AI för hållbar stadsturism: stöd som stärker SME

Den där känslan när en kommun vill köpa hållbara lösningar, men de lokala småföretagen inte riktigt kommer in i matchen. Kraven i upphandlingar är tuffa, datan är spretig och tiden räcker inte. Resultatet blir ofta att idéer som faktiskt skulle kunna minska energiåtgången i staden – och göra besöksnäringen mer hållbar – stannar på powerpoint-nivå.

Samtidigt finns det pengar på bordet. Tillväxtverket har haft en EU-medfinansierad utlysning kopplad till strategier för hållbar urban utveckling, med fokus på att stärka små och medelstora företags tillväxt och konkurrenskraft. Utlysningen stängde 2025-10-02, men den är fortfarande högintressant som mall för hur framtida finansiering och projekt i svenska städer brukar vara upplagda: 40% EU-stöd, tydliga krav på hållbarhetsanalys, förändringsteori, statsstödslogik – och ett uttalat tryck på jämställdhet.

I den här delen av serien ”AI inom energi och hållbarhet” zoomar jag in på hur besöksnäringens SME i städer kan använda samma logik för att bygga projekt som faktiskt får effekt: lägre energianvändning, smartare resursflöden och bättre gästupplevelse – med AI som praktiskt verktyg.

Varför just SME i stadsturism är nyckeln

Stadsturismens klimatavtryck styrs av tusen små beslut. Hotellens energistyrning, restaurangens inköp, evenemangets logistik, museets besöksflöden, transporterna mellan attraktioner. De stora utsläppen och kostnaderna uppstår sällan i en enda jättepost – de uppstår i summan av vardagsval.

SME är ofta de som sitter närmast de här besluten. Problemet är att de också har minst tid att:

• tolka hållbarhetskrav och rapportering
• räkna på effekter (energi, CO₂, avfall)
• bygga digital kapacitet
• förhandla med offentlig sektor på upphandlingsspråk

Det är därför utlysningar som den här återkommer: de försöker göra två saker samtidigt.

1. Höja efterfrågan i offentlig sektor på hållbara lösningar (t.ex. via upphandling och testbäddar)
2. Stärka SME så att de kan leverera lösningarna och växa

För besöksnäringen i städer blir det extra relevant eftersom turism ofta är en av de branscher där många SME samexisterar på liten yta – och där data kan göra ovanligt stor skillnad.

Så kopplar du projektlogiken till AI inom energi och hållbarhet

En bra projektansökan handlar inte om AI – den handlar om mätbar förändring. AI är bara motorn.

Utlysningen betonar två typer av resultatkedjor som är väldigt användbara även när du bygger AI-projekt i turism:

Direkta insatser till företag (snabb effekt i verksamheten)

Det här är spåret för dig som vill visa att en satsning förbättrar företagens faktiska drift.

Exempel i stadsturism där AI ger direkt effekt:

• Energiprognoser för hotell och mötesanläggningar: koppla bokningsdata, väderprognos och historisk förbrukning för att styra värme/ventilation mer exakt.
• AI-stöd för inköp och matsvinn i restaurang: prognoser för efterfrågan baserat på bokningar, evenemangskalender och säsongsmönster.
• Flödesoptimering i besöksmål: prediktera toppar i besök för att styra bemanning och minska trängsel (som ofta driver mer energi, mer slitage och sämre gästnöjdhet).

Det viktiga är att du kan säga: ”Vi gör X aktiviteter → företag ändrar beteenden → vi ser Y effekt.”

Utveckling av stödstrukturer (lång effekt i ekosystemet)

Det här spåret är för kommuner, regioner, destinationsbolag, kluster och science parks.

Exempel på stödstruktur för AI i hållbar stadsturism:

• Gemensam dataplattform för besöksnäring och stad (energi, mobilitet, evenemang, beläggning), med tydliga datadelningavtal.
• Test- och demonstrationsmiljöer: t.ex. ett ”smart kvarter” där hotell, restauranger och kollektivtrafik kan testa AI-styrning ihop.
• Upphandlingsstöd till offentlig sektor så att kraven gynnar innovation utan att stänga ute SME.

Min erfarenhet: många projekt misslyckas för att man försöker göra båda samtidigt utan att välja primärt spår. Välj en huvudmålgrupp och bygg resten som stöd.

Tre AI-case som passar hållbar urban utveckling (och som går att mäta)

Det här är projektidéer som brukar fungera i praktiken eftersom de har tydliga KPI:er och enkel ”varför”-logik.

1) Smart energistyrning i cityhotell med beläggningsdata

Energibesparing i hotell handlar ofta om drift, inte om stora renoveringar. AI kan koppla:

• beläggning per våningsplan
• in- och utcheckningsmönster
• lokal väderdata
• realtidsförbrukning (elmätare/fjärrvärme)

…och optimera ventilation, värme och varmvatten.

Mätbara effekter (exempel på KPI):

• kWh per gästnatt
• toppeffekt (kW) vid kalla perioder
• antal klagomål på inomhusklimat (kvalitet)

2) Cirkulär logistik för evenemang och besöksmål

Cirkularitet i städer landar ofta i bygg- och anläggning – men evenemang är en underskattad arena: scenmaterial, möbler, skyltar, mattor, teknik.

