AI-finansiering i Norra Mellansverige: så lyckas ni

De flesta projektansökningar faller inte på idén – de faller på upplägget. Och när utlysningar väl öppnar är det ofta för sent att börja “tänka klart”. För aktörer i Dalarna, Gävleborg och Värmland finns nu en konkret chans att bygga konkurrenskraft och hållbar tillväxt med EU-stöd genom Regionalfondsprogrammet Norra Mellansverige.

Ansökan öppnar 2026-01-13 och stänger 2026-02-17. Stödnivån är i dagsläget max 50 % av projektbudgeten (med möjlighet att den höjs till 60 % senare, enligt programförslag). För dig som jobbar med AI inom turism och besöksnäring betyder det här något väldigt praktiskt: det finns finansiering att söka för att göra AI till en faktisk driftsförbättring – inte bara ett pilotprojekt som stannar i en PowerPoint.

Samtidigt skriver jag det här som del av serien ”AI inom försäkring och riskhantering” av en anledning: de projekt som vinner finansiering 2026 är ofta de som kan visa riskkontroll, mätbar effekt och styrbarhet. Där har försäkringslogiken (riskbedömning, incidenthantering, regelefterlevnad) mycket att lära besöksnäringen.

Utlysningen i korthet – vad som faktiskt spelar roll

Utlysningen handlar om att stärka små och medelstora företags tillväxt och konkurrenskraft i Norra Mellansverige genom projekt och förstudier som driver hållbar omställning och utvecklar näringslivet.

Det här är de detaljerna du behöver kunna utantill när du planerar:

• Geografi: Dalarna, Gävleborg, Värmland
• Öppnar: 2026-01-13
• Stänger: 2026-02-17
• Beslut: maj/juni 2026
• Stödnivå: max 50 % av total budget (förslag om 60 % kan komma)
• Projektlängd: rekommenderat 3 år (förstudie 9 månader)
• Vem kan söka: juridiska personer i det företags- och innovationsfrämjande systemet (inte privatpersoner/enskilda näringsidkare)

En viktig nyans: företag kan gärna medverka i projekten (som deltagare och/eller medfinansiärer), men utlysningen signalerar att företag inte i första hand ska vara projektägare. Det gör att destinationbolag, kluster, science parks, kommuner, regioner, lärosäten och branschorganisationer ofta har bättre “träffyta” som projektägare – och kan bygga insatser som når många företag.

Därför passar AI-projekt i turism extra bra in här

AI-insatser i besöksnäringen matchar utlysningen eftersom de ofta ger tre saker som programmen vill se: produktivitet, omställningsförmåga och hållbarhet.

AI som konkurrenskraft (inte som “tech för tech”)

Ett välformulerat AI-projekt beskriver inte modellen – det beskriver friktionen i verksamheten och hur AI tar bort den.

I Norra Mellansverige är besöksnäringen ofta säsongsdriven, personalintensiv och beroende av många små aktörer. Det gör att AI kan ge effekt i vardagen, till exempel:

• Efterfrågeprognoser för beläggning, personalplanering och inköp
• Dynamisk prissättning för boende/aktiviteter utifrån beläggning och evenemang
• Automatiserad gästkommunikation (före, under och efter vistelsen)
• Intäktsoptimering mellan egna kanaler och externa bokningsplattformar
• Rutt- och kapacitetsplanering för naturturism för att minska slitage och trängsel

Det här är samma typ av logik som försäkringsbolag använder i riskhantering: förutse, förebygg, styra. En ansökan som beskriver AI som ett sätt att minska risk och varians (t.ex. färre avbokningar, jämnare beläggning, färre incidenter) upplevs ofta mer trovärdig än en ansökan som bara pratar om “digitalisering”.

AI som hållbarhet (Agenda 2030 i praktiken)

Utlysningen kräver att hållbarhet integreras – ekonomiskt, socialt och miljömässigt – och att projektet anger relevanta Agenda 2030-mål. För AI i besöksnäringen kan du göra det väldigt konkret:

• Mål 8 (Anständiga arbetsvillkor och ekonomisk tillväxt): bättre schemaläggning, mindre övertid, högre intäkt per arbetad timme
• Mål 9 (Hållbar industri, innovationer och infrastruktur): digitala stödstrukturer, gemensamma data- och analysplattformar
• Mål 12 (Hållbar konsumtion och produktion): minskat matsvinn via prognoser, optimerade inköp, bättre resursutnyttjande

Och glöm inte kravet: projekten ska bidra till jämställdhet och minskad ojämlikhet även när det inte är huvudsyftet. I AI-projekt kan det handla om:

• kompetensinsatser som når små aktörer på landsbygd, inte bara “stora hotell”
• tillgänglighetsanpassad digital service (språk, funktion, enkelhet)
• aktivt arbete mot bias i data och beslutsstöd

Vem bör äga projektet – och hur bygger ni en vinnande konstellation?

Nyckeln är att välja en projektägare som både klarar administrationen och kan skala nyttan till många företag.

En bra projektägare är ofta en “plattform”

Jag har sett att följande typer av organisationer ofta blir starka projektägare i regionalfondsprojekt:

• destinationbolag och regionala turismorganisationer
• science parks, innovationskontor och kluster
• kommuner/regioner med näringslivsutveckling
• lärosäten (särskilt om de kan bära metodutveckling och utvärdering)

Företagen kan sedan kopplas på som:

• testbäddar (hotell, campingar, aktivitetsföretag, restauranger)
• referensgrupper
• medfinansiärer i arbetspaket där det krävs privat medfinansiering

Statsstödsfrågan: bygg den tidigt, inte i slutet

EU-projekt som gynnar företag kan omfattas av statsstödsregler. Det påverkar hur ni får ge stöd (t.ex. coachning, rådgivning, utveckling av produkter/tjänster) och vilka kostnader som är stödberättigande.

