AI i besöksnäringen: så söker du EU-stöd 2026

Att vänta “tills AI blir moget” är dyrt. För besöksnäringen blir 2026 året då de som redan har data, partnerskap och testmiljöer kan springa ifrån – särskilt i Småland och på Öarna där Tillväxtverket öppnar en utlysning som explicit vill öka små och medelstora företags användning av avancerad teknik.

Från och med 2026-01-13 kan organisationer söka stöd för projekt och förstudier som stärker forskning och innovation hos små och medelstora företag i Jönköpings, Kalmar, Kronobergs och Gotlands län. Stödnivån är 40 % av projektkostnaderna och utlysningen stänger 2026-03-03. För besöksnäringen är det här en ovanligt bra match: AI kräver samverkan, testning i verklig drift och tillgång till kompetens – precis det som den här typen av regionalfondsprojekt kan bygga.

Som del av vår serie ”AI inom energi och hållbarhet” tittar jag på utlysningen genom en praktisk lins: hur du formar en ansökan som både stärker AI i turism och besöksnäring och samtidigt levererar på hållbarhet, energieffektivisering och cirkulära flöden.

Utlysningen i korthet – det som faktiskt avgör om ni kommer igång

Det här är stödet ni kan bygga AI-innovation på: projekt och förstudier som ökar FoU-nivån i små och medelstora företag och sänker trösklarna till innovationssystemet.

De detaljer som brukar avgöra tempo och träffsäkerhet:

• Öppnar: 2026-01-13
• Stänger: 2026-03-03
• Geografi: Småland och Öarna (Jönköping, Kalmar, Kronoberg, Gotland)
• Stöd: max 40 % regionalfondsmedfinansiering (resterande 60 % offentlig/privat medfinansiering)
• Inriktning: specifikt mål 1.1 Stärk forskning och innovation
• Prioriterade smart specialisering-områden: bland annat besöksnäring och digital tjänsteutveckling
• Önskad profil: samverkan företag–akademi–innovationsmiljöer, tillämpad forskning nära företagens problem, gärna kopplat till cirkulär ekonomi

En ansökan som får fart på AI i besöksnäringen behöver visa två saker samtidigt: (1) en tydlig FoU-logik och (2) en plan för bred användning efter projektet.

Varför AI i besöksnäringen passar perfekt i just den här utlysningen

Kärnan i utlysningen är kapacitet, inte en enskild app. Det gör den extra relevant för AI, eftersom AI i praktiken är tre parallella byggen:

1. Kompetens (hur man tränar, utvärderar och förvaltar modeller)
2. Data och infrastruktur (tillgång, kvalitet, integrationer, testbäddar)
3. Arbetssätt (hur insikter blir beslut i drift)

Besöksnäringen sitter dessutom på en dataskatt som ofta är underutnyttjad: bokningsmönster, beläggning, recensioner, kunddialoger, flöden på destinationer och energidata från fastigheter. När den datan kopplas till AI kan ni få effekter som är lätta att motivera i en regionalfondslogik:

• högre produktivitet (automatisering och bättre planering)
• lägre klimatpåverkan (energioptimering, minskat svinn)
• bättre konkurrenskraft (personaliserade erbjudanden, bättre gästupplevelse)
• starkare innovationsmiljöer (testbäddar och kluster)

Och här kommer den röda tråden till vår serie: AI för energieffektivisering och hållbarhet är ofta enklare att mäta och följa upp än “AI för marknadsföring”. Det ger bättre resultatkedjor och tydligare effektargument i ansökan.

Tre projektspår som brukar fungera: från pilot till stödstruktur

Utlysningen beskriver tre “resultatkedjor” där resultaten ska synas. Om ni mappar er idé mot dem redan nu blir ansökan både tydligare och mer trovärdig.

