AI och HVO100: så minskar fjällresan utsläpp och risk

Transporterna till och från fjällen står för den största delen av fjällturismens klimatavtryck. Det är den obekväma sanningen som många destinationer helst pratar runt, eftersom resan ofta ligger utanför själva anläggningens kontroll.

Därför är SkiStars och OKQ8:s satsning inför säsongen 2025–2026 ovanligt konkret: SkiStars gäster får 2 kronor rabatt per liter på HVO100 (förnybar diesel) på OKQ8:s 396 stationer i Sverige. Rabatten gäller en tankning på vägen upp och en på vägen hem, och omfattar upp till 20 000 bilar. HVO100 kan enligt initiativet minska växthusgasutsläppen med upp till 90% jämfört med fossil diesel.

Jag gillar den här typen av åtgärd av två skäl. För det första: den gör hållbarhet till ett faktiskt val i kassan, inte en affisch i receptionen. För det andra: den pekar på något större som svensk besöksnäring (och svensk försäkring) behöver ta på allvar 2026 – klimatrisk sitter allt oftare i mobiliteten, och AI är verktyget som kan göra mobilitetsvalen mätbara, styrbara och lönsamma.

Varför “resan dit” är fjällturismens största klimat- och affärsrisk

Den korta versionen: destinationer kan energieffektivisera liftar, hotell och snöproduktion – men resan dit dominerar ändå utsläppen för många gäster.

Det här är inte bara en klimatfråga. Det är också en affärs- och riskfråga:

• Prisrisk: Bränslepriser och energipriser slår direkt på efterfrågan.
• Regulatorisk risk: Skärpta klimatkrav på transporter pressar både gäster och leverantörer.
• Reputationsrisk: “Hållbar destination” faller platt om majoriteten kör fossil diesel hela vägen.
• Operativ risk: Vinterväglag och olyckor påverkar flöden, beläggning och skadeutfall.

Här finns en tydlig koppling till den här bloggserien, AI inom försäkring och riskhantering: om du kan påverka resebeteenden i stor skala kan du också påverka riskprofilen i allt från fordonsflottor till evenemang, personalplanering och intäktsstabilitet.

Vad SkiStar + OKQ8 faktiskt gör – och varför det är smart designat

Initiativet “Förnybart till fjällen” har en enkel mekanik: sänk tröskeln där den gör ont – vid pumpen.

Siffrorna som spelar roll

• 2 kr/l i rabatt på HVO100 för SkiStars gäster.
• Gäller två tillfällen: en tankning upp och en ner.
• Omfattar upp till 20 000 bilar.
• OKQ8 har 396 stationer som säljer HVO100, och rabatten gäller på samtliga.
• SkiStar och OKQ8 delar kostnaden: 1 krona vardera per liter.

Det här är smart av två anledningar:

1. Timing: Rabatten ligger exakt när beteendet sker (inte som en efterhands-bonus).
2. Skalbarhet: En bred stationsnärvaro minskar friktionen. Gästen behöver inte “leta rätt” i sista stund.

HVO100 i korthet (utan säljtext)

HVO100 är en förnybar diesel som kan tillverkas av restprodukter (t.ex. använd matolja och restfetter). Den viktiga poängen för resenären är praktisk:

• Ingen ny bil krävs för många dieselbilar (kontrollera godkännande, ofta via XTL-märkning).
• Lägre livscykelutsläpp än fossil diesel (i initiativets kommunikation: upp till 90%).

Bytet från fossil diesel till HVO100 är ett av de snabbaste sätten att sänka utsläpp utan att byta fordon.

Där AI kommer in: från “rabatt” till styrning av klimatavtryck

Rabatten är startpunkten. Det riktigt intressanta är vad som händer när man lägger data och AI ovanpå initiativet.

Den direkta effekten av rabatten är fler tankningar av HVO100. Den indirekta effekten kan bli större: en modell för hur besöksnäringen kan påverka transporter med precision.

1) Prediktiv analys: vilka gäster kan faktiskt byta drivmedel?

Alla kan inte. Vissa kör elbil, vissa åker tåg, vissa har dieselbil som inte är godkänd. AI kan hjälpa till att segmentera på riktigt, baserat på beteendesignaler i boknings- och gästdata:

• bokningslängd (helg vs vecka)
• ursprungsort och typiska rutter
• tidigare val (parkering, laddning, transfer)
• fordonstyp (om gästen frivilligt uppger den)

Resultatet: rätt erbjudande till rätt gäst. Det är skillnad på att skicka “tanka förnybart!” till alla och att skicka “HVO100-rabatten gäller på din rutt, här är två stationer som passar din stoppstrategi”.

2) Optimering i realtid: undvik köer, tomma pumpar och fel tajming

Om 20 000 bilar får incitament att tanka på vägen upp samma helger, skapas nya flaskhalsar. Här kan AI användas för att:

• prognostisera belastning per station och tid (fredag 16:00–20:00 är inte en gissning)
• rekommendera alternativ station innan kö uppstår
• styra kommunikation i app/SMS baserat på faktisk trängsel

Det här förbättrar kundupplevelsen direkt – och det är ofta där hållbarhet vinner eller förlorar.

3) Klimatberäkning som går att lita på: från uppskattning till spårbarhet

Många destinationer redovisar “utsläpp per gästnatt” med grova antaganden. Med bättre datainsamling och AI-baserade modeller kan man närma sig:

• uppskattad reslängd per bokning
• sannolikhet för HVO100-tankning (eller andra val)
• scenarier: “om 30% byter bränsle, vad händer?”

Den här typen av prediktiv klimatanalys är besläktad med hur försäkringsbolag jobbar med risk: modellera sannolikheter, inte bara historik.

Kopplingen till försäkring och riskhantering: mobilitet är nästa stora datapunkt

Det finns en tydlig bro mellan “AI i turism” och “AI i försäkring och riskhantering”: båda handlar om att förutse, påverka och prissätta beteenden.

Så kan ett försäkringsperspektiv stärka turistinitiativ

• Riskreduktion: Mindre fossil körning innebär inte automatiskt färre olyckor, men det öppnar för bättre ruttplanering, planerade stopp och mindre stresskörning.
• Säsongsrisk: Försäkringsdata visar ofta toppar i incidenter vid stora bytesdagar. AI kan användas för att sprida ankomster och avresor.
• Incitamentsdesign: Försäkring är i grunden incitament. Turismen behöver samma tänk: belöna det beteende som minskar risk och utsläpp.

Konkret exempel: “klimatsmart resa” som riskprodukt

Jag tror att vi kommer se fler kombinationer där:

• destinationen erbjuder incitament (HVO100, tågtransfer, samåkning)
• försäkringspartner erbjuder anpassade villkor (t.ex. lägre självrisk vid dokumenterad säker körstrategi eller vid val av vissa transportupplägg)
• AI räknar på sannolikheten att gästen följer rekommendationerna och föreslår nästa bästa åtgärd

Det behöver inte vara integritetsintrång. Det kan byggas på aggregerade data och frivilliga val.

Så kan besöksnäringen bygga nästa steg (checklista)

Den som tror att “en rabatt” räcker missar poängen. Rabatten är en dörröppnare till ett arbetssätt.

Steg 1: Gör klimatvalet friktionsfritt i bokningsflödet

• Fråga (frivilligt) om transporttyp: el, diesel, bensin, tåg/buss.
• Visa relevanta alternativ direkt: HVO100-stöd, laddplatser, tågtransfer, samåkning.
• Koppla valet till nytta, inte moral: tid, pengar, enkelhet.

Steg 2: Använd AI för att prioritera insatser där de ger effekt

• Bygg en enkel modell: vilka bokningar ger störst utsläpp från resa?
• Prioritera incitament till de segment där bytespotentialen är hög.
• Mät effekten per insats (inte bara “vi gjorde en kampanj”).

Steg 3: Standardisera uppföljning (så att ledningen bryr sig)

Tre KPI:er jag hade börjat med:

1. Andel resor med lägre utsläppsalternativ (HVO100, el, tåg/transfer)
2. Utsläpp per gästresa (modellbaserad, konsekvent metod)
3. Nöjdhet kopplat till resa (köer, information, trygghet)

När KPI:erna är stabila kan man börja optimera med AI på riktigt.

Vanliga frågor från gäster (och bra svar från verksamheten)

“Funkar HVO100 i min dieselbil?”

Bra svar: “Många bilar är godkända, men kontrollera i instruktionsboken eller efter XTL-märkning. Om du är osäker, välj det alternativ du är trygg med.”

“Är HVO100 alltid bättre?”

Bra svar: “För en befintlig dieselbil är det ett praktiskt sätt att minska livscykelutsläpp utan att byta fordon. På sikt behöver vi fler transportlösningar, men det här ger effekt nu.”

“Var kan jag tanka på vägen?”

Bra svar: “Vi rekommenderar stationer utifrån din rutt och ankomsttid, och vi uppdaterar om belastning inför stora bytesdagar.”

Notera att det sista svaret kräver datatänk – alltså AI och analys.

Nästa norm i fjällturismen: hållbarhet som styrsystem, inte kampanj

SkiStar och OKQ8 visar att det går att angripa fjällturismens största utsläppspost utan att vänta på den perfekta framtiden. Ekonomiska incitament + bred tillgänglighet är en kombination som faktiskt får människor att ändra beteende.

Men jag tycker att den verkliga möjligheten ligger i nästa lager: när destinationer behandlar resan som en del av produkten och använder AI för att förutse utsläpp, styra flöden och minska risk. Det är exakt samma logik som i modern försäkring: bättre data ger bättre beslut, och bättre beslut ger både lägre kostnader och nöjdare kunder.

Om du jobbar i besöksnäringen eller i försäkring/risk: vilka transportval skulle ni kunna påverka redan till vintern 2026 – om ni vågade mäta dem på riktigt?