbarhet viktigare än kompakthet.

Jag använder inte å, ä och ö i själva ID:n, för att undvika problem i filnamn och länkar. Däremot används vanlig svenska i brödtext.

I stället för:
I01
E-I01-001
K-001
T-001

Använder jag:
Intervju01
Evidens-Intervju01-001
Analyskod-Informationssokning
Tema-SvartAttHittaRattInformation

OBSIDIAN

// INLÄGG 06 · GRAPH VIEW

Analysen ska kunna synas som ett nätverk

Ett viktigt mål är att strukturen ska fungera i Obsidian Graph View. Jag vill kunna se hur analysobjekten hänger ihop visuellt.

Graph View visar bara länkar mellan markdown-sidor. Därför behöver de viktigaste analysobjekten vara egna sidor: intervjuer, evidens, analyskoder, teman, insikter och rekommendationer.

Det jag inte vill se i grafen är tekniska stödfiler som AGENTS.md, index.md, overview.md, log.md, analysmatris.md, citatbank.md och templates. De är viktiga för systemet, men de är inte en del av analysens logiska struktur.

Templates ska hjälpa agenten att skapa sidor, men de ska inte själva bli en del av analysgrafen. Därför ska mallarna inte innehålla riktiga Obsidian-länkar som [[IntervjuXX]], [[Analyskod-]] eller [[Tema-]]. I stället ska de använda instruktionstext.

[lägg in faktisk länk till intervju]
[lägg in faktisk länk till analyskod]
[lägg in faktisk länk till tema]

AGENT

// INLÄGG 07 · ARBETSPROTOKOLL

AGENTS.md som instruktion till AI-agenten

En av de viktigaste filerna är AGENTS.md. Den fungerar som instruktion till AI-agenten.

Poängen är att göra strukturen agentvänlig. Det betyder att AI-agenten inte ska behöva gissa var saker hör hemma. Den ska veta exakt vad som får läsas, vad som får ändras och var nya filer ska skapas.

AGENTS.md ska beskriva

att råfiler aldrig får ändras
att all analys ska skapas i wiki/
att outputs ska ligga i outputs/
hur evidens-ID:n ska namnges
hur analyskoder och teman ska namnges

Agenten ska också veta

hur Obsidian-länkar ska användas
hur en intervju ska analyseras
hur citat och observationer ska hållas isär
hur tolkning och slutsats ska separeras
hur nya filer ska placeras i strukturen

FLÖDE

// INLÄGG 08 · TESTPLAN

Arbetsflödet jag vill testa

Skapa grundstrukturen
Skapa AGENTS.md
Skapa mallar för återkommande sidor
Lägg in en första råintervju
Analysera en intervju
Kontrollera spårbarhet, länkar och Graph View
Analysera 3-4 intervjuer till
Göra en kvalitetskontroll
Justera kodsystemet
Fortsätta i batchar om 5-10 intervjuer

Jag vill inte börja med alla 50 intervjuer direkt. Det skulle riskera att skapa för mycket material innan strukturen är kvalitetssäkrad. Efter ungefär 10 intervjuer bör kodsystemet ses över. Då kan jag kontrollera om vissa analyskoder överlappar, om teman är för svagt underbyggda eller om agenten skapar för många separata koder.

NÄSTA

// INLÄGG 09 · SLUTSATS

Varför detta är användbart

Det här upplägget skapar en tydligare brygga mellan kvalitativt råmaterial och färdiga leveranser. Det hjälper mig att gå från intervjuer till citat, mönster, teman, insikter, rekommendationer och vidare till rapport eller beslutsunderlag.

Samtidigt behålls spårbarheten. Om någon frågar vad en insikt bygger på ska jag kunna gå tillbaka till konkreta citat och observationer.

För mig handlar detta inte bara om att använda AI för att sammanfatta material snabbare. Det handlar om att skapa ett arbetssätt där AI hjälper till att bygga upp en mer långsiktig och strukturerad kunskapsbas.

Nästa steg är att testa strukturen praktiskt med en första intervju. Det viktigaste är inte att allt blir perfekt från början, utan att systemet visar om det klarar av tre saker: skydda råmaterialet, skapa spårbar analys och visa meningsfulla kopplingar i Obsidian.

Skydda

Råmaterialet ska ligga kvar oförändrat.

Spåra

Analysen ska kunna följas tillbaka till citat.

Koppla

Samband ska bli synliga i Obsidian Graph View.