Praktiskt råd: designa arbetspaket så att ni kan svara tydligt på tre frågor:

1. Vem får nyttan? (enskilda företag, branschen, offentlig sektor)
2. Vad levererar ni? (tjänst, metod, plattform, utbildning)
3. Är det en marknadstjänst? (eller ett generellt främjande)

Det här är också ren riskhantering – samma tänk som i försäkring: klassificera exponeringen innan du prissätter den.

Så skriver ni en ansökan som håller: förändringsteori, resultatkedja och mätetal

Tillväxtverket kräver förändringsteori. Många gör den för “akademisk”. Gör den istället operativ.

Förändringsteori som går att styra

En fungerande förändringsteori för ett AI-projekt i besöksnäringen kan se ut så här:

• Problem: låg beläggningsprecision, hög andel manuella processer, ojämn lönsamhet över säsong
• Orsak: brist på dataflöden, låg AI-mognad, splittrat stödsystem
• Insats: gemensam datamodell + utbildning + implementeringsstöd + testbäddar
• Direkta resultat: X företag i test, Y personer utbildade, Z AI-flöden i drift
• Kort sikt: bättre planeringsförmåga, kortare svarstider, minskat svinn
• Medellång sikt: högre lönsamhet, fler exportmogna erbjudanden, jämnare sysselsättning

Skriv det så att en handläggare kan följa logiken utan att gissa.

Välj en huvudresultatkedja och lås mätningen

Utlysningen beskriver resultatkedjor som ofta landar i två spår:

1. Direkta insatser till företag (t.ex. coachning, testbäddar, exportstöd)
2. Utveckling av stödstrukturer (t.ex. metoder, processer, samordning)

Min erfarenhet: AI-projekt vinner på att välja en som huvudspår och göra den extremt tydlig, medan det andra blir stödjande.

Exempel på mätetal som gör AI-projekt “bedömningsbara”:

• minskad tid för boknings- och gästservice per ärende (minuter)
• prognosfel för beläggning före/efter (procentenheter)
• matsvinn per gästnatt (kg)
• andel intäkter via egna kanaler (procent)
• NPS eller gästnöjdhet kopplat till snabbhet i service

Knyt mätetalen till en plan för uppföljning. Utvärderingskrav finns – använd det som en styrka, inte ett måste.

Tre projektidéer som passar utlysningen (och ger leads)

Det som skapar leads är inte “AI” i sig, utan att ni bygger en motor för implementering som fler företag vill ansluta till.

1) AI för intäkts- och beläggningsstyrning i destinationer

Svar först: Bygg en gemensam metod och verktygslåda för prognoser, prissättning och kanalstrategi hos SMF.

• Testbäddar: 10–20 företag i olika segment (stad/land, boende/aktivitet)
• Leveranser: utbildning, dashboards, playbooks, datastandard
• Effekter: jämnare beläggning, bättre marginaler, lägre stress i drift

2) AI för hållbar drift: svinn, energi och kapacitetsplanering

Svar först: Gör hållbarhet mätbar i driften med AI-stöd som personalen faktiskt använder.

• Fokus: matsvinn i frukost/lunch, energitoppar, underhåll
• Koppling Agenda 2030: Mål 12 och Mål 8
• Bonus: lätt att beskriva som riskminskning (kostnadsrisk, leveransrisk)

3) AI-driven gästkommunikation med tillgänglighet och inkludering

Svar först: Standardisera gästresan och gör service snabbare utan att sänka kvalitet.

• Flöden: bokning, inför-resa, på plats, efter-resa
• Inkludering: fler språk, förenklad information, bättre tillgänglighet
• Mätning: svarstid, konvertering, avbokningar, nöjdhet

Vanliga fallgropar (och hur ni undviker dem)

• Ni startar med verktyget, inte problemet. Beskriv friktionen i drift, inte modellen.
• Ni glömmer likviditeten. Utbetalning sker i efterskott; planera kassaflöde och ev. förskott.
• Ni gör hållbarhetsanalysen som bilaga, inte som logik. Visa hur AI-insatsen ger mätbar effekt på resursanvändning och arbetsvillkor.
• Ni underskattar statsstöd. Bygg arbetspaket som går att klassificera och följa upp.
• Ni saknar “efter projektet”-plan. Hur lever stödtjänsterna vidare efter 3 år?

En ansökan som kan förklara hur ni styr risk, mätning och regelefterlevnad blir nästan alltid lättare att bevilja.

Nästa steg: förbered er före 2026-01-13

Det smartaste ni kan göra mellan nu och att utlysningen öppnar är att göra tre saker i ordning:

1. Spika projektägare + 2–4 kärnpartners och skriv en enkel ansvarskarta
2. Bygg en förändringsteori på en sida och koppla den till 5–8 mätetal
3. Ta fram en miniportfölj av AI-användningsfall (3–5 st) och välj vilka som ska vara “i drift” senast år 2

Om du följer serien AI inom försäkring och riskhantering känner du igen receptet: tydlig riskbild, tydliga kontroller och mätbar effekt. För besöksnäringen är det samma sak – bara andra processer.

Norra Mellansverige behöver fler exportmogna företag, bättre motståndskraft och en bredare näringslivsbas. AI kan bidra, men bara om vi bygger projekt som går att genomföra i verkligheten. Vad skulle hända om din destination mätte och styrde beläggning, svinn och service med samma disciplin som ett försäkringsbolag styr risk?