AI-stöd för turism-SMF: Så maxar ni EU-finansiering

Den som tror att AI i besöksnäringen handlar om att “bygga en chatbot” missar poängen. De företag som vinner 2026 är de som använder AI för att styra efterfrågan, minska risk, höja marginalen och bli mer robusta när väder, ekonomi och resvanor svänger.

Det är därför Tillväxtverkets kommande utlysning ”Stärk konkurrenskraften hos små och medelstora företag i Östra Mellansverige” är extra intressant för turist- och besöksföretag i regionen. Utlysningen öppnar 2026-01-13 och stänger 2026-02-17, och riktar sig till aktörer i det företagsfrämjande systemet som vill driva förstudier och projekt som stärker innovation, affärsutveckling och samverkan i Östra Mellansverige.

Jag skriver det här som del av vår serie ”AI inom försäkring och riskhantering”. Det kan låta som ett sidospår – turism och försäkring – men sambandet är konkret: AI är verktyget som gör risk mätbar och styrbar. Och i besöksnäringen är risk ofta samma sak som: tomma rum, inställda aktiviteter, svajiga kassaflöden, personalbrist och oväntade kostnader.

Utlysningen i korthet: det här är spelplanen

Svar direkt: Utlysningen ger möjlighet att finansiera projekt som stärker SMF:s innovationsförmåga och tillväxt i Östra Mellansverige, med upp till 40 % EU-stöd av total budget.

Utlysningen omfattar länen Örebro, Östergötland, Sörmland, Uppsala och Västmanland. Den vänder sig främst till företagsfrämjande aktörer (t.ex. kluster, science parks, inkubatorer, kommunala/regionala utvecklingsaktörer, branschorganisationer, akademi i samverkan) – och det är ofta precis där turismens utvecklingsprojekt hör hemma.

Tre inriktningar – så kan turismen “kliva in”

Utlysningen har tre inriktningar med indikativa budgetar:

1. Stärka SMF:s konkurrenskraft, innovationsförmåga och nya marknader (indikativt 40 miljoner)
2. Stärka industrins konkurrenskraft och omställning (indikativt 8 miljoner)
3. Innovation och samverkan för koldioxidsnål och klimatresilient ekonomi (indikativt 10 miljoner)

För besöksnäringen är det oftast inriktning 1 och 3 som är mest träffsäkra. Men även inriktning 2 kan passa om ni jobbar nära industrins besöksmål, testmiljöer, mobilitet eller teknikleverantörer.

Fyra utmaningsområden som styr – välj ett som passar er AI-satsning

Insatser ska möta ett eller flera av regionens utmaningsområden:

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

Ett turistprojekt kan kopplas till flera av dem. Exempel: ett destinationsprojekt som minskar energitoppar i hotell och arenor (energilösningar), eller AI för matsvinn och lokal matlogistik (livsmedel), eller trygghets- och tillgänglighetslösningar för senior- och hälsoturism (life science/e-hälsa).

Varför AI är en konkurrensfråga för besöksnäringen (inte ett IT-projekt)

Svar direkt: AI ger konkurrensfördel när den används för att förbättra tre saker samtidigt: intäktsstyrning, kundupplevelse och riskkontroll.

Besöksnäringen i Östra Mellansverige konkurrerar inte bara med “grannlänet”, utan med hela Norden och en växande mängd digitala bokningsflöden. Samtidigt pressas många verksamheter av säsongsvariation, höga kostnader och kompetensbrist.

AI hjälper när den kopplas till affären. Här är tre AI-områden som ofta ger effekt snabbt:

1) Efterfrågeprognoser som går att agera på

AI kan förutse beläggning och efterfrågan på en nivå som Excel sällan klarar, särskilt när ni väger in:

• historiska bokningar
• evenemangskalendrar
• skollov
• vädermönster
• trafikflöden och mobilitet

Affärseffekten: bättre bemanning, smartare inköp, färre akuta övertider och högre intäkt per tillgänglig resurs.

2) Intäktsoptimering (revenue management) för fler än hotell

Revenue management är inte bara för hotellkedjor. AI-baserad prissättning och paketering fungerar också för:

• skidanläggningar och aktivitetsbolag
• guidade turer
• museer och attraktioner
• konferens- och eventanläggningar

Affärseffekten: ni flyttar efterfrågan, höjer snittintäkt, och slipper “panikrea” när kalendern är gles.

3) Riskhantering som gör er mer försäkringsbara och robusta

Här kopplar vi tillbaka till serien AI inom försäkring och riskhantering: AI kan skapa en datadriven bild av er operativa risk.

Praktiska exempel i besöksnäringen:

• prediktivt underhåll av utrustning (minskar driftstopp och skadehändelser)
• bedrägeridetektion vid bokning/chargebacks
• analys av incident- och avvikelsedata (säkerhet, arbetsmiljö)
• klimat- och väderrelaterad scenarioplanering för aktiviteter utomhus

Affärseffekten: färre avbrott, jämnare kassaflöde och bättre beslutsunderlag i dialog med både banker och försäkringsbolag.

Så kan ni använda stödet: 5 projektupplägg som passar AI i turism

Svar direkt: De starkaste ansökningarna kopplar AI till mätbara förmågor och beteendeförändringar, inte till “teknik för teknikens skull”.

Utlysningen öppnar för förstudier och projekt, samt för både direkta företagsinsatser och utveckling av stödstrukturer/infrastruktur. Här är fem upplägg jag hade övervägt om jag satt i en destination, ett kluster eller en science park med turismfokus.

1) “AI för beläggning och säsongsförlängning” (direkta företagsinsatser)

Bygg en gemensam metod och verktygslåda för SMF som vill:

• prognostisera efterfrågan 4–12 veckor fram
• optimera priser/paket
• styra marknadsbudget mot perioder med luckor

Leverans kan vara coachning + dataarbete + pilot hos 10–20 företag.

2) “Datadelning i destinationen” (utveckling av stödstrukturer)

Många AI-projekt dör av en enkel anledning: data ligger i silos. Skapa en samordnad modell för att dela minsta möjliga data på ett säkert sätt mellan aktörer:

• beläggningsindex
• evenemangsdata
• transport- och parkeringsdata
• anonymiserade flöden

Målet är ett mer tillgängligt innovationssystem – exakt det utlysningen efterfrågar.

3) Testbädd för AI i kundresa och mottagande (miljö/infrastruktur)

Sätt upp en testmiljö där företag kan prova:

• AI-stöd i kundtjänst och bokningsflöden
• automatiserad flerspråkig information på plats
• smart schemaläggning av personal

Det viktiga: testbädden ska ha tydlig governance, dataskydd och mätetal.

4) “AI för klimatresiliens” (inriktning 3)

Klimatresiliens låter stort, men i turism blir det konkret:

• när ska vandringsleder stängas p.g.a. rasrisk?
• hur påverkar värmeböljor besöksflöden och arbetsmiljö?
• hur dimensionerar vi skugga, vatten, kylkapacitet och transporter?

AI kan kombinera historik, sensorer och externa signaler för att stödja beslut.

5) Kompetenslyft som faktiskt ändrar beteenden

Utlysningen betonar ökade förmågor och förändrade beteenden. Ett bra upplägg är att utbildning knyts till skarpa leveranser:

• varje deltagande företag ska ta fram en AI-policy för data och kundkommunikation
• varje företag ska implementera minst ett beslutsstöd (t.ex. prognos + bemanningsplan)
• varje företag ska mäta en affärseffekt (t.ex. minskade no-shows eller högre snittkvitto)

Så skriver ni en ansökan som håller: förändringsteori, hållbarhet och siffror

Svar direkt: Tillväxtverket vill se logik: problem → insats → ny förmåga → beteendeförändring → effekt.

Utlysningen kräver att ni förbereder er med förändringsteori och hållbarhetsanalys. Det är inte byråkrati för sakens skull; det är ert bästa verktyg för att undvika “pilotfällan”.

Förändringsteori: gör den mätbar på tre nivåer

Ett praktiskt sätt att skriva den:

1. Output (leveranser): antal företag, antal workshops, etablerad testmiljö, datamodell på plats.
2. Outcome (förmåga/beteende): företag använder prognoser i planering, ändrar prissättning, inför rutiner för datakvalitet.
3. Impact (effekt): högre beläggning utanför högsäsong, minskade kostnader, minskade utsläpp per gästnatt.

Hållbarhetsanalys: visa både nytta och målkonflikter

Utlysningen kopplar till Agenda 2030 (bl.a. mål 3, 5, 7, 9, 10, 12, 13) och kräver integrerad hållbarhet. För AI-projekt i turism är det smart att vara rak:

• Miljö: AI kan minska matsvinn och energitoppar, men träning av modeller och mer digital marknadsföring kan öka energianvändning.
• Socialt: automatisering kan påverka jobb, men AI kan också förbättra arbetsmiljö med bättre planering.
• Jämställdhet/likabehandling: rekommendationssystem kan snedvrida synlighet; säkra att ni testar för bias och följer policy.

Ett bra tecken på mognad är när ni beskriver hur ni hanterar målkonflikter, inte att ni låtsas att de inte finns.

Budget och likviditet: bygg för verkligheten

EU-stödet kan vara max 40 % av budgeten. Resterande 60 % måste komma från offentliga och/eller privata medel. Och utbetalning sker normalt i efterskott, vilket gör likviditetsplanen kritisk.

Om ni vill skapa leads (och samtidigt öka chansen till finansiering): bygg ett projekt som SMF vill medfinansiera för att nyttan är tydlig redan år 1.

Vanliga frågor jag får från besöksföretag (och raka svar)

“Kan ett enskilt turistföretag söka?”

Nej, inte som huvudregel i den här utlysningen. Den vänder sig till företagsfrämjande aktörer, medan företag gärna ska medverka som deltagare och/eller medfinansiärer.

“Måste vi finnas i alla län i Östra Mellansverige?”

För vissa projekt (särskilt i inriktning 1) efterfrågas regional närvaro i samtliga län, även om aktiviteter sker i ett urval. Det påverkar hur ni väljer projektägare och partners.

“Är AI-projekt verkligen ‘tillåtet’ inom den här typen av stöd?”

Ja – om ni kopplar AI till innovationsförmåga, testmiljöer, affärsutveckling, kompetens och omställning. Det som faller platt är projekt som bara beskriver en teknisk lösning utan förändringsteori och effekter.

Nästa steg: gör er AI-satsning ansökningsbar på 30 dagar

AI i turism funkar när ni behandlar det som affär, inte som app. Tillväxtverkets utlysning ger en konkret chans att finansiera det arbete som många ändå behöver göra: samverkan, testmiljöer, kompetens och datagrund.

Om jag fick välja en startpunkt skulle jag göra en förstudie med tre leveranser: (1) datakarta, (2) två pilotcase med mätetal, (3) en finansierings- och governanceplan. Då går ni från “idé” till projekt som håller i tre år.

Vilken del av er kundresa är mest riskfylld just nu – bokning, leverans på plats eller återköp/lojalitet – och hur skulle ni mäta att AI faktiskt minskar den risken?