EU-stöd för AI i hållbar turism – så lyckas ni

25 miljoner kronor ligger på bordet för projekt som stärker små och medelstora företags konkurrenskraft i svenska städer – med tydlig koppling till hållbar urban utveckling. För dig som jobbar i turism och besöksnäring är det här mer än ”bara” ännu en utlysning. Det är ett konkret sätt att finansiera AI-lösningar som gör stadsresor smartare, mer resurseffektiva och bättre för både gäster och boende.

Och ja: det här passar faktiskt in i vår serie om AI inom försäkring och riskhantering. För turism är en riskbransch, oavsett om det handlar om kapacitetsrisk (överbeläggning), intäktsrisk (no-shows), säkerhetsrisk (trängsel/incidenter) eller hållbarhetsrisk (utsläpp, slitage, social acceptans). AI blir allt oftare det praktiska verktyget som gör risker mätbara och hanterbara – och därmed försäkringsbara.

Vad utlysningen faktiskt öppnar för (och vad den inte gör)

Kärnan är enkel: stöd kan sökas för projekt eller förstudier som genomför en utpekad strategi för hållbar urban utveckling, med fokus på mål 1:3: att stärka små och medelstora företags tillväxt och konkurrenskraft.

Det finns två hårda ramar du behöver ha koll på:

• Vem kan söka: Ni måste vara omnämnda i en av de prioriterade strategierna (eller vara förankrade via strategiägaren). Om ni inte är strategiägare behöver ni i praktiken ha en tydlig förankring – ofta som en avsiktsförklaring.
• Hur mycket stöd: EU-stödet kan vara max 40% av budgeten. Förstudier kan få max 40% och 840 000 kr i EU-stöd.

Tidsfönster:

• Ansökan öppnar: 2025-08-11
• Ansökan stänger: 2025-10-02
• Projekt kan pågå till: 2029-09-30

Det som gör utlysningen extra relevant för AI i turism är att den explicit vill:

• öka offentlig sektors efterfrågan på hållbara lösningar (tänk upphandling, piloter, testbäddar)
• stärka cirkulära affärsmodeller och värdekedjor
• jobba systematiskt med jämställdhet (mer om det nedan)

Där AI i turism ger mest effekt: tre användningsfall som passar stödet

Du får störst träff om du kopplar AI till en konkret stadsutmaning. Här är tre spår jag tycker flest SME:er missar – trots att de är lätta att motivera i en ansökan.

1) Prediktion av besökstryck: mindre trängsel, bättre upplevelse

AI för efterfrågeprognoser handlar inte om en flashig chatbot. Det handlar om att använda data (bokningar, evenemang, kollektivtrafik, väder, historik) för att förutse toppar på tim- och kvartersnivå.

Praktiskt kan projektet leda till:

• styrning av gästflöden mellan stadsdelar
• dynamiska rekommendationer i appar och digital skyltning
• planering av personal och öppettider för attraktioner, museer och cityhandel

Riskhanteringskopplingen (försäkringstemat): färre incidenter vid trängsel, färre skador, bättre säkerhetsplanering och tydligare underlag för ansvarsfördelning mellan aktörer.

2) AI i boknings- och kapacitetsoptimering: färre no-shows, bättre beläggning

Många verksamheter i besöksnäringen lever fortfarande med grova tumregler. AI kan göra det mer precist:

• prediktion av no-shows och sena avbokningar
• smart väntelista och överbooking med kontroll
• prissättning och paketering kopplat till faktisk efterfrågan

Här finns en tydlig koppling till ”produktiva städer”: effektivare resursutnyttjande ger mindre svinn (energi, mat, personal), vilket också är en hållbarhetsvinst.

3) Klimat- och resurseffektiv stadsresa: AI som minskar utsläpp utan pekpinnar

Städer vill minska utsläpp, men besökare vill ha smidighet. AI kan optimera båda genom:

• ruttförslag som prioriterar gång/cykel/kollektivtrafik
• rekommendationer baserade på kapacitet (undvik överbelastade platser)
• matchning mellan besökarens preferenser och hållbara alternativ

I en ansökan blir det extra starkt om du knyter det till offentlig sektors roll (t.ex. stadens mobilitetsdata, evenemangsplanering, kommunala bolag).

Så bygger ni projektet: välj resultatkedja och gör det mätbart

Utlysningen styr mot två logiker (resultatkedjor). Välj en primär och bygg allt runt den, annars blir ansökan spretig.

Resultatkedja 1: Direkta insatser till företag

Passar när ni som projekt ska hjälpa företag att snabbt ta AI från idé till drift:

• affärsutveckling för AI-tjänster i turism
• prototyper/piloter med verkliga användare
• kompetenslyft kring data, integritet, modellstyrning och drift

Mätbara resultat som brukar fungera:

• antal företag som implementerar en AI-funktion i skarp drift
• minskad resursförbrukning per gäst (energi, svinn, transporter)
• förbättrad prognosprecision (t.ex. MAPE för efterfrågan)

Resultatkedja 2: Utveckling av stödstrukturer

Passar när ni vill skapa förutsättningar för att många företag ska kunna lyckas:

• gemensam test- och demonstrationsmiljö (”sandlåda”)
• samverkansplattform mellan kommun, destinationsbolag, kollektivtrafik och företag
• upphandlingsstöd: hur offentlig sektor kan efterfråga AI-lösningar korrekt

Det här spåret är ofta enklare att försvara ur statsstöds- och rättviseperspektiv eftersom nyttan blir bredare.

