AI som driver grön omställning i turism och besöksnäring

Tillväxtverket har nyligen haft en EU-utlysning i Skåne och Blekinge som satte en tydlig agenda: energieffektivisering, mer förnybar energi och cirkulär ekonomi – med konkreta ramar som 40 % medfinansiering och upp till 400 000 kr i EU-stöd för förstudier. Utlysningen stängde 2025-09-16, men signalen är större än en enskild ansökningsperiod: de projekt som kan visa mätbar effekt i företagens vardag vinner framöver.

För turism och besöksnäring är det här extra relevant vintern 2025. Energipriser, krav från företagskunder och ökade förväntningar från resenärer gör att hållbarhet inte längre är ett “nice to have”. Det som skiljer vinnare från resten är förmågan att göra hållbarhet till drift: lägre kostnader, mindre svinn, bättre beläggning och enklare rapportering. Och här är min tydliga ståndpunkt: AI är ofta den snabbaste vägen från ambition till faktisk effekt – särskilt i branscher som har många små beslut varje dag.

Det här inlägget är en del av vår serie “AI inom energi och hållbarhet”. Fokus här: hur du i besöksnäringen kan koppla AI till de tre spåren som EU-finansiering ofta prioriterar – 2.1 energieffektivisering, 2.2 förnybar energi och 2.6 cirkulär ekonomi – och hur du bygger projekt som både skapar klimatnytta och stärker affären.

Varför grön omställning blir affärskritiskt för besöksnäringen

Besöksnäringen är en resursintensiv vardagsmaskin. Många verksamheter har energi- och materialflöden som varierar kraftigt med säsong, väder, event, bokningsläge och gästbeteenden. Det gör att standardlösningar (”sänk temperaturen lite”) sällan räcker.

Samtidigt är turismbranschen full av “dolda” kostnader:

• Uppvärmning/kyla och ventilation som går för fullt när beläggningen är låg
• Tvätt, varmvatten och kökstoppar som inte matchar faktisk efterfrågan
• Matsvinn och överinköp vid osäker prognos
• Engångsprodukter och avfallsströmmar som inte är designade för återbruk

Här är en mening som brukar landa hos ledningsgrupper: Ni kan inte styra det ni inte mäter – och ni kan inte mäta manuellt i en verksamhet som ändras varje timme.

AI blir då ett praktiskt verktyg för att:

1. Förutsäga efterfrågan (beläggning, flöden, serveringstryck)
2. Optimera drift (energi, inköp, bemanning, logistik)
3. Upptäcka avvikelser (läckor, onödiga toppar, felaktiga inställningar)
4. Skapa spårbarhet (data för mål, uppföljning och rapportering)

Energieffektivisering (2.1): AI som sänker energikostnaden utan att sänka komforten

Det snabbaste sättet att få effekt är att använda AI för styrning och avvikelsedetektion. I många hotell, spa, campinganläggningar, arenor och besöksmål går energi åt för att hålla ”möjlig” kapacitet igång – inte faktisk.

Tre AI-tillämpningar som passar besöksnäringen

1) Prediktiv energistyrning i fastigheter AI kan ta hänsyn till bokningsläge, väderprognos och historiska mönster och föreslå (eller automatiskt styra) värme, kyla och ventilation.

• Effekt i praktiken: jämnare inomhusklimat och färre energitoppar
• Nyckeltal att följa: kWh per gästnatt, kWh per öppettimme, effekttoppar (kW)

2) Avvikelsedetektion i drift (”något är fel innan någon ringer”) Med sensordata och mätvärden från fastighetssystem kan AI flagga när en anläggning beter sig onormalt: exempelvis en ventilationszon som drar för mycket, eller varmvatten som har onödigt höga temperaturer.

• Effekt i praktiken: kortare felsökningstid och färre driftstopp
• Nyckeltal: antal avvikelseärenden, tid till åtgärd, energireduktion efter åtgärd

3) AI-stöd för investeringskalkyler Många energieffektiviseringsåtgärder faller på att kalkyler blir osäkra. AI kan användas för att simulera scenarier: olika beläggningsgrader, elprisvariationer och effekttariffer.

• Effekt i praktiken: bättre beslut och lättare dialog med finansiärer
• Nyckeltal: återbetalningstid (payback), internränta, riskintervall

Praktiskt råd: Börja med 3–5 mätpunkter som ni litar på (energi, temperatur, beläggning, varmvatten, ventilation). Ett litet dataset som är korrekt slår ett stort dataset som är rörigt.

Förnybar energi (2.2): AI som gör egen el och flexibilitet användbar

Poängen med AI här är att få mer nytta av förnybar energi – inte bara “ha solceller”. Besöksnäringen har ofta en bra matchning för lokal el: dagtid, kök, spa, laddning, konferenser. Men utan smart styrning blir effekten ofta mindre än den borde.

Så kan AI hjälpa utan att ni bygger ett energibolag

Prognoser för produktion och förbrukning AI kan förutse solproduktion (utifrån väderdata) och samtidigt prognostisera elbehov (utifrån bokningar och drift). Resultatet blir bättre planering för när ni ska ladda batteri, värma pool, köra tvätt eller styra ventilation.

Flexibilitet som tjänst Allt fler aktörer tittar på flexibilitetslösningar: att flytta last i tid när elen är dyr eller när elnätet är pressat. För en anläggning kan det handla om att:

• Förvärma/kyla byggnader i rätt timmar
• Prioritera vissa laster (pool, bastu, laddning) utan att påverka gästupplevelsen
• Styra laddning av elfordon efter pris och nätläge

Stöd inför upphandlingar AI-baserade analyser kan ge bättre kravställning vid upphandling av sol, lagring, styrsystem och laddinfrastruktur. Det minskar risken att köpa “för mycket prylar” och få för lite effekt.