1) Direkta insatser till företag: AI som sparar tid, energi och pengar

Målet här är att företag ändrar beteende och förmåga. För besöksnäringen kan det exempelvis vara:

• AI för beläggningsprognoser som kopplas till bemanningsplanering och inköp (minskar övertid och matsvinn).
• Dynamisk prissättning som tar hänsyn till lokal efterfrågan och evenemang – men också energikostnader och kapacitet.
• Automatiserad kundservice (chatt/voice) som avlastar reception och bokning utan att tappa tonläge och kvalitet.
• Rekommendationsmotorer för aktiviteter som styr flöden bort från överbelastade platser och stärker lokala aktörer.

För att det ska räknas som FoU-nära (och inte bara “införande av IT”) behöver ni beskriva vad som ska utvecklas, testas och utvärderas: datamodeller, metodik, experimentdesign, mätplan och hur ni hanterar bias/robusthet.

2) Utveckling av stödstrukturer: gör AI “normalt” i regionen

Många destinationer har enskilda eldsjälar – men få har en gemensam AI-ryggrad. Här kan projektet bygga strukturer som lever efter projektslut:

• gemensam metod för datadelning och datastyrning mellan aktörer (hotell, attraktioner, destinationbolag, transport)
• kompetensprogram för företagsfrämjare och rådgivare så att de kan stötta AI-case på riktigt
• mallar för AI-upphandling (krav på dataskydd, kvalitetsmått, drift och ansvar)
• återkommande samverkansarenor med akademi/testbädd där företagen kan testa idéer snabbt

Om ni vill ha leads (och riktiga projekt) är det här också spåret som brukar skapa bäst pipeline: fler företag vågar gå från “vi borde” till “vi gör”.

3) Uppbyggnad av miljöer och infrastruktur: testbädd för AI i turism

Utlysningen öppnar för investeringar i testbäddar och forskningsinfrastruktur. För besöksnäringen kan en “testbädd” vara både digital och fysisk:

• en säker miljö där företag kan testa AI på anonymiserad data
• en “living lab”-destination där man kör A/B-tester på gästflöden, information och hållbarhetsinsatser
• koppling mellan fastighetsdata/energisystem och gästflöden för att optimera värme, ventilation och städning

Här måste ni vara extra noga med regler kring statsstöd och nyttjande: vem får använda infrastrukturen, på vilka villkor, och hur säkerställer ni bred och effektiv användning?

Så knyter ni AI-projektet till energi och hållbarhet (utan att krångla till det)

Det enklaste sättet att vinna på hållbarhetsdelen är att koppla AI till konkreta flöden. Jag har sett att ansökningar blir mycket skarpare när ni väljer 2–3 mätbara hållbarhetsresultat och bygger allt runt dem.

Praktiska exempel i besöksnäringen:

• Energibehovsstyrning: prognoser som minskar onödig uppvärmning/kyla vid låg beläggning.
• Ressurseffektiv drift: AI-styrd städning och underhåll baserat på faktisk användning (mindre kemikalier, mindre vatten, mindre tid).
• Matsvinn: efterfrågemodeller för frukost/lunch som minskar svinn i kök.
• Cirkulära inköp: analys av inköpsmönster och leverantörsdata för att öka återbruk och minska engångsartiklar.

Sätt upp tydliga nyckeltal. Exempel:

• kWh per gästnatt
• kg matsvinn per serverad måltid
• timmar manuell kundservice per 100 bokningar
• andel inköp med cirkulära alternativ

Det gör också utvärderingen enklare, vilket Tillväxtverket kräver.

Jämställdhet och minskad ojämlikhet: gör det till en del av AI-designen

Alla projekt ska bidra till mål 5 och 10. I AI-projekt blir det ofta en separat “bilaga”. Gör inte så. Bygg in det i hur ni väljer data, testar och rullar ut lösningen.

Konkreta grepp som brukar hålla vid granskning:

• Säkerställ att träningsdata inte speglar gamla snedvridningar (t.ex. vem som får premiumerbjudanden, vem som prioriteras i serviceflöden).
• Mät kvalitet per grupp: språk, ålder, funktionsvariation (t.ex. hur bra en chattbot fungerar för olika behov).
• Utforma kompetensinsatser så att fler än “tech-folket” kan delta: schemaläggning, nivåindelning, praktiska labb.

En bra formulering i ansökan är: “Jämställdhet och inkludering är ett kvalitetskrav på vår AI, inte ett sidospår.”

Ansökningsstrategi: så gör ni er idé finansieringsbar på 6 veckor

Tidsfönstret är kort (2026-01-13 till 2026-03-03), så ni behöver jobba baklänges. Här är en realistisk plan som jag rekommenderar när flera parter ska samlas.

1. Vecka 1: Välj ett avgränsat problem

   • Skriv en problemformulering på 5–7 rader.
   • Bestäm vilka företag som är första målgruppen (inkl. landsbygdsföretag om relevant).

2. Vecka 2: Bygg er förändringsteori

   • Aktivitet → förändrad förmåga/beteende → resultat → långsiktig effekt.
   • Lägg in 3–5 mätetal (energi, produktivitet, kundnöjdhet).

3. Vecka 3: Säkra partners och roller

   • Företag (case + data)
   • Akademi/institut (FoU, metod, utvärdering)
   • Innovationsmiljö/kluster (spridning, stödstruktur)
   • Offentlig aktör (förankring, medfinansiering)

4. Vecka 4: Budget och likviditet

   • Planera för att stöd betalas ut i efterskott.
   • Gör budgeten kostnadseffektiv och motiverad (varför varje kostnad behövs för FoU-resultat).

5. Vecka 5: Hållbarhetsanalys + jämställdhetsintegrering

   • Visa målkonflikter och hur ni hanterar dem (t.ex. mer digitalisering vs. integritet; AI-optimering vs. arbetsmiljö).

6. Vecka 6: Skriv ansökan “Answer first”

   • Varje avsnitt ska börja med ett rakt påstående och sedan bevis.

Och en sak som ofta glöms: ta tidig kontakt med regionalt utvecklingsansvarig i berört län. Det är inte en formalitet – det är ofta där ni får reda på vilken vinkel som passar regionens prioriteringar.

Vanliga fallgropar när AI-projekt bedöms – och hur ni undviker dem

Det som fäller många ansökningar är inte idén, utan otydligheten. Här är de tre vanligaste missarna och hur ni styr upp dem.

“Vi ska införa AI” utan FoU-innehåll

Skriv vad som är osäkert och vad ni ska testa. Exempel: jämför två modelltyper, mät felmarginal, robusthet över säsong, och effekter i drift.

Otydlig målgrupp och spridning

Utlysningen efterfrågar geografisk målgruppsanalys. Lista segment (stad/landsbygd, små/medelstora, delbranscher) och beskriv er “go-to”-plan.

Infrastruktur utan plan för bred användning

Om ni bygger testbädd: visa prissättning/åtkomst, governance, support och hur ni undviker att det blir en intern plattform för några få.

Nästa steg: gör er AI-idé redo innan ansökan öppnar

Det mest effektiva ni kan göra nu, innan 2026-01-13, är att skriva en en-sidig projektidé som svarar på:

• vilket affärsproblem i besöksnäringen ni löser
• vilken data som krävs och vem som äger den
• vilket FoU-moment som ska genomföras
• vilka mätbara effekter ni siktar på (gärna energi + hållbarhet)
• hur ni bygger kapacitet som lever efter projektet

Om ni gör det jobbet ordentligt blir själva ansökningsperioden mer genomförande än panik.

AI i besöksnäringen kommer inte belöna de som har mest visioner, utan de som kan visa testbara hypoteser, samverkan och mätbara effekter. Vilket av era mest akuta driftproblem skulle ni vilja ha hårda siffror på redan innan nästa högsäsong?