Stöd till AI-investeringar: från pilot till drift

Den som tror att AI-satsningar alltid kräver riskkapital eller ”superbudget” har missat en central detalj: det finns offentliga pengar öronmärkta för att bygga innovationsförmåga och göra fysiska investeringar – och de är ofta bättre anpassade för långsiktiga förändringar än en snabb prototyp.

För oss som skriver den här serien om AI inom försäkring och riskhantering är det extra intressant. Många försäkringsnära aktörer (och partners inom besöksnäring/turism, som hotellkedjor, bokningsbolag och destinationsbolag) sitter med samma kärnproblem: data finns, men förmågan att testa, validera, införa och följa upp AI i skarp drift är ojämn. Det är precis den typen av glapp som innovationsstöd är tänkta att täppa till.

Utlysningen från Tillväxtverket om stöd till fysiska investeringar och företags forsknings- och innovationsförmåga (Skåne och Blekinge) är stängd sedan 2025-09-16 – men den är ändå värd att studera noga. Varför? För att den visar hur staten och EU vill att innovationsprojekt ska designas: öppna testmiljöer, samverkan mellan företag och akademi, och strukturer som lever kvar efter projekttiden. Det upplägget är lika relevant för nästa utlysning som för vilken AI-satsning som helst.

Vad den här typen av stöd egentligen vill uppnå

Kärnan är enkel: projekten ska stärka små och medelstora företags forsknings- och innovationskapacitet och gärna bygga miljöer som fler kan använda. Det betyder att projekt som bara optimerar en intern process i ett enskilt bolag sällan passar – däremot kan samma idé passa utmärkt om den paketeras som en gemensam plattform, testbädd eller metod som fler får nytta av.

Utlysningen är kopplad till specifikt mål 1.1 – främja forskning och innovation. Bakgrunden är tydlig: privat FoU är låg i regionen och innovationsresultat i små och medelstora företag har sjunkit. Samtidigt efterfrågas fler testbäddar och demonstrationsmiljöer.

För AI-projekt betyder det här att du behöver visa tre saker:

1. Förmågehöjning: Vilken kompetens och kapacitet byggs (inte bara vilken modell tränas)?
2. Beteendeförändring: Vad kommer företag och stödaktörer göra annorlunda efter projektet?
3. Struktureffekt: Varför är detta mer än ett tidsbegränsat projekt – vad lever vidare?

Det här synsättet är ovärderligt även i försäkring/riskhantering, där många AI-piloter fastnar i ”labbet” eftersom man aldrig byggde en struktur för datastyrning, modellövervakning och compliance.

Tre projektspår som passar AI – och varför de fungerar

Tillväxtverket beskriver tre så kallade resultatkedjor. Tänk på dem som tre legitima vägar till finansiering. För AI i försäkring, riskhantering och turism/besöksnäring kan de översättas så här:

1) Direkta insatser till företag: få AI att hända i vardagen

Det här spåret handlar om att arbeta direkt med små och medelstora företag så att de faktiskt kan ta AI i bruk. Det kan vara allt från processer och dataarbete till att utveckla och testa lösningar.

Konkreta AI-exempel (som ofta är mer realistiska än en ”stor språkmodell från dag ett”):

• Bedrägeridetektion i reseförsäkring: gemensamma arbetssätt för feature engineering, label-kvalitet och återkoppling från skadereglerare.
• Prediktiv riskanalys för avbokningar och störningar: modeller som kopplar ihop bokningsdata, väder/händelser och kundbeteenden.
• Beslutsstöd för skadehandläggning: AI som prioriterar ärenden, flaggar avvikelser och föreslår checklistor.

Det viktiga är att företagen inte bara ”får en modell”. De får förmåga: dataflöden, rutiner för kvalitetskontroll, och en process för att mäta effekt.

2) Utveckling av stödstrukturer: bygg ett AI-ekosystem som håller

Här ligger den smarta, lite mer långsiktiga vägen: att stärka organisationer som stöttar företag – innovationskontor, kommuner, kluster, branschorganisationer, science parks och utbildningsaktörer.

I praktiken kan det betyda:

• gemensamma mallar för AI-riskbedömning (bias, robusthet, informationssäkerhet)
• utbildningspaket för data governance i små bolag
• metoder för att snabbare matcha företag med akademiska partners

Min erfarenhet är att den här typen av satsning ofta ger bäst ROI på regional nivå, eftersom den skapar standarder och arbetssätt som många kan ärva.

3) Uppbyggnad av miljöer och infrastruktur: testbäddar som sänker tröskeln

Det finns ett väldigt konkret budskap i utlysningen: regionen saknar testbäddar och demonstrationsmiljöer. För AI innebär det att ”infrastruktur” inte bara är maskinvara – det är också:

• anonymiserade eller syntetiska datamängder för test
• säkra miljöer för samverkan (”clean rooms”)
• sensorer och datainsamling i fysiska miljöer

Översatt till turism och besöksnäring (som kampanjen fokuserar på): tänk en gemensam testbädd där hotell, evenemang, destinationer och försäkrings-/trygghetsaktörer kan testa AI för kapacitetsplanering, köflöden, personaloptimering, energistyrning och incidenthantering.

Det är exakt sådana investeringar som gör att AI går från ”smart demo” till stabil drift.

Finansieringslogiken: 40 % stöd tvingar fram bra projekt

Utlysningen anger en tydlig ram: max 40 % av projektets kostnader kan finansieras som stöd. Resterande 60 % måste komma från offentliga och/eller privata medel.

Det kan låta snålt – men i praktiken är det en kvalitetssäkring. En budget där partners faktiskt lägger egna pengar brukar betyda:

• tydligare nyttorealisering
• mer realistisk plan för drift efter projektet
• bättre förankring i verksamheten

Förstudier kunde (i den här utlysningen) få upp till 40 % och 400 000 kr i EU-stöd. Den typen av förstudie är perfekt för AI: kartlägg data, juridik, informationssäkerhet, målbild och effektmätning innan du bygger.

En detalj som ofta överraskar: utbetalning sker i efterskott för betalda kostnader. Det gör likviditet till en avgörande fråga. AI-projekt som kräver dyra inköp tidigt (sensorer, GPU-kapacitet, licenser, integrationer) måste planera kassaflödet från start.

Så skriver du en AI-ansökan som klarar granskning

De bästa AI-ansökningarna är inte de som lovar mest. De är de som är mätbara, genomförbara och regelefterlevande. I den här typen av stöd behöver du få tre områden att hänga ihop.

Förändringsteori: från aktivitet till effekt, utan glapp

Tillväxtverket vill se en tydlig kedja: aktiviteter → stärkt förmåga → förändrat beteende → långsiktig effekt.

Ett bra AI-exempel (för försäkring/risk):

• Aktivitet: bygga en gemensam testmiljö och träna modell för skadeprioritering
• Förmåga: handläggare och dataansvariga kan tolka modellens rekommendationer och kvalitetssäkra data
• Beteende: ärenden triageras konsekvent, avvikelser rapporteras, modellen övervakas
• Effekt: kortare ledtider, färre felutbetalningar, bättre kundnöjdhet

Skriv hellre tre vassa mätetal än tio diffusa.

Hållbarhetsanalys: visa att AI inte bara är effektivt, utan ansvarstagande

Hållbarhetsanalys är ett krav. För AI bör du konkretisera:

• miljö: energiförbrukning i drift (modellstorlek, inferensfrekvens), smartare resursplanering
• socialt: tillgänglighet, icke-diskriminering, konsekvenser för arbetsmiljö
• ekonomi: produktivitet och robustare processer

AI som bara ”minskar kostnader” riskerar att låta som rationalisering. AI som förbättrar kvalitet, säkerhet och resiliens landar mycket bättre.

Statsstödslogik: vem gynnas, och på vilket sätt?

Utlysningen är tydlig med att statsstödsregler kan bli avgörande. Du måste kunna förklara:

• vilka parter som är ”företag” enligt EU:s definition (ekonomisk verksamhet)
• om stöd blir direkt eller indirekt
• om infrastruktur är ekonomisk verksamhet (testbädd som säljer tjänster) eller inte

Det här är extra relevant i AI-projekt där en plattform byggs och sedan säljs som tjänst. Slarvar man här kan ett annars starkt projekt falla.

Exempel: tre AI-projektidéer som matchar både turism och risk

Nedan är tre idéer som brukar ”klicka” med kraven om testmiljö, samverkan och struktur.

1) Testbädd för AI-baserad incident- och skadehantering i besöksmiljöer

Idé: Skapa en demonstrationsmiljö där destinationer och event testar AI för att upptäcka incidenter, styra flöden och dokumentera underlag för skadeärenden.

Varför det passar: fysisk investering + öppna testmöjligheter + tydlig koppling till riskhantering.

2) Gemensam data- och modellstandard för bedrägeridetektion

Idé: Bygga en regional metodbank: datadefinitioner, label-rutiner, utvärderingsmått och governance för bedrägeri i rese- och evenemangsrelaterade försäkringar.

Varför det passar: stärker innovationsförmåga hos många små aktörer och minskar duplicerat arbete.

3) AI för prediktiv bemanning och kapacitetsplanering i hotell och attraktioner

Idé: Samverkansprojekt där flera företag använder en gemensam modellram för att prognosticera beläggning, personalbehov och energianvändning.

Varför det passar: tydlig effekt på produktivitet (en övergripande regional utmaning), och skapar en struktur som kan skalas.

Det här är lärdomen för 2025-12-21: bygg för 2026, inte för gårdagen

Att utlysningen stängde 2025-09-16 är inte poängen. Poängen är att kravbilden är ett facit för hur offentliga finansiärer vill se AI bli ”på riktigt”: samverkan, testmiljöer, jämställdhet, minskad ojämlikhet och en tydlig väg från pilot till varaktig förmåga.

För dig som arbetar med AI i försäkring och riskhantering betyder det här att du kan använda samma ramverk internt, även utan stöd: bygg en testbädd, definiera ansvar och uppföljning, och gör nyttan mätbar. För dig i turism och besöksnäring är budskapet ännu tydligare: AI är inte bara marknadsföring och chatbots – det är drift, bemanning, incidenter, säkerhet och resursoptimering.

Vill du skapa leads (och resultat) är nästa steg inte att jaga fler pilots. Det är att formulera en projektidé som håller för granskning: vem gynnas, vilka beteenden ändras, vilken struktur lever vidare och hur mäter ni effekten?

Om din AI-idé känns svår att beskriva i en förändringsteori är det ofta ett tecken på att den behöver stramas upp – inte att den är för avancerad.

Frågan jag tycker du ska ta med dig in i 2026: bygger ni AI som en engångsinsats, eller bygger ni en förmåga som gör att ni kan förbättra modellerna varje kvartal?