Min erfarenhet: De bästa energiprojekten i besöksnäringen är de som kombinerar teknik med beteende – driftteamet måste vilja använda insikterna, annars blir dashboards bara fina bilder.

Cirkulär ekonomi (2.6): AI som minskar svinn och gör restflöden lönsamma

Cirkularitet i turism är ofta enklare än i industrin – men kräver bättre koordinering. Det handlar om volymer som skiftar snabbt (säsong, helg, event), och många inköp som styrs av ”hellre lite för mycket än för lite”. AI kan minska den osäkerheten.

Tre områden där AI ger snabb effekt

1) Prognoser som minskar matsvinn Med historik från bokningar, väder, evenemang och försäljning kan AI ge inköps- och produktionsrekommendationer.

• Effekt i praktiken: mindre överproduktion i frukost, lunch och event
• Nyckeltal: svinn i kg per gäst, svinnkostnad per vecka

2) Optimerad logistik och lager för förbrukningsvaror Städ, tvätt, amenities och engångsmaterial är ofta en “tyst kostnad”. AI kan föreslå beställningspunkter och sortimentsval per säsong.

• Effekt i praktiken: färre akutbeställningar och mindre kapital bundet i lager
• Nyckeltal: lagervärde, kassation, expressfrakter

3) Industriell symbios i destinationskluster Här finns stor potential i Skåne/Blekinge: flera verksamheter i närhet kan samordna restflöden.

Exempel i besöksnäring:

• Överskottsvärme från en ishall som värmer ett närliggande hotell
• Matavfall som går till biogas och återkommer som drivmedel i lokal logistik
• Samordnade returflöden för återbruk (möbler, textilier, utrustning)

AI:s roll blir att matcha flöden i tid och volym: vem har vad, när, och vem kan ta emot.

Så bygger ni ett projekt som faktiskt blir beviljat (och fungerar)

Bra EU-projekt börjar inte med tekniken. De börjar med en förändringsteori som går att mäta. Utlysningar i linje med Tillväxtverkets logik vill se hur aktiviteter leder till stärkt förmåga, förändrat beteende och långsiktig effekt.

En enkel modell som fungerar för besöksnäringen

1. Problem (idag): Höga energitoppar, svinn, osäker styrning, låg datakvalitet
2. Förmåga (i projektet): Mätning, analys, styrning, kompetens i driftteam
3. Beteende (efter projektet): Beslut tas datadrivet veckovis, inte på magkänsla
4. Effekt (12–36 månader): Lägre kWh/ gästnatt, mindre svinn, bättre lönsamhet

Exempel på projektupplägg som matchar “nytta för flera SME”

• Destinationspiloter: 10–20 små och medelstora företag i ett besökskluster kör samma metod med lokala anpassningar
• Stödstrukturprojekt: ett regionalt besöksnäringsbolag/kommun bygger rådgivning, verktyg och datahub som företag kan ansluta till
• Testbädd: en demonstrationsmiljö för cirkulära flöden (t.ex. textil/tvätt/återbruk) där flera aktörer kan prova och skala

Vanliga misstag jag ser (och hur ni undviker dem)

• För stort scope: börja med ett av tre spår (energi, förnybart, cirkulärt) och bygg expansionsplan
• Otydliga mätetal: välj 5–8 KPI:er som ni kan följa månadsvis
• Data utan ägarskap: bestäm vem som äger datakvalitet och vem som får agera på insikter
• AI utan verksamhetsprocess: koppla varje AI-insikt till en rutin (veckomöte, driftcheck, inköpsbeslut)

Frågor som brukar komma – och raka svar

“Måste vi vara ett techbolag för att jobba med AI?”

Nej. Ni behöver vara bra på er verksamhet och tydliga med vilket beslut AI ska förbättra. Teknikpartner kan ni ta in, men problemet och effekten måste ni äga.

“Vad kan vi göra på 9 månader i en förstudie?”

Rätt mycket. En stark förstudie i besöksnäring kan hinna:

• kartlägga energiflöden och svinn
• säkra datakällor och integritetsfrågor
• testa en pilot (t.ex. AI-prognos för beläggning → driftstyrning)
• ta fram investeringskalkyler och plan för skalning

“Hur visar vi klimatnytta utan att fastna i rapportering?”

Välj metoder som går att följa löpande: kWh, kg svinn, andel förnybar el i användning, effekttoppar, avfallsmängd. Det gör rapporteringen till en export från driften, inte ett separat projekt.

Nästa steg: gör AI till ert praktiska hållbarhetsarbete 2026

Grön omställning i näringslivet kommer fortsatt vara styrande för finansiering, upphandling och kundkrav. För turism och besöksnäring är den stora möjligheten att AI kan ge effekt snabbt eftersom processerna redan är digitala: bokningssystem, kassasystem, fastighetsdrift och inköp.

Om jag skulle välja en sak att göra redan i januari 2026 är det detta: sätt en baslinje för energi och svinn, och bestäm ett beslut ni vill förbättra med AI inom 90 dagar. När ni kan visa första resultatet blir nästa steg – större projekt, fler partners, mer finansiering – betydligt enklare.

Vilken del av er verksamhet skulle ni helst vilja kunna styra mer datadrivet: energin i fastigheten, inköpen i köket eller flödet av gäster och personal under högsäsong?