Statsstödsregler: det som sänker bra idéer (om ni ignorerar det)

Om projektet gynnar företag kan EU:s statsstödsregler styra hur ni får lägga upp aktiviteter, budget och stödnivå.

Det praktiska rådet: gör en tidig ”statsstödsworkshop” internt där ni svarar på:

1. Vilka i projektet räknas som företag enligt reglerna (även kommunala bolag kan göra det)?
2. Är stödet direkt (t.ex. utvecklingsinsats till ett företag) eller indirekt (via plattform/testmiljö)?
3. Kan ni paketera aktiviteter så att ni använder en box per arbetspaket?

I AI-projekt i turism ser jag ofta att man blandar: utbildning, prototypstöd, dataåtkomst och upphandling i ett enda arbetspaket. Det blir svårbedömt och riskerar avslag eller tidsödande kompletteringar.

Jämställdhet: gör det till en designfråga, inte en bilaga

Utlysningen kräver att alla projekt bidrar till ökad jämställdhet – och den är särskilt positiv till projekt där jämställdhet är huvudspåret.

För AI i turism finns en konkret möjlighet här: data och algoritmer kan förstärka snedfördelningar om ni inte designar medvetet.

Tre sätt att göra jämställdhet operativt i projektet:

• Datagranskning: säkerställ att träningsdata speglar både kvinnors och mäns beteenden, arbetssituation och tillgång till tjänster (t.ex. resebeteende, säkerhetsupplevelse, betalningsmönster).
• Målgruppsstöd: riktade affärsutvecklingsinsatser för kvinnligt entreprenörskap i besöksnäringen (t.ex. företag som driver guidning, kulturupplevelser, mat/boende).
• Mätetal: sätt minst ett resultatmått som inte bara räknar deltagare, utan effekt (t.ex. andel företag som går från pilot till intäkt, uppdelat på kön).

Om du vill att det ska kännas trovärdigt i ansökan: skriv hur jämställdhetsproblemet påverkar projektets varför – inte bara vad ni tänker göra åt det.

En realistisk projektidé: “Smart City Break” som både kommun och företag vill ha

Här är en modell jag sett fungera bra i liknande programlogik.

Mål: minska trängsel och utsläpp i city under helger och event, samtidigt som SME:er får nya intäkter.

Aktiviteter:

• AI-modell som prognostiserar besökstryck per zon/tid baserat på bokningar, eventkalender och mobilitetsdata
• destinationsapp eller API som ger rekommendationer: ”nu är det fullt här – ta den här upplevelsen i stället”
• pilot med 20–40 SME:er (restauranger, guider, museer, handel) och minst en offentlig aktör

Effekter:

• jämnare gästflöden (mätbart i beläggning och kötid)
• fler bokningar till mindre kända aktörer
• bättre underlag för riskarbete: crowd management, incidentplanering, trygghet

Varför passar detta utlysningen? För att det kombinerar:

• hållbar urban utveckling (jämlika/gröna/produktiva städer)
• digitalisering och smarta städer
• stöd till SME:er via direkta insatser och/eller stödstrukturer

Så förbereder ni ansökan: en checklista som sparar veckor

Du behöver inte vara perfekt. Men du behöver vara tydlig. Jag hade lagt upp förarbetet så här:

1. Förankra idén hos strategiägaren tidigt och boka ett arbetstillfälle där ni mappar projektidén mot strategins formuleringar.
2. Skriv en förändringsteori på en sida: problem → målgrupp → aktiviteter → kortsiktiga resultat → långsiktiga effekter.
3. Gör en hållbarhetsanalys som påverkar designen, t.ex. val av datakällor, energiförbrukning i drift, tillgänglighet och integritet.
4. Bestäm dataspår och governance: vem äger data, hur anonymiseras den, vilka KPI:er får delas.
5. Planera likviditet: stöd betalas ut i efterskott. Om ni inte har musklerna, bygg en finansieringsplan (eller undersök förskott om ni kvalar in).

En ansökan som vinner handlar sällan om att ha flest buzzwords. Den handlar om att kunna visa att ni vet exakt vad ni ska bygga, varför det behövs och hur effekten ska mätas.

Nästa steg: gör AI-projektet ”försäkringsbart” från start

Om vi knyter tillbaka till serien AI inom försäkring och riskhantering: AI-projekt i turism blir starkare när de också minskar risk. Det gör dem lättare att sälja, lättare att upphandla – och ofta lättare att finansiera.

Konkreta nästa steg:

• välj ett av de tre AI-spåren (besökstryck, bokning/kapacitet, klimatoptimering)
• bestäm om ni primärt bygger direkta företagsinsatser eller stödstruktur
• formulera 3–5 mätetal som både affär och offentlig sektor bryr sig om

Utlysningen stänger 2025-10-02. Det låter långt bort, men förankring, statsstödslogik och budget tar tid.

Vilken del av din stadsresa är mest ”riskig” idag – trängseln, intäktsosäkerheten eller klimatavtrycket – och vad skulle hända om du faktiskt kunde förutse den?