AI kan användas för att:

• matcha behov och tillgång i återbruksflöden
• optimera transporter mellan lager, evenemangsplats och återbrukspartner
• skapa prognoser som minskar akutinköp

Mätbara effekter:

• andel återbrukat material (%)
• minskade transporter (km) per evenemang
• minskad avfallsmängd (kg)

3) Mobilitetsstyrning för besökare i innerstaden

Om staden vill minska utsläpp från transporter (en klassiker i urbana strategier) kan besöksnäringen vara en del av lösningen.

AI kan:

• förutsäga tryck på populära stråk och hållplatser
• föreslå alternativa rutter och tider i appar/skärmar
• koppla ihop delningstjänster, kollektivtrafik och gång/cykel

Mätbara effekter:

• andel resor med låg utsläppsprofil
• minskad trängsel vid nyckelpunkter
• ökad gästnöjdhet via enklare förflyttning

Så bygger du en ansökan som håller: förändringsteori, hållbarhetsanalys och jämställdhet

Projekt som får finansiering har en sak gemensamt: de är begripliga. Inte tekniskt flashiga – utan begripliga.

Förändringsteori: skriv den så att någon utanför AI förstår

En enkel modell som brukar fungera:

1. Problem: t.ex. hög energiförbrukning per gästnatt + svag datakvalitet
2. Orsak: manuella rutiner, silo-data, incitament som saknas
3. Insats: datainsamling + AI-modell + utbildning + driftuppföljning
4. Beteendeförändring: driftteam styr efter prognos, inte efter ”känsla”
5. Resultat: lägre kWh, jämnare effektuttag, bättre komfort

Skriv den i normal svenska. Du vill att en handläggare snabbt ska kunna återberätta projektet för en kollega.

Hållbarhetsanalys: var ärlig om målkonflikter

AI-projekt har ofta målkonflikter som du tjänar på att adressera direkt:

• Mer datainsamling kan öka IT-energi (men minskad driftenergi kan dominera)
• Optimering kan riskera sämre komfort om man jagar kWh för hårt
• Automatisering kan flytta kompetensbehov (kräver omställning/utbildning)

En sak jag gillar: när projekt sätter miniminivåer för kvalitet (t.ex. temperaturintervall) och bara optimerar inom dem.

Jämställdhet: gör det konkret, inte symboliskt

Utlysningen trycker särskilt på jämställdhet, och det speglar en större trend i EU-finansiering. I praktiken behöver du visa hur projektet flyttar något.

Konkreta sätt i stadsturism-projekt:

• Säkerställ att utbildningsinsatser når både driftpersonal och ledning (inte bara ”IT-rollen”, som ofta är mansdominerad).
• Sätt mål för deltagande i affärsutvecklingsspår för kvinnors företagande i besöksnäringen.
• Granska AI-modeller för snedvridning (t.ex. rekryterings- eller schemaläggningsmodeller).

En enkel tumregel: om jämställdhetsdelen går att klippa bort utan att projektet förändras, då är den för svag.

Statsstöd och offentlig efterfrågan: undvik den vanligaste fällan

Den vanligaste fällan är att man planerar aktiviteter som gynnar företag, men inte har tänkt igenom statsstödslogiken. Då får projektet ofta backa, göra om budget, eller välja annan uppläggning.

Om du driver projekt i besöksnäringen där SME får coachning, testmiljö eller innovationsstöd behöver du tidigt bestämma:

• Är detta en allmän främjandeinsats (system/kompetens), eller ett direkt företagsstöd?
• Går stödet via en intermediär (t.ex. kluster/destinationsbolag)?
• Hur separerar vi aktiviteter så att varje arbetspaket är ”rent”?

Praktiskt råd: designa arbetspaket så att varje paket följer en tydlig logik (t.ex. ”utbildning och metod”, ”piloter i företag”, ”utvärdering och spridning”). Det gör det lättare att argumentera för kostnader och stödnivå.

En snabb checklista för nästa finansieringsfönster

Utlysningen i källan är stängd, men behovet är större nu än för två år sedan: energipriser, kapacitetsbrist i elnät lokalt, ökade hållbarhetskrav från resenärer och fler kommuner som vill bli ”smarta” på riktigt.

Här är en checklista jag själv hade använt inför nästa relevanta utlysning eller regional satsning:

1. Välj en primär resultatkedja: direkta insatser till företag eller stödstruktur.
2. Säkra datan tidigt: vilka mätare, system och API:er finns redan?
3. Sätt 3–5 KPI:er som går att följa månadsvis (inte bara vid slutrapport).
4. Bygg en pilot som kan skalas: 3–5 företag, inte 30.
5. Planera för drift efter projektet: vem äger modellen, vem uppdaterar, vem betalar?
6. Gör jämställdhet mätbar: deltagande, utfall, förändrade strukturer.

Nästa steg: från ”AI-idé” till hållbar effekt i staden

Hållbar urban utveckling blir verklig först när småföretagen kan tjäna pengar på att göra rätt saker. Jag tycker det är en sund princip. Det skapar incitament som håller även efter att projektmedlen är slut.

AI är särskilt användbart här eftersom det kan göra hållbarhet operativt: inte som en rapport, utan som styrning av energi, flöden och beslut – varje dag. Och i stadsturism finns datan ofta redan: bokningar, kassasystem, evenemangskalendrar, sensorer, mobilitetsdata.

Om du sitter i en kommun, region, ett destinationsbolag eller ett turism-SME: vilket av dina dagliga beslut skulle bli bättre om du kunde förutsäga efterfrågan 7–14 dagar framåt – och koppla det till energi och resurser?