Innovationsstöd för AI i turism: så lyckas ni 2026

19 miljoner kronor. Det är ungefär så mycket som finns kvar i potten för specifikt mål 1.1 (forskning och innovation) i Skåne–Blekingeprogrammet när Tillväxtverket nu öppnar en ny utlysning. För besöksnäringen är det här mer än “ännu ett stöd” – det är ett konkret tillfälle att finansiera AI-projekt som annars ofta fastnar i samma läge: bra idé, för lite tid, för hög risk och för begränsad testmiljö.

Den här utlysningen (öppnar 2026-01-13 och stänger 2026-03-03) är riktad till projekt som stärker företags forsknings- och innovationsförmåga genom industriell forskning och experimentell utveckling, inklusive test och demonstration. Det är precis den typen av arbete som krävs för att AI ska bli mer än en demo: integrationer, datakvalitet, utvärdering, drift och ett arbetssätt som funkar i verklig verksamhet.

I vår serie ”AI inom energi och hållbarhet” pratar vi ofta om hur AI skapar effekt när den kopplas till resursstyrning: el, värme, transporter, bemanning och flöden. Turism är ett skolboksexempel på samma problem – bara med gäster, beläggning och säsongstoppar. Därför passar den här innovationsutlysningen ovanligt bra för turistföretag som vill göra AI till en del av sin affär, och samtidigt få tydlig hållbarhetsnytta.

Vad utlysningen faktiskt ger (och vad den inte ger)

Det här stödet är gjort för FoU i företag, inte för drift eller ”vanlig digitalisering”. Om ni söker för att bygga en ny webb, köpa ett bokningssystem eller “införa AI i kundservice” utan forsknings- och utvecklingsinnehåll kommer ni troligen få det svårt.

Utlysningen är däremot perfekt om ni vill:

• testa och demonstrera en AI-lösning i en pilotmiljö (t.ex. på hotell, destination eller attraktion)
• utveckla nya modeller, nya dataflöden eller nya arbetssätt som kräver FoU
• mäta effekt på ett sätt som håller för både affär och offentliga indikatorer

Stödnivån: Ett projekt kan få max 40 % i EU-stöd av projektets totala kostnader. Resten (60 %) måste vara offentlig och/eller privat medfinansiering.

Vem kan söka: Juridiska personer kan söka. I praktiken är upplägget ofta att en koordinator (t.ex. innovationsfrämjare, kluster, universitet, kommun/region, branschorganisation) äger projektet, och företag deltar som projektpartners.

Viktigt för turismbolag: Företag ska medfinansiera sitt deltagande och får stöd enligt statsstödsregler (GBER artikel 25). Det påverkar hur budgeten byggs och hur ni beskriver FoU-nivå.

En bra tumregel: stödet passar er som behöver ta er från “vi tror detta kan funka” till “vi har testat det, mätt det och kan skala det”.

Varför AI-projekt i turism passar Skåne–Blekinges styrkeområden

Utlysningen kräver koppling till smart specialisering och regionala styrkeområden. Det kan låta som något som bara gäller industribolag – men i Skåne och Blekinge finns flera naturliga kopplingar för besöksnäringen.

Skåne: Tech, smarta hållbara städer och livsmedel

AI i turism blir ofta “Tech” när ni bygger:

• prediktionsmodeller för beläggning, efterfrågan och prissättning
• personalplanering och driftoptimering
• dataplattformar som kopplar ihop bokning, IoT och energi

Och det blir “Smarta hållbara städer” när ni gör det för att minska trängsel, styra flöden och förbättra upplevelsen i destinationer.

För mat- och upplevelseaktörer passar kopplingen till “Livsmedel” om ni jobbar med AI för att minska svinn, förbättra inköp och planera produktion efter gästflöden.

Blekinge: Smart industri, Tech och Missions

Blekinges “Missions” (samhällsutmaningar) är en väldigt bra ram för turismprojekt, eftersom besöksnäringen sitter mitt i flera utmaningar:

• säsongsvariation och osäker efterfrågan
• transporter och klimatpåverkan
• energitoppar i boenden och anläggningar
• tillgänglighet och inkludering

Om ni kan formulera projektet som en lösning på en tydlig samhällsutmaning – och bevisa att AI är en nödvändig komponent – blir kopplingen ofta stark.

Tre AI-projekt som brukar ge effekt (och som går att FoU-finansiera)

Ni vinner på att vara konkret tidigt. Här är tre upplägg jag ser återkomma i besöksnäringen där FoU-innehållet är tydligt och nyttan mätbar.

1) Prognoser för reseströmmar + energistyrning i samma modell

Svar först: Kombinera efterfrågeprognoser med energiförbrukning för att kapa kostnad och utsläpp utan att sänka gästupplevelsen.

Exempel på FoU-fråga:

• Hur bra kan vi förutsäga beläggning per timme/dygn givet bokningsdata, evenemang, väder, skollov och transportläge?
• Hur översätter vi prognosen till styrning av ventilation, värme, varmvatten och laddinfrastruktur?

Det här passar perfekt i serien “AI inom energi och hållbarhet”: modellen blir en motor för både drift och klimatnytta.

Mätbara effekter ni kan sätta som mål:

• minskad energianvändning per gästnatt
• minskade effekttoppar (viktigt när elnäten är ansträngda)
• förbättrad planeringsprecision i bemanning och inköp

2) AI för personal- och kapacitetsplanering vid säsongstoppar

Svar först: Planera bemanning och öppettider med AI som tar höjd för osäkerhet, inte bara historik.

FoU-innehåll uppstår när ni behöver:

• kombinera flera datakällor (bokning, kassadata, webbsök, evenemang)
• testa olika modeller och utvärdera robusthet
• bygga beslutstöd som fungerar för chefer, inte bara datafolk

Här finns också en tydlig hållbarhetsdimension: bättre planering minskar stress, övertid och onödiga transporter – och stärker mål kopplade till anständiga arbetsvillkor.

3) Personalisering av erbjudanden utan att skapa “integritetsstress”

Svar först: Bygg personalisering som känns hjälpsam – och som går att förklara.

Många turistbolag vill använda AI för rekommendationer: rätt upplevelse, rätt tid, rätt pris. Men det som ofta stoppar projektet är:

• splittrad data (PMS/CRM/bokning/kanaler)
• svårighet att mäta kausal effekt (vad gav faktiskt merförsäljning?)
• krav på regelefterlevnad och transparens

FoU-delen kan vara att testa metoder för “privacy by design”, syntetisk data eller modeller som kräver mindre persondata men ändå ger affärseffekt.

Så bygger ni en ansökan som håller: förändringsteori, testmiljö och mätbara indikatorer

Tillväxtverket vill se att ni kan gå från aktivitet till resultat via en tydlig logik. Det är här många bra idéer faller: man beskriver teknik, men inte beteendeförändring i företagen.

Förändringsteori som funkar i AI-projekt

Svar först: Beskriv exakt vad som blir annorlunda i vardagen när AI:n används – och hur ni vet att det händer.

En enkel struktur:

1. Problem: t.ex. “osäker beläggning ger överkapacitet och energitoppar”
2. Orsak: “planering görs manuellt med få datakällor”
3. Insats: “FoU för prediktionsmodell + beslutstöd + pilot i drift”
4. Förändring hos målgruppen: “chefer planerar med prognos, inte magkänsla”
5. Effekt: “lägre energikostnad, jämnare bemanning, bättre gästnöjdhet”

Test- och demonstrationsmiljö är inte en bilaga – det är kärnan

Svar först: Visa var ni ska testa, på vilken volym och med vilka driftkrav.

Bra ansökningar innehåller:

• tydliga pilotpartners (hotell, destination, attraktion, transport)
• realistisk datatillgång (vilka system, vilka fält, vilken kvalitet)
• plan för modellutvärdering (baseline, A/B-test, före/efter, säsongsjustering)

Indikatorer: välj få och mät dem på riktigt

Utlysningen nämner indikatorer som rör företag som får stöd/bidrag och resultat som privata investeringar och innovationer. Översätt dem till något ni kan följa veckovis eller månadsvis:

• antal företag som deltar och får FoU-stöd
• antal nya/ändrade processer (t.ex. planeringsrutiner) som införs
• privat medfinansiering (hur mycket företag faktiskt satsar)
• antal nya produkter/processer/affärsmodeller (t.ex. AI-baserad “smart prissättning”)

Budget och likviditet: den tråkiga delen som avgör allt

Svar först: Stödet betalas ut i efterskott, så ni måste planera likviditet och faktiska kostnader.

Praktiska råd jag sett rädda projekt:

• Lägg tid på kostnadslogik: vilka timmar, vilken kompetens, vilka externa tjänster
• Bygg en “minsta fungerande pilot” som kan ge resultat även om allt tar längre tid
• Säkerställ att företagspartnerna verkligen kan medfinansiera (och förstår vad det innebär)
• Sätt en rimlig projektlängd: rekommendationen är 3 år och 4 månader (förstudie 9 månader)

För AI-projekt är det ofta smart att börja med en förstudie om datakvalitet och juridik är osäkert. Men undvik att göra förstudien till en utredning utan test: se till att den mynnar ut i en körbar pilotplan.

Nästa steg inför 2026-03-03: en checklista jag själv skulle följa

Svar först: Kom i gång innan portalen öppnar, annars blir ansökan en stressprodukt.

1. Formulera ett problem som går att mäta (kostnad, energi, tid, gästflöde)
2. Välj FoU-kategori: industriell forskning eller experimentell utveckling
3. Säkra 2–5 företagspartners med tydliga FoU-behov och datatillgång
4. Hitta koordinatorn (om ni är företag som inte vill äga projektet)
5. Skissa förändringsteori + resultatkedja (vad ska hända hos företagen?)
6. Planera test och demo: plats, data, baseline, uppföljning
7. Gör hållbarhetsanalys och jämställdhetsanalys som faktiskt påverkar designen
8. Budgetera för verkligheten: integrationer, datastädning, utvärdering och driftstöd

Besöksnäringen i Skåne och Blekinge har allt att vinna på att driva AI-projekt som är lika mycket verksamhetsutveckling som teknik. AI som bara är en modell i en notebook skapar ingen regional styrka. AI som styr energi, planering och gästflöden i verklig drift gör det.

Om ni siktar på att söka innovationsstöd 2026: vilket är ert mest affärskritiska beslut i dag som ni fortfarande fattar med “magkänsla” – och hur skulle ni bevisa att AI kan göra det bättre?