AI-stöd i Småland: så får ni 40% finansiering 2026

91 miljoner kronor. Det är den totala potten i utlysningar inom ramen för 2026:1 för Småland och Öarna – och den öppnar för projekt som höjer digital mognad i både företag och offentlig sektor. För dig som jobbar med AI inom försäkring och riskhantering (eller som försäkringsnära aktör i en annan bransch) är tajmingen ovanligt bra: 2026 blir året då “AI-idéer” behöver bli mätbara arbetssätt, med tydlig nytta, tydlig styrning och tydlig säkerhet.

Det här är inte en utlysning för enskilda företag eller privatpersoner. Det är en utlysning för organisationer som stöttar små och medelstora företag, samt akademi och offentlig sektor – i Jönköpings, Kalmar, Kronobergs och Gotlands län. Men effekten kan bli direkt i verksamheten: projekt kan ge indirekt stöd till företag genom coachning, piloter, nätverk och kompetensinsatser.

Jag tycker att många gör samma misstag när de söker digitaliseringsmedel: man beskriver en teknik (”vi ska införa AI”) men glömmer nyttan, riskerna och beteendeförändringen. Utlysningen är tydlig: ni måste visa hur digitalisering faktiskt används, hur trösklar sänks och hur det skapar hållbarhet, säkerhet och konkurrenskraft.

Utlysningen i korthet: pengar, datum och krav

Ni kan få upp till 40% medfinansiering av projektkostnader. Resten (60%) behöver komma från offentliga och/eller privata medel. Det är en rejäl hävstång – men den kräver att ni planerar budget, likviditet och partnerskap tidigt.

Det som är lätt att missa är tidsfönstret:

• Ansökan öppnar: 2026-01-13
• Ansökan stänger: 2026-03-03
• Beslut: 2026-06 (prioritering och beslut)
• Projektlängd: rekommenderat max 40 månader (förstudie max 9 månader)
• Senaste slutdatum: 2029-09-30

Utlysningen ligger under specifikt mål 1.2 Säkra nyttan av digitaliseringen. Det betyder i praktiken att ni behöver fokusera på nyttorealisering: vilka processer blir bättre, vilka risker minskar, vilka resurser sparas – och hur vet ni det?

Varför den här utlysningen är extra relevant för AI, risk och försäkring

AI i försäkring och riskhantering handlar sällan om “cool teknik”. Det handlar om att fatta bättre beslut snabbare, med spårbarhet. Samma logik går rakt in i den här utlysningen.

Utlysningen efterfrågar insatser inom bland annat:

• AI och dataanalys (inklusive big data)
• Automatisering och robotisering
• Cybersäkerhet
• Öppna och delade data

Om du tänker “det där låter mer som industrin än besöksnäringen” så är det en vanlig miss. Besöksnäringen har lika mycket risklogik som försäkring:

• efterfrågevariation (säsong, evenemang, väder, konjunktur)
• bedrägerier och chargebacks i bokning/betalning
• cyberrisk och dataskydd (bokningssystem, kunddata)
• resursrisk (personal, energi, logistik)

Och för offentlig sektor: handläggning, tillstånd, tillsyn och informationsflöden mot företag. Här finns stora vinster i automatisering – men bara om man gör det säkert och rättvist.

En praktisk tumregel: projekt som kombinerar AI-nytta + cybersäkerhet + mätbara effekter brukar bli både mer trovärdiga och mer finansieringsbara.

Vad ni faktiskt kan bygga: tre AI-spår som matchar utlysningen

Ni behöver inte välja “allt”. Välj ett spår som går att leverera, mäta och skala. Här är tre upplägg som passar utlysningens logik och samtidigt ligger nära AI inom riskhantering.

1) AI för prognoser och kapacitetsplanering (risk = fel bemanning)

Svar först: AI-prognoser minskar kostnaden för felplanering och förbättrar service när efterfrågan svänger.

För turism och besöksnäring kan en AI-modell prognostisera beläggning, bokningsläge, avbokningsrisk och intäkter – och översätta det till schemaläggning, inköp och prissättning. För försäkringsnära riskarbete är detta samma sak som prediktiv riskanalys.

Projektaktiviteter som passar utlysningen:

• utbildningsinsatser i datadriven planering för SME
• pilot där 10–20 företag får gemensam “prognosmotor”
• metodstöd: hur man går från dashboard till beslut (beteendeförändring)

Mätetal som ger trovärdighet:

• minskad övertidskostnad (kr)
• minskat matsvinn/energiförbrukning (%)
• förbättrad beläggningsgrad eller RevPAR (om boende)

2) AI-assisterad handläggning i offentlig sektor (risk = långsam service)

Svar först: Automatisering i handläggning ger kortare ledtider och färre manuella fel – om man bygger med spårbarhet och rättssäkerhet.

Utlysningen pekar tydligt på att kommuner/regioner kan utveckla processer som förenklar för företag, till exempel med AI. Ett bra projekt här är inte “en chatbot”. Ett bra projekt är en AI-assistent som:

• sorterar och prioriterar ärenden
• föreslår kompletteringar baserat på tidigare fall
• flaggar risk (t.ex. avvikande uppgifter)
• dokumenterar beslutsgången

Det här ligger nära försäkringens arbetssätt i skadehantering: triage, beslutsstöd, avvikelseidentifiering.

Viktigt: bygg in cybersäkerhet och dataskydd från start. Det är inte en bilaga. Det är kärnan.

3) Cybersäkerhet + AI för att säkra digitaliseringens nytta

Svar först: Utan cybersäkerhet blir digitalisering en riskacceleration, inte en effektivitetsvinst.

Många SME inom besöksnäring har bokningssystem, POS, wifi-nät, kunddatabaser och tredjepartsintegrationer – men saknar incidentprocess, backupdisciplin och kontroll på behörigheter.

Ett finansieringsbart projekt kan kombinera:

• basnivå: MFA, loggning, backup, utbildning mot phishing
• AI-stöd: anomalidetektion i loggar, riskpoäng för leverantörer, automatiserad sårbarhetsprioritering
• samverkan: gemensam “cyberhjälp” i regionen (stödstruktur)

Det här knyter direkt till vår serie om AI inom försäkring och riskhantering: samma metoder (riskklassning, avvikelse, prediktion) kan användas för att minska cyberrelaterade skador.

Så skriver ni en ansökan som inte faller på de klassiska misstagen

Tillväxtverket efterfrågar tydligt att projekt ska leda till ökade förmågor och förändrade beteenden. Tekniken är bara ett medel. Här är ett upplägg som brukar hålla.

Bygg en enkel förändringsteori (som går att utvärdera)

En användbar förändringsteori kan skrivas som en kedja:

1. Problem: t.ex. låg digital mognad, manuella processer, hög cyberrisk
2. Orsak: brist på kompetens, otydliga processer, låg datakvalitet
3. Insats: coachning + pilot + gemensamma verktyg
4. Förmåga: personal kan tolka data, sätta åtgärder, följa upp
5. Beteende: beslut tas datadrivet; säkerhetsrutiner följs
6. Effekt: lägre kostnad, bättre service, mindre klimatpåverkan

Skriv den på ett sätt som går att mäta. Om ni inte kan mäta det, är det sannolikt inte tydligt nog.

Visa geografisk målgrupp – och hur ni når landsbygden

Utlysningen vill se en tydlig målgruppsanalys och hur ni ska nå företagen, inklusive på landsbygden. Konkret kan det vara:

• urvalskriterier för företag (storlek, bransch, digital mognad)
• roadshow/klinikdagar i mindre orter
• hybridupplägg (digitalt + fysiskt) så att deltagandet faktiskt blir av

Integrera Agenda 2030: jämställdhet och minskad ojämlikhet

Alla projekt ska bidra till mål 5 och mål 10. Här tappar många bort sig och skriver en halv sida allmänna formuleringar. Gör istället 2–3 konkreta designval:

• rekrytering: sätt mål för deltagande från underrepresenterat kön i branschen
• innehåll: anpassa utbildningar för olika roller (inte bara “IT-chefer”)
• data: följ upp skillnader i effekt (vem får nytta av AI-stödet?)

Det är också riskhantering: bias och exkludering är inte “mjuka frågor” när AI börjar påverka beslut.

Förstudie eller fullt projekt? Så väljer ni rätt

Om ni har en bra idé men svag bild av dataläge, juridik eller partnerskap: börja med förstudie (max 9 månader). En bra förstudie levererar inte bara en rapport – den levererar beslut.

Leveranser som gör att en förstudie känns seriös:

• nulägesanalys av digital mognad (minst 30–50 aktörer kartlagda)
• data- och informationsklassning (vad får användas var?)
• riskanalys (cyber, juridik, leverantörsrisk, bias)
• kravbild och upphandlingsstrategi
• plan för pilot med mätetal

Har ni redan partners, dataspår och genomförandekapacitet? Sök projekt direkt, men håll scope tajt.

Nästa steg: en konkret checklista innan 2026-01-13

Det som avgör om ni hinner är sällan idéen. Det är förankring, medfinansiering och projektlogik.

1. Sätt en projektägare (organisation, inte en person) och en tydlig styrgrupp
2. Säkra 60% medfinansiering i princip innan ni börjar skriva på riktigt
3. Välj 1–2 AI-användningsfall som går att pilota inom 6–9 månader
4. Beskriv cybersäkerhet som en leverans, inte en risklista
5. Definiera 5–8 mätetal (kostnad, tid, kvalitet, hållbarhet, inkludering)
6. Planera för utvärdering: vad samlar ni in, när och hur?

Om ni jobbar i besöksnäringen: bygg gärna partnerskap där offentlig sektor, akademi och företag möts. Det är exakt den samverkan utlysningen efterfrågar – och det brukar dessutom ge bättre resultat.

Avslutning: AI som nyttostyrning, inte som teknikprojekt

Den här utlysningen i Småland och Öarna är en chans att göra AI på rätt sätt: med nytta, säkerhet och uppföljning. För oss som jobbar med AI inom försäkring och riskhantering är det egentligen bekant mark: man vinner inte på att gissa. Man vinner på att mäta, styra och minska risk.

Om ni vill ta ett AI-steg under 2026, börja inte med “vilken modell ska vi köpa?”. Börja med: vilken process ska bli snabbare, säkrare och mer hållbar – och hur bevisar vi det?

Vilket AI-användningsfall skulle ge störst effekt i er verksamhet om ni kunde få 40% medfinansiering redan i år?