AI-innovationsstöd i Skåne–Blekinge för turism-SME

19 miljoner kronor. Det är ungefär så mycket som finns kvar i potten för specifikt mål 1.1 (forskning och innovation) i Regionalfonden Skåne–Blekinge – och ansökan stänger 2026-03-03. För många små och medelstora företag i besöksnäringen är det här den typen av finansiering som faktiskt gör skillnaden mellan “vi borde” och “vi bygger det”.

Jag tycker fler turism- och hospitalitybolag missar en sak: AI-projekt räknas som FoU när de bygger ny förmåga (inte bara köper ett system) och när ni testar, demonstrerar och utvecklar i er egen verksamhet. Det är exakt den sortens projekt utlysningen är gjord för – särskilt när ni gör det tillsammans med en forskningsorganisation.

Det här inlägget är en del av vår serie ”AI inom läkemedel och bioteknik”. Varför pratar vi då om turism? För att logiken är densamma: i både bioteknik och besöksnäring är data, testmiljöer och snabb iteration avgörande. Skillnaden är att turism ofta har mindre FoU-budget – och därför behöver smart offentlig medfinansiering för att hinna ikapp.

Vad utlysningen faktiskt ger (och vad den inte ger)

Utlysningen finansierar industriell forskning och experimentell utveckling – inte drift. Det betyder att ni kan få stöd för att utveckla, testa och bevisa nya lösningar, men ni kan inte få pengar för “vanlig verksamhet” eller löpande marknadsföring.

Utlysningen riktar sig till Skåne–Blekinge och kopplas till regionernas smart specialisering (styrkeområden). Den är upplagd så att:

• En projektägare/koordinator (ofta en innovationsaktör, klusterorganisation, kommun/region, lärosäte eller institut) håller ihop projektet.
• Ett eller flera företag deltar som projektpartner och får stöd för FoU-kostnader enligt statsstödsregler (GBER artikel 25).

Viktig siffra: Regionalfonden kan stå för max 40 % av projektets totala budget. Resterande 60 % måste vara offentlig och/eller privat medfinansiering. För enskilda företags FoU-kostnader kan den offentliga finansieringen variera (typiskt 25–80 %) beroende på företagsstorlek och FoU-typ.

Tidslinje du behöver hålla

• Ansökan öppnar: 2026-01-13
• Ansökan stänger: 2026-03-03
• Beslut väntas: 2026-06
• Rekommenderad projekttid: 3 år och 4 månader (förstudie: 9 månader)

Varför AI i besöksnäringen passar extra bra här

AI-projekt i turism blir snabbt mätbara, testbara och affärsnära. Det är precis vad offentliga FoU-satsningar vill se: nya förmågor, nya arbetssätt, tydliga indikatorer och spridning.

I praktiken är många av besöksnäringens mest lönsamma AI-case sådant som kräver experimentell utveckling:

• Prediktiv analys för beläggning, intäkter och bemanning
• Dynamisk prissättning (men med transparens och regelefterlevnad)
• Personalisering av erbjudanden och kommunikation baserat på beteendedata
• Automatiserad kundservice som faktiskt minskar hanteringstid utan att tappa NPS
• Optimering av städ, underhåll och energiförbrukning i hotell- och anläggningsdrift

Det här är inte “köp en chatbot”. Det är datadriven produktutveckling, med test- och demonstrationsmoment. Och det är FoU.

Kopplingen till serien ”AI inom läkemedel och bioteknik”

I bioteknik ser vi att värdet ofta skapas i steget mellan modell och verklighet: validering, regulatorik, kvalitet och spårbarhet. I turism är motsvarigheten: datakvalitet, test i skarp drift, förändringsledning och mätbar effekt. Finansieringslogiken är densamma: bygga förmåga som kan återanvändas och skalas.

Så matchar du smart specialisering (utan att låtsas)

Ni måste visa hur projektet bidrar till styrkeområden i Skåne eller Blekinge. Det betyder inte att ni behöver vara ett deeptechbolag. Det betyder att ni ska formulera projektet så att det hänger ihop med regionernas prioriteringar.

Exempel på naturliga matchningar för besöksnäringen:

• Tech (Skåne) / Tech (Blekinge): AI för prognoser, personalisering, språk- och bildanalys, automatisering.
• Smarta hållbara städer (Skåne): flödesanalys för besökare, trängselstyrning, hållbara reseval och kapacitetsplanering.
• Life Science och hälsa (Skåne): “health tourism”, rehabiliteringsresor, seniorresande – AI för individanpassning och trygghet.
• Livsmedel (Skåne): restaurang och destination – minskat matsvinn med prognoser, inköpsoptimering, menyplanering.
• Smart industri (Blekinge): effektiv drift i anläggningar, energistyrning, prediktivt underhåll.
• Missions (Blekinge): paketera projektet som en lösning på en samhällsutmaning, t.ex. säsongsarbetslöshet, ojämlik tillgång till upplevelser eller utsläppsminskning.

Min erfarenhet: ansökningar faller inte på teknik. De faller på att kopplingen till regional strategi blir för vag. Skriv därför fram en tydlig orsak–verkan-kedja: problem → FoU-aktiviteter → ny förmåga → nytt beteende → effekt på produktivitet/sysselsättning.

Tre projektupplägg som ofta håller för granskning

Ni behöver ett upplägg som både klarar statsstödsregler och ger företagen faktisk nytta. Här är tre modeller som passar utlysningens logik.

1) “Testbädd för AI i besöksnäringen” (demonstration + data)

Kärna: flera SME (hotell, camping, destination, aktivitetsbolag) kör samma FoU-upplägg i varsin miljö.

• Forskningspartner tar fram metod för datastandarder, anonymisering och mätning.
• Företagen testar modeller för beläggningsprognos och personalplanering.
• Resultatet blir en gemensam “verktygslåda” och jämförbara KPI:er.

Varför den funkar: tydlig spridning, flera företag får stöd, stark demonstrationsdel.

2) “Personalisering som produkt” (experimentell utveckling)

Kärna: bygg en rekommendationsmotor som skapar personliga paket och upplevelser.

• Testa olika signaler: bokningshistorik, säsong, väderdata, evenemangskalender, intresseprofiler.
• A/B-testa effekter på konvertering och merförsäljning.
• Lägg in fairness-krav så att ni inte systematiskt missgynnar vissa målgrupper.

Varför den funkar: AI-utveckling blir konkret, mätbar och kopplad till intäkter.

3) “Resurseffektiv drift” