EU-stöd för AI i städer – ny chans för besöksnäringen

40 % i EU-medfinansiering kan låta som en detalj i en utlysning. I praktiken är det ofta skillnaden mellan “bra idé” och “pilot i skarp stadsmiljö”. Tillväxtverkets utlysning om att bidra till innovativa lösningsstrukturer i städer (ansökan var öppen 2025-08-11 till 2025-10-02) pekar rakt mot en typ av satsningar som många i besöksnäringen har väntat på: test- och demonstrationsmiljöer där offentlig sektor, forskning och företag bygger saker som faktiskt används.

Det här är extra intressant om du jobbar med AI inom turism och besöksnäring. Varför? För att de mest värdefulla AI-lösningarna i besöksflöden, evenemang, mobilitet och resursstyrning kräver tre saker: data, samverkan och en miljö att testa i. Utlysningen är i grunden byggd för just det.

Och ja—jag ser också en tydlig koppling till vår serie om AI inom försäkring och riskhantering. När städer blir mer datadrivna växer behoven av riskbedömning, robusthet och regelefterlevnad. Samma metoder som förbättrar underwriting och skadereglering kan göra turistintensiva stadskärnor säkrare, mer förutsägbara och mer kostnadseffektiva att driva.

Vad utlysningen egentligen vill finansiera (utan krångelspråk)

Utlysningen siktar på specifikt mål 1:1 Stärk forskning och innovation och prioriterar projekt som gör två saker:

1. Bygger stödstrukturer (resultatkedja 2) – alltså nätverk, plattformar, metoder och samverkansmodeller där offentlig sektor, forskningsmiljöer och företag utvecklar och tar AI/avancerad teknik från idé till användning.
2. Bygger miljö/infrastruktur (resultatkedja 3) – alltså konkret utrustning, verktyg, testbäddar och demonstrationsmiljöer (fysiska eller virtuella) där man kan testa, mäta och förbättra lösningar.

Det här är viktigt: utlysningen efterfrågar aktivt deltagande från forskningsorganisationer och företag. Det räcker inte med “staden beställer en app”. Man ska samskapa och utveckla.

Vem kan söka – och vem kan inte

Du kan söka om du är utpekad i en prioriterad strategi för hållbar urban utveckling (Tillväxtverket listar strategier för exempelvis Malmö, Skaraborg, Göteborgsregionen, Jakobsberg/Järfälla, flera nordliga städer, Botkyrka, Gävleborg, Eskilstuna, Lund, Sörmland, Sydosttriangeln samt Örebro/Linköping).

• Offentlig sektor, universitet/högskolor, offentliga forskningscentrum, företag och ideell sektor kan vara stödmottagare.
• Privatpersoner och enskilda näringsidkare kan inte söka.

Om projektägaren inte är kommun/region krävs normalt en avsiktsförklaring från strategiägaren.

Hur mycket stöd handlar det om

• Projekt: max 40 % av total budget i EU-stöd.
• Förstudie: max 40 % och max 840 000 kr i EU-stöd.
• Projekt kan pågå längst till 2029-09-30 (förstudie max 12 månader).

För många AI-satsningar i stadsmiljö är förstudien guld: den kan finansiera datakartläggning, juridisk analys, målgruppsdesign, riskanalys och en första MVP-plan.

Varför besöksnäringen ska bry sig: AI i stadens “stora maskinrum”

Besöksnäringens största problem i stadsmiljö är sällan brist på idéer. Det är friktion:

• Data sitter i silos (trafik, evenemang, kollektivtrafik, boende, trygghet).
• Ny teknik saknar testmiljöer där man kan bevisa effekt.
• Offentlig upphandling och statsstödsregler gör att många projekt fastnar i designfasen.

Utlysningen är byggd för att minska den friktionen genom att finansiera samverkansstrukturer och testbäddar. Och om man tänker AI i turism rätt, blir vinsten väldigt konkret:

• Bättre flödesstyrning i city, på event och vid attraktioner.
• Lägre klimatpåverkan genom smartare transporter och energistyrning.
• Bättre upplevelse via personalisering, realtidsinfo och minskade köer.
• Mindre operativ risk (trängsel, incidenter, överbelastning) genom prediktion.

Här korsar vi också in i AI inom försäkring och riskhantering: prediktiva modeller och incidentdata som används för att förebygga skador i stadsmiljö liknar försäkringslogik: förutse, prissätt (prioritera), förebygg, följ upp.

Tre projektspår som passar utlysningen – med tydlig AI-nytta

1) Prediktiv besöksanalys som minskar trängsel och incidenter

Kärnan: bygg en modell som förutser besökstoppar och trängselrisk i tid och rum, baserat på exempelvis evenemangskalender, väder, kollektivtrafik, hotellbeläggning och historiska flöden.

Varför det matchar utlysningen:

• Kräver samverkan mellan stad, mobilitetsaktörer, evenemangsarrangörer och akademi.
• Passar en demonstrationsmiljö (digital tvilling eller zoner i city).

Konkreta outputs som går att utvärdera:

• Prognoser per timme och område.
• Rekommendationer för skyltning, crowd management, extra kollektivtrafik.
• Mätetal: kötid, beläggningsgrad, incidenter, kundnöjdhet.

Riskhanteringsvinkeln: Samma datakedja kan användas för att minska sannolikheten för skador (fallolyckor vid trängsel, brandutrymning, ordningsstörningar). Det är “skadeförebyggande AI” i praktiken.

2) AI för resursoptimering i turistintensiva stadsmiljöer

Kärnan: använd AI för att optimera drift där besökstrycket varierar kraftigt—exempelvis städning, avfallshämtning, energistyrning, toalettkapacitet och bemanning.

Varför det matchar utlysningen:

• Ligger mitt i målbilden “smarta städer” och “grön omställning”.
• Ofta krävs investering i sensorer, mätare eller analysplattform (resultatkedja 3).

Exempel på mätbara effekter:

• Minskade utryckningar och akuta åtgärder.
• Lägre energiförbrukning i publika byggnader.
• Jämnare servicekvalitet under högsäsong.

Min ståndpunkt: Om en stad vill bli klimatsmart räcker det inte att “informera”. Den måste optimera maskinrummet med data.

3) Säker och inkluderande personalisering för besökare

Kärnan: skapa AI-baserade rekommendationer och realtidsinformation som tar hänsyn till tillgänglighet, trängsel, öppettider, mobilitet och individens preferenser—utan att tumma på integritet.

Varför det matchar utlysningen:

• Kräver metodutveckling, samverkan och test i verklig miljö.
• Kopplar direkt till jämlika städer och social inkludering.

Särskilt relevant i december 2025: vinterturism och julmarknader driver toppar i många städer. Personaliserad styrning kan minska trycket på “klassiska hotspots” och sprida besök till fler områden—vilket gynnar både handel och trygghet.

Så designar du ett projekt som Tillväxtverket faktiskt kan säga ja till

Det finns tre återkommande saker som skiljer beviljade projekt från de som fastnar.

1) Gör förändringsteorin operativ

Utlysningen kräver förändringsteori. Många skriver den som en vision. Gör den till en plan.

En bra, enkel kedja:

• Aktivitet: etablera testbädd + datadelning + AI-modell
• Output: prognoser/rekommendationer i drift
• Resultat (beteende/förmåga): aktörer börjar planera proaktivt
• Effekt: mindre trängsel, lägre utsläpp, högre upplevelsekvalitet

Tips: sätt 3–5 mätetal redan i ansökan och definiera hur de mäts.

2) Välj tydligt resultatkedja 2 eller 3 som “primär”

Du kan göra båda, men en primär målgrupp och en tydlig logik gör bedömningen enklare.

• Är du ute efter långsiktig samverkan, processer, plattformar? Resultatkedja 2.
• Behöver du bygga testmiljö, sensorer, labb, digital tvilling? Resultatkedja 3.

3) Ta statsstöd på allvar tidigt

Om företag gynnas kan statsstödsregler bli avgörande. Praktiskt betyder det att du behöver:

• Beskriva vilka företag som deltar och hur de deltar.
• Hålla koll på arbetspaket så att en statsstödsbox inte “smittar” allt.
• Budgetera med rätt redovisningsmodell om gruppundantag används.

Jag har sett projekt tappa månader här. Att göra en enkel statsstödsanalys i förstudien är ofta den billigaste riskreduceringen du kan köpa.

Q&A: sånt folk brukar undra (och som du bör ha svar på)

Får man testa utanför programområdet eller internationellt?

Ja, aktiviteter kan genomföras helt eller delvis utanför området—även utanför EU—om de bidrar till målet och strategin.

Måste akademin vara med?

Utlysningen betonar aktivt deltagande från forskningsorganisationer och företag. Om du bygger en AI-lösning utan forskningspart riskerar du att missa matchningen.

När får man pengarna?

Utbetalning sker normalt i efterskott när kostnader är betalda och rapporterade. Likviditetsplan är inte en detalj—det är en överlevnadsfråga.

Nästa steg: så gör du en idé “ansökningsbar” på 10 arbetsdagar

Om du vill använda den här typen av utlysningar för AI i besöksnäringen (och samtidigt stärka stadens risk- och trygghetsarbete), gör så här:

1. Säkerställ strategiförankring: är du utpekad i strategin, eller kan strategiägaren ställa sig bakom idén?
2. Formulera ett skarpt problem: köer, trängsel, utsläpp, trygghet, driftkostnader—välj en primär.
3. Bygg ett konsortium: stad/region + forskningsmiljö + företag + ev. civilsamhälle.
4. Designa testmiljön: var ska det provas, vilka data behövs, hur mäts effekt?
5. Gör en mini-riskanalys: integritet, säkerhet, bias, driftsrisk, statsstöd.

Den sista punkten knyter tillbaka till vår serie om AI inom försäkring och riskhantering: en välgjord riskanalys är inte bara compliance—den är ett sätt att skapa förtroende och snabbare införa AI i verkligheten.

En stad som kan förutse belastning och styra resurser i realtid får både nöjdare besökare och lägre riskkostnader.

Nästa fråga att ställa internt är enkel: vilket problem i er stadskärna är dyrast under högsäsong—och varför har ni fortfarande inga prediktioner på det?