EU-stöd för AI i hĂ„llbar turism i NMS – sĂ„ lyckas ni

AI inom energi och hĂ„llbarhet‱‱By 3L3C

EU-stöd för digital hÄllbar omstÀllning visar hur ni kan bygga AI-projekt i turism med mÀtbara effekter pÄ energi, flöden och hÄllbarhet.

AI i turismEU-finansieringHÄllbar omstÀllningEnergieffektiviseringRegionalfondenNorra Mellansverige
Share:

Featured image for EU-stöd för AI i hĂ„llbar turism i NMS – sĂ„ lyckas ni

EU-stöd för AI i hĂ„llbar turism i NMS – sĂ„ lyckas ni

10 miljoner kronor i budget och upp till 50 % medfinansiering. Det Ă€r nivĂ„n pĂ„ EU-stödet som nyligen gick att söka för digital hĂ„llbar omstĂ€llning i Norra Mellansverige (Dalarna, GĂ€vleborg, VĂ€rmland). Utlysningen stĂ€ngde 2025-09-16, men den sĂ€ger nĂ„got större: 2026 blir Ă„ret dĂ„ turismens AI-projekt behöver vara “EU-mogna” – med tydlig förĂ€ndringsteori, hĂ„llbarhetsanalys och en plan som hĂ„ller för statsstödsregler.

Jag ser samma mönster i mĂ„nga destinationer: man vill införa AI för att kapa energikostnader, jĂ€mna ut besökstoppar, minska svinn och göra gĂ€stresan smidigare. Men projekten fastnar ofta i “pilotfĂ€llan” eller blir för teknikfokuserade. EU-logiken Ă€r en annan: vilket problem ska lösas, för vem, och hur mĂ€ter ni att det faktiskt blev bĂ€ttre?

Den hÀr artikeln visar hur ni i besöksnÀringen kan anvÀnda den hÀr typen av regionalfondsutlysningar som mall för AI inom energi och hÄllbarhet: vad som brukar beviljas, hur ni paketerar en stark ansökan (eller förbereder er inför nÀsta), och vilka AI-case som Àr mest trovÀrdiga i Norra Mellansverige.

Varför EU-finansiering passar AI i besöksnÀringen

EU-finansiering för digital omstĂ€llning Ă€r byggd för projekt som skapar spridbar nytta – inte bara ett verktyg i en enskild verksamhet. Det gör den extra relevant för besöksnĂ€ringen, dĂ€r effekten ofta uppstĂ„r nĂ€r mĂ„nga aktörer gör smĂ„ saker samtidigt.

Tre skÀl att ta den hÀr typen av stöd pÄ allvar:

  1. AI krÀver data, samverkan och testmiljöer. En hotellkedja kan optimera sin energianvÀndning, men den stora vinsten kommer nÀr boende, transporter, attraktioner och destinationens planering jobbar ihop.
  2. HĂ„llbarhet mĂ„ste mĂ€tas. EU-projekt tvingar fram indikatorer och uppföljning. Det Ă€r precis vad som behövs för att AI inte ska bli “en kul chatbot” utan en faktisk förbĂ€ttring i utslĂ€pp, resursanvĂ€ndning och inkludering.
  3. Digital kapacitet i stödstrukturer prioriteras. Utlysningen riktade sig tydligt till aktörer i företags- och innovationsfrĂ€mjande systemet – alltsĂ„ de som kan skala nytta till mĂ„nga smĂ„ och medelstora företag.

En bra tumregel: EU gillar AI nÀr det Àr en metod för mÀtbar omstÀllning, inte ett mÄl i sig.

Vad utlysningen i Norra Mellansverige faktiskt premierade

Utlysningen lĂ„g inom Specifikt mĂ„l 1.2: SĂ€kra nytta av digitalisering och öppnade för bĂ„de förstudier och genomförandeprojekt. Den centrala formuleringen var att projekten skulle göra det lĂ€ttare för smĂ„ och medelstora företag att anvĂ€nda digitalisering för att möta samhĂ€llsutmaningar – inklusive miljömĂ€ssiga och sociala.

Vem som typiskt passar som projektÀgare (och varför)

Det var möjligt för juridiska personer att söka (privatrÀttsliga och offentligrÀttsliga), men signalen var tydlig: företag medverkar helst som deltagare och/eller medfinansiÀrer, inte som huvudÀgare.

För turism betyder det i praktiken att de hÀr ofta Àr starka projektÀgare:

  • destinationbolag och regionala turismorganisationer
  • kommuner och regioner (regionalt utvecklingsansvar)
  • universitet/högskolor med tillĂ€mpad AI, data eller energisystem
  • kluster, science parks, innovationshubbar
  • bransch- och nĂ€ringslivsorganisationer

Och de hÀr passar ofta bÀttre som medverkande företag:

  • hotell, camping, restaurang, aktivitetsbolag
  • transport- och mobilitetsaktörer
  • event- och arenabolag
  • leverantörer av energi, fastighet, bokningssystem, IoT

Finansieringslogiken: 50 % Ă€r normen – planera för likviditet

MaxnivÄn var 50 % EU-stöd av total budget (med noterad ambition om 60 % i framtiden, men inte i tid för denna omgÄng). Resten behövde komma frÄn offentliga och/eller privata medel, och statsstödsregler kan krÀva en viss andel privat medfinansiering.

En praktisk konsekvens som mĂ„nga underskattar: utbetalning sker i efterskott nĂ€r kostnader Ă€r betalda och godkĂ€nda. Det gör att Ă€ven “beviljade” projekt kan fĂ„ problem om likviditeten inte Ă€r planerad.

AI-case i turism som matchar “digital hĂ„llbar omstĂ€llning”

AI inom energi och hÄllbarhet i besöksnÀringen blir trovÀrdigt nÀr det kopplas till konkreta beslut: nÀr ska ventilation gÄ ner, hur styr vi flöden till mindre belastade platser, vilka transporter ska prioriteras, vilka inköp minskar svinn.

HÀr Àr fem typer av projekt som ofta passar den hÀr logiken.

1) Prediktiv energistyrning i boende och anlÀggningar

KÀrnan: anvÀnd AI för att förutsÀga belÀggning och styra vÀrme, ventilation och varmvatten utifrÄn faktisk efterfrÄgan.

Exempel pÄ upplÀgg som brukar hÄlla:

  • samla historisk belĂ€ggning + bokningsdata + vĂ€der + evenemangskalender
  • bygg en modell som ger dygnsprognoser per byggnad/zon
  • koppla till styrsystem (BMS) eller smarta termostater
  • mĂ€t effekt i kWh, kostnad och komfortindikatorer

Varför detta Ă€r “EU-snyggt”: det Ă€r mĂ€tbart, skalbart till mĂ„nga fastigheter, och gĂ„r att paketera som metodstöd till smĂ„ aktörer.

2) Smart kapacitetsstyrning för att minska överbelastning

KÀrnan: AI-stödda prognoser och nudging som fördelar besök över tid och rum.

Konkreta komponenter:

  • flödesdata (parkering, sensorer, biljett/entrĂ©, mobilpositionsdata dĂ€r det Ă€r möjligt och lagligt)
  • prognosmotor för toppar
  • rekommendationslogik i digitala kanaler (webb, app, skyltning)
  • effekter: mindre köer, bĂ€ttre upplevelse, mindre slitage

Det hÀr knyter direkt till hÄllbarhet genom minskad trÀngsel och mer robusta destinationer.

3) AI för minskat matsvinn och bÀttre inköp

KÀrnan: prognoser för servering baserat pÄ bokningslÀge, vÀder och sÀsongsmönster.

Bra indikatorer:

  • kg matsvinn per gĂ€stnatt / per serverad portion
  • inköpsprecision (avvikelse mellan plan och utfall)
  • kostnad per serverad portion

Det passar sĂ€rskilt bra i december–mars nĂ€r mĂ„nga planerar inför nĂ€sta sĂ€song och vill fĂ„ kontroll pĂ„ kostnader.

4) Digitala stödstrukturer: “AI-coachning” till mĂ„nga smĂ„ företag

Utlysningen tryckte pÄ kunskapsförstÀrkning i innovations- och företagsfrÀmjande system. För turism kan det bli:

  • en regional AI-verkstad med fĂ€rdiga mallar (datakartlĂ€ggning, GDPR, upphandling)
  • gemensam dataplattform för enkel rapportering (energi, belĂ€ggning, transporter)
  • coachprogram dĂ€r företag testar 1–2 AI-funktioner och rapporterar utfall

Det Ă€r ofta lĂ€ttare att fĂ„ beviljat Ă€n att bygga en helt ny “produkt”, eftersom nyttan för regionens SME blir tydlig.

5) Testmiljöer och innovationsplattformar (quadruple helix)

Utlysningen öppnade för testmiljöer i samverkan mellan nĂ€ringsliv, offentlig sektor, akademi och civilsamhĂ€lle. I besöksnĂ€ringen kan det vara en “levande” testbĂ€dd:

  • en skidort, ett vĂ€rldsarv, en stadskĂ€rna eller en naturdestination
  • dĂ€r AI testas mot mĂ„lkonflikter: klimatpĂ„verkan vs tillgĂ€nglighet, tillvĂ€xt vs slitage

Nyckeln Àr att designa testmiljön sÄ att den ger generaliserbar metodik, inte bara lokala förbÀttringar.

SÄ skriver ni en ansökan som hÄller: förÀndringsteori + indikatorer

Det tydligaste kravet i underlaget var att ni mÄste anvÀnda förÀndringsteori. MÄnga gör den för krÄnglig. Min erfarenhet: skriv den som en kedja av beslut.

En förÀndringsteori som ofta fungerar i turism

  1. Problem (nulÀge): t.ex. hög energianvÀndning per gÀstnatt och stora variationer i belÀggning.
  2. Orsak: styrning sker statiskt och baseras inte pÄ prognoser; kompetens saknas hos smÄ aktörer.
  3. Insats: datainsamling + AI-modell + utbildning + implementeringsstöd.
  4. Prestation (output): antal företag som inför rutiner/verktyg, antal testade byggnader, antal utbildningstimmar.
  5. Kortsiktig effekt: förbÀttrad kunskap och nya arbetssÀtt.
  6. MedellÄng effekt: lÀgre kWh/gn, jÀmnare belastning, minskade utslÀpp, bÀttre lönsamhet.

Indikatorer som gör er ansökan lÀttare att bedöma

VÀlj hellre fÄ men tydliga:

  • kWh per gĂ€stnatt (före/efter, sĂ€songsjusterat)
  • CO₂e per gĂ€stnatt (med tydliga antaganden)
  • andel företag som gĂ„r frĂ„n manuella till datadrivna beslut (processindikator)
  • antal implementerade AI-funktioner (exempelvis prognos, optimering, rekommendation)
  • minskat matsvinn i kg eller procent

SÀtt mÄlvÀrden som gÄr att nÄ pÄ tre Är. För ambitiösa löften sÀnker trovÀrdigheten.

Statsstöd, hÄllbarhetsanalys och jÀmlikhet: dÀr mÄnga tappar poÀng

Tre delar Äterkommer i avslag och omtag.

Statsstödsregler: designa projektet rÀtt frÄn början

Om projektet gynnar företag kan statsstödsregler slÄ in. Det pÄverkar bland annat hur stöd ges (direkt/indirekt), nivÄer och villkor.

Praktiskt tips: separera ofta i arbetspaket:

  • metod- och plattformsutveckling (stödstruktur)
  • företagsinsatser (coachning/test) med tydliga regler för urval och transparens

HÄllbarhetsanalys: beskriv mÄlkonflikter, inte bara vinster

En stark ansökan beskriver ocksÄ konflikter. Exempel i turism:

  • fler besök kan öka lokala utslĂ€pp
  • bĂ€ttre digital service kan minska mĂ€nsklig kontakt och pĂ„verka tillgĂ€nglighet
  • datainsamling kan skapa integritetsrisker

Visa hur ni hanterar dem med styrning, uppföljning och designval.

JÀmstÀlldhet och minskad ojÀmlikhet: gör det operativt

Det rĂ€cker inte med “vi ska beakta”. Gör det mĂ€tbart:

  • utbildningsinsatser pĂ„ tider/format som passar sĂ€songsanstĂ€llda
  • tillgĂ€nglighetskrav i digitala grĂ€nssnitt
  • stöd till smĂ„ aktörer med lĂ„g digital mognad, inte bara de som redan ligger lĂ„ngt fram

NÀsta steg: bygg en EU-mogen AI-portfölj inför 2026

Utlysningen i Norra Mellansverige Àr stÀngd, men arbetssÀttet Àr högst levande. Om ni vill fÄ AI att bli en motor för energieffektivisering, cirkulÀra flöden och mer robusta destinationer, börja nu med förberedelser som ÀndÄ behövs:

  1. VÀlj ett problem med tydlig mÀtbarhet (energi, flöden, svinn).
  2. KartlÀgg data och datakvalitet (vad finns redan i bokning, fastighet, kassasystem?).
  3. Designa samverkan sÄ att SME fÄr nytta utan att drunkna i administration.
  4. Bygg er förĂ€ndringsteori och koppla den till 5–7 indikatorer.
  5. Planera likviditet och projektstyrning som om ni redan var beviljade.

Det Ă€r frestande att börja med en AI-lösning och sedan leta problem. Gör tvĂ€rtom. Turismens hĂ„llbarhetsutmaningar Ă€r redan kĂ€nda – AI Ă€r bara verktyget som kan göra förbĂ€ttringarna mĂ€tbara och skalbara.

Om ni siktar pÄ nÀsta finansieringsfönster: vilken del av er destination skulle ge mest effekt om ni kunde sÀnka energianvÀndningen per gÀstnatt med 10 % utan att försÀmra upplevelsen?