AI och EU-stöd: cirkulär omställning som ger effekt

16 miljoner kronor. Det är potten som just nu ska hjälpa företag och företagsfrämjande aktörer i Östra Mellansverige att ställa om till en mer cirkulär och koldioxidsnål ekonomi – med maximalt 40 % finansiering per projekt. Det låter som en regional nyhet, men för dig som jobbar med turism, besöksnäring eller försäkring/risk är det här mer än en notis.

För när cirkularitet går från fina ord till upphandlingskrav, energikostnader och försäkringsvillkor blir frågan konkret: Hur minskar vi svinn, materialflöden och risk – utan att tappa fart i affären? Jag har sett att svaret ofta är en kombination av två saker: samverkan och data. Och där blir AI den praktiska motorn.

Den här texten visar hur utlysningen kan användas som hävstång för cirkulär omställning – och hur AI kan ge mätbara resultat i allt från hotellens resursstyrning till försäkringsbolagens riskbedömning.

Vad utlysningen faktiskt finansierar – och varför det spelar roll

Utlysningen handlar inte om att enskilda företag ska ”få bidrag”. Den är designad för att bygga strukturer, metoder och samarbete som gör att många företag kan ställa om samtidigt.

Det går att söka för projekt eller förstudier som stärker omställningen till en mer hållbar ekonomi i Östra Mellansverige. Stödet kan gå till exempelvis:

• utveckling av forskning- och innovationsprocesser
• tekniköverföring (från akademi till företag, eller mellan branscher)
• samarbete mellan företag, forskningscentrum och universitet
• insatser som bidrar till koldioxidsnål ekonomi, klimatresiliens och klimatanpassning

Vem kan söka – och varför det upplägget är smart

Primära sökande är aktörer i det företagsfrämjande systemet: samverkansorganisationer, offentlig sektor, lärosäten, regioner, kommuner och ibland företag som projektägare/partner (beroende på statsstödsregler).

Det här upplägget är bättre än det låter. För besöksnäringen innebär det att ett hotell, en destination eller en aktivitetsarrangör kan delta och få stödinsatser utan att behöva bära hela den administrativa EU-projektbördan.

Pengar, tid och fönstret du måste pricka

• Max 40 % finansiering från Regionalfonden/Fonden för en rättvis omställning
• Utlysningen omfattar totalt 16 miljoner kronor
• Ansökan öppnar 2025-08-11 och stänger 2025-09-16
• Beslut fattas i december 2025
• Rekommenderad projekttid: 3 år (förstudie: 9 månader)

En detalj som många missar: utbetalning sker i efterskott. Det betyder att projektets likviditet måste vara planerad från start.

Därför är AI den mest praktiska vägen till cirkularitet

Cirkulär ekonomi blir lätt en powerpoint: återbruk, delning, resurseffektivitet. Men i praktiken kräver cirkularitet tre saker som många organisationer saknar:

1. Överblick över flöden (energi, vatten, mat, material, transporter)
2. Prognoser (vad behövs när?)
3. Styrning i realtid (vad gör vi nu när läget ändras?)

AI är inte magi. AI är statistik i produktion. Men det räcker långt när problemet är att du idag gissar – och imorgon behöver fatta beslut på data.

För besöksnäringen är nyttan ofta direkt:

• mindre matsvinn genom bättre efterfrågeprognoser
• lägre energikostnader genom smartare styrning av värme/ventilation
• bättre lagerhållning och mindre kassation
• mer hållbara inköp och logistik

Och för försäkring och riskhantering (vår temasvit) är kopplingen lika konkret:

• AI kan förbättra riskbedömning när verksamheter ändrar processer
• AI kan stödja underwriting för klimatrisker och driftstörningar
• AI kan minska bedrägerier och fel via bättre datakvalitet och avvikelseanalys

En mening att bära med sig: Cirkularitet utan mätning blir lätt en kostnad; cirkularitet med AI blir en styrmodell.

Så kopplar du projektet till utmaningsområdena (och vinner på det)

Utlysningen kräver att projektet kopplas till regionens utmaningsområden. De är fyra:

• Smart industri
• Morgondagens energilösningar
• Hållbar livsmedelsförsörjning
• Life science – välfärd och e-hälsa

Projekt kopplade till hållbar livsmedelsförsörjning och morgondagens energilösningar prioriteras.

Här är en sak jag tycker fler borde göra: bygg projekt i skärningspunkterna. Det är där AI-projekten oftast blir finansieringsmässigt starka och affärsmässigt relevanta.

Exempel 1: Turism + livsmedel + AI (matsvinn som risk och kostnad)

Ett destinationskluster (hotell, konferens, attraktioner) kan tillsammans med ett lärosäte utveckla:

• AI-modeller för beläggnings- och gästflödesprognoser
• optimering av inköp och menyplanering
• standardiserad mätning av svinn per gästnatt

Resultat som går att följa upp:

• svinn (kg) per vecka och enhet
• inköpskostnad per serverad portion
• CO₂e per måltid

Försäkringskoppling: mindre svinn betyder ofta stabilare drift, färre avbrott och bättre kontroll på leverantörskedjan – faktorer som kan påverka riskprofil och villkor.

Exempel 2: Hotellfastigheter + energi + AI (resiliens i praktiken)

Energifrågan är december 2025 inte en framtidsfråga. Den ligger på bordet i varje budget.

Ett projekt kan handla om:

• prediktivt underhåll av värmepumpar och ventilationssystem
• AI-styrning av effektuttag för att minska effekttoppar
• digital tvilling av byggnadens energiflöden

Mätpunkter som beslutsfattare gillar:

• kWh per belagd rumstimme
• antal driftstopp per kvartal
• kostnad för effektavgifter

Riskhanteringskoppling: prediktivt underhåll är ett av de tydligaste sätten att minska egendomsskador och avbrottsskador.

Exempel 3: Cirkulära flöden + smart industri (återbruk som går att skala)

Besöksnäringen har mängder av materialflöden: möbler, textilier, förpackningar, engångsartiklar, byggmaterial vid renovering.

Ett samverkansprojekt kan bygga:

• en regional marknadsplats/”materialbank”
• AI-stöd för klassning av skick, efterfrågan och prissättning
• logistikoptimering för hämtning/leverans

Det här är cirkularitet som faktiskt går att driva som affär.

Så skriver du en ansökan som håller – tre saker som ofta avgör

Tillväxtverket bedömer ansökningar i två steg: först grundkrav, sedan kvalitet utifrån fyra kvalitetskriterier. Du behöver alltså både ”rätt ruta” och ”rätt substans”.

1) Förändringsteori som går att följa upp

En förändringsteori ska inte vara fluff. Den ska visa en kedja:

• Insats → aktivitet → output → resultat → långsiktig effekt

Exempel (kort):

• Insats: datadelning + AI-modell för efterfrågan
• Output: veckovisa inköpsrekommendationer till 30 restauranger
• Resultat: 15 % lägre matsvinn (mätt i kg)
• Effekt: lägre klimatpåverkan och bättre lönsamhet

2) Hållbarhetsanalys med målkonflikter – ja, du måste ta dem på allvar

Utlysningen kräver integrerad hållbarhet: miljö, jämställdhet, likabehandling och icke-diskriminering.

Men den mest missade delen är målkonflikter. Några relevanta här:

• AI och elektrifiering kan öka elförbrukningen på kort sikt (mål 7)
• effektivisering kan slå olika mellan företag och påverka jobb (mål 8)
• energiutbyggnad kan påverka biologisk mångfald (mål 15)

Skriv hur ni hanterar dem, konkret:

• energibudget och mätning av AI-lösningens driftenergi
• kompetensinsatser för personal som påverkas
• miljökrav i upphandling av teknik och datahallar

3) Likviditet och genomförbarhet (det här fäller projekt)

Eftersom stöd betalas ut i efterskott behöver ni visa att ni klarar:

• att ligga ute med kostnader
• att redovisa enligt förenklade alternativ eller annan modell
• att hålla projektadministration och uppföljning

Min erfarenhet: en tydlig plan för ekonomistyrning är ofta lika viktig som den tekniska idén.

Vanliga frågor jag får (och raka svar)

Kan ett enskilt hotell söka själv?

Ofta är det lättare att delta i ett projekt än att äga det. Utlysningen vill typiskt se företagsfrämjande aktörer som driver och samlar många företag.

Måste AI vara ”avancerad”?

Nej. För resursoptimering räcker ofta maskininlärning för prognoser och optimering. Det viktiga är datakvalitet, processförankring och mätbara mål.

Hur kopplar vi detta till försäkring och riskhantering?

Genom att beskriva hur cirkulära och AI-stödda arbetssätt minskar sannolikhet och konsekvens av skador: driftstopp, egendomsskador, leveransproblem, kvalitetsavvikelser och klimatrisk.

Nästa steg: gör om utlysningen till en konkret AI-plan

Om du arbetar i besöksnäringen i Östra Mellansverige finns ett ovanligt bra läge inför 2026: finansiering finns, regionens prioriteringar är tydliga och AI har mognat till ett verktyg som går att räkna hem.

Gör så här redan nu:

1. Samla 5–10 aktörer med liknande problem (svinn, energi, material)
2. Välj ett utmaningsområde (energi eller livsmedel ger extra drag)
3. Sätt 3–5 KPI:er som går att mäta varje månad
4. Bestäm datakällor och ansvar (vem äger vad?)
5. Skissa en förstudie på 9 månader om ni behöver komma igång snabbt

Det här inlägget är en del av vår serie om AI inom försäkring och riskhantering. Jag gillar den här typen av korskoppling: när besöksnäringen blir mer cirkulär och datadriven förändras också riskbilden – och då behöver både företag och försäkringsaktörer nya sätt att mäta, prissätta och förebygga risk.

Frågan inför 2026 är inte om cirkularitet kommer påverka affären. Frågan är: vem bygger mätningen och styrningen först – och får försprånget?