Smart specialisering: bygg AI-färdigheter som ger effekt

59 miljoner kronor i EU-medel kan låta som “regional utveckling långt borta från vardagen”. Jag tycker tvärtom: den här typen av utlysningar sätter fingret på varför många AI-satsningar i praktiken fastnar i pilotläge. Det är sällan brist på idéer. Det är brist på färdigheter, styrning och fungerande ekosystem.

Tillväxtverkets utlysning Utveckla färdigheter för smart specialisering (Mellersta Norrland: Jämtland-Härjedalen och Västernorrland) är stängd sedan 2025-09-16, men logiken bakom den är högaktuell nu, 2025-12-21. För dig som jobbar med AI inom turism och besöksnäring—eller för den delen i svenska vårdcentraler (den här texten är en del av serien AI för Svenska Vårdcentraler: Primärvård 4.0)—är lärdomen densamma: vill du ha effekt av AI behöver du bygga kapacitet, inte bara köpa teknik.

Det här inlägget visar hur “smart specialisering” kan översättas till konkreta AI-färdigheter, hur du bygger en tränings- och samverkansmodell som håller över tid, och vilka projektupplägg som brukar fungera när man söker EU-finansiering.

Smart specialisering fungerar bara om färdigheterna finns

Smart specialisering (S3) blir värdefull först när den styr vad man faktiskt gör: vilka kompetenser som byggs, vilka samarbeten som formas och vilka flaskhalsar som tas bort. Kärnan i Tillväxtverkets upplägg är tydlig: förflyttning kräver både mötesplatser och stödstrukturer—inte bara enstaka utbildningsinsatser.

För turism- och besöksnäringen är det extra relevant eftersom branschen ofta består av många små aktörer. Då blir det svårt att:

• få tid till kompetensutveckling
• dela data på ett säkert sätt
• testa AI i drift utan att störa verksamheten
• mäta effekt mer än “det känns bättre”

I primärvården ser jag samma mönster: man inför ett AI-stöd för triage eller journaldokumentation, men utan gemensamma arbetssätt, utbildning och uppföljning blir nyttan ojämn.

En bra tumregel: AI i verksamheter misslyckas sällan på grund av modellen. Den misslyckas för att teamet saknar “AI-operativ förmåga”: att förstå, använda, följa upp och förbättra.

S3 i praktiken: välj ett styrkeområde som tål att spetsas

Smart specialisering handlar om att inte försöka bli bra på allt. För besöksnäringen kan ett styrkeområde vara:

• personalisering av gästresan (före, under och efter besöket)
• kapacitets- och flödesoptimering (bokningar, köer, bemanning)
• språk och tillgänglighet (AI-baserad översättning och stöd för olika behov)
• hållbarhetsstyrning (mätning av utsläpp, resursanvändning och beteendepåverkan)

Poängen är att koppla färdigheterna till en faktisk spets. Annars blir utbildning generisk och effekten spretar.

AI-färdigheter som gör skillnad i turism (och i primärvård)

Färdighetsutveckling låter lätt, men blir snabbt diffust: “alla ska kunna AI”. Jag föredrar att dela upp det i roller och beteenden. Här är en modell som fungerar i både besöksnäring och vårdcentral:

1) Basnivå: AI-litteracitet för hela verksamheten

Det här är miniminivån för att minska risk och öka adoption.

• Vad AI kan och inte kan (hallucinationer, bias, begränsningar)
• Hur man skriver bra instruktioner (promptteknik som arbetsmetod, inte trick)
• Informationssäkerhet och personuppgifter
• Kvalitetssäkring: “tvåstegsgranskning” och spårbarhet

Målbild: personalen vågar använda AI där det är lämpligt—och låter bli där det inte är det.

2) Operativ nivå: AI i arbetssätt och service design

Här skapas ofta de första stora effekterna.

För turism:

• AI-stöd för kundtjänst (svarsmallar, språkstöd, sammanfattningar)
• AI-stöd i innehållsproduktion (paketering, produkttexter, FAQ) med tydlig kvalitetspolicy
• Prediktion av efterfrågan för bemanning och öppettider

För vårdcentral:

• AI-stöd för patientkommunikation (förklaringar på begriplig svenska)
• Journalsammanfattning och dokumentationsstöd med mänsklig signering
• Triage-stöd med tydliga spärrar och medicinskt ansvar

Målbild: AI blir en del av processen, inte en “extra-app”.

3) Förmågenivå: data, styrning och uppföljning

Det är här smart specialisering blir “på riktigt”. Verksamheten behöver kunna:

• definiera mätetal (t.ex. svarstid, konvertering, NKI, personalens tidsbesparing)
• göra riskbedömning och skapa rutiner
• hantera data: vad får användas, vad måste anonymiseras, vad ska inte in
• förbättra löpande: test, feedback, revidering

Målbild: ni kan skala det som fungerar och stänga det som inte gör det.

Bygg ekosystemet: mötesplatser och stödstrukturer som faktiskt används

Tillväxtverkets utlysning betonar tre typer av insatser: mötesplatser, stödstrukturer och analys som tar bort flaskhalsar. Det är en bra checklista för AI i besöksnäring.

Mötesplatser för glesa miljöer: gör dem “nyttiga” direkt

I Mellersta Norrland är avstånd en realitet. Mötesplatser måste därför ge värde även digitalt.

Ett upplägg jag sett fungera:

1. Månatliga AI-kliniker (60 min): en konkret case-demo + lärdomar
2. Kvartalsvis sprint (2 veckor): 3–5 aktörer testar samma use case parallellt
3. Gemensam resultatbank: mallar, policys, promptbibliotek, mätetal, checklistor

För turism kan en sprint handla om “AI för flerspråkig kunddialog” eller “AI för paketering och merförsäljning”. För vårdcentraler blir det ofta “AI för administrativa sammanfattningar” eller “AI i patientinformation”.

Ställningstagande: Mötesplatser utan gemensamt leveranskrav blir pratklubbar. Sätt en leverans per träff.

Stödstrukturer: gör det lätt att göra rätt

Små aktörer behöver framför allt återanvändbara komponenter:

• policy för AI-användning (vad som är ok, vad som är förbjudet)
• mall för risk- och hållbarhetsanalys
• checklista för upphandling av AI-verktyg
• modell för incidenthantering (”när AI svarar fel”)

I primärvård är governance ofta mer moget, men variationen mellan vårdcentraler kan vara stor. I besöksnäringen är governance ofta svagare—därför blir stödstrukturen extra avgörande.

Analys och flaskhalsar: mät där det gör ont

För att undvika att AI blir “innovationsteater” behöver ni en enkel analysrytm:

• Var uppstår väntetid? (kundtjänst, incheck, bokningsfrågor)
• Var tappar vi intäkter? (no-shows, låg merförsäljning, otydliga paket)
• Var sliter vi ut personalen? (administration, repetitiva frågor)

Sätt 3–5 indikatorer och följ dem i 90 dagar. Det räcker ofta för att se om ni är på rätt spår.

Så kan ett EU-projekt för AI-färdigheter i besöksnäringen se ut

Utlysningen (Regionalfonden 2021–2027) angav bland annat:

• max 40 % stöd av projektkostnader
• totalt cirka 59 miljoner kronor i potten
• projekt kan pågå upp till 3 år och 4 månader (förstudie max 12 månader)
• tydligt krav på samråd med region (i specifikt mål 1.4)

Även om just den här utlysningen är stängd kan upplägget inspirera andra ansökningar.

Förslag: ett 3-stegsprogram för AI-kompetens i destinationer

Steg 1: Förstudie (8–12 veckor)

• kartläggning av kompetensgap
• data- och processinventering
• urval av 2–3 prioriterade use cases

Steg 2: Genomförande (12–18 månader)

• utbildningsspår per roll (ledning, operativt, data/IT)
• gemensamma piloter med mätetal
• bygg “stödstrukturpaket” (policys, mallar, utbildningsmaterial)

Steg 3: Skala (6–12 månader)

• fler aktörer in i klustret
• standardiserade arbetssätt
• plan för långsiktig drift (ägarstruktur, finansiering, uppföljning)

Det här matchar väl logiken i resultatkedjor: direkta företagsinsatser och utveckling av stödstrukturer.

Vanliga fallgropar (som du kan undvika)

• För bred målbild: “höja AI-mognaden i regionen” utan prioriterade use cases.
• För lite medfinansiering planerad: 40/60-upplägget kräver tidig finansieringsdesign.
• Otydlig effektlogik: utbildning utan koppling till processförändring och indikatorer.
• Ingen plan för likviditet: stöd betalas ofta ut i efterskott, vilket kan knäcka små aktörer.

Vanliga frågor jag får (och raka svar)

“Ska vi börja med teknik eller utbildning?”

Börja med ett arbetssätt och ett use case, och utbilda precis det som behövs för att leverera. Tekniken kommer därefter. Annars utbildar ni “i blindo”.

“Vilka AI-verktyg är viktigast?”

Det viktigaste är inte märket, utan att verktyget passar er risknivå och ert dataflöde. För många i besöksnäringen räcker ett bra verktyg för text, sammanfattning och språkstöd långt—om det finns policy och uppföljning.

“Hur hänger detta ihop med Primärvård 4.0?”

Primärvården och besöksnäringen delar utmaningen kompetens i frontlinjen. När personalen får tydliga rutiner, utbildning och stödstrukturer skalar AI. Utan det blir det punktinsatser.

Nästa steg: gör färdighetsutveckling till en affärsfråga

Smart specialisering blir inte relevant för att den är “strategisk”. Den blir relevant när den styr vilka färdigheter som byggs, hur samarbeten ser ut och hur ni mäter effekt. Det gäller i Mellersta Norrland, i besöksnäringen och på vårdcentraler.

Om du vill ha leads (och resultat) i AI-satsningar: bygg en tydlig kapacitetsplan med tre delar—rollbaserad utbildning, gemensamma piloter och en stödstruktur som gör det lätt att göra rätt.

Vilket område i din verksamhet skulle ge mest effekt om ni förbättrade det med AI inom 90 dagar—kunddialog, planering/bemanning eller innehåll och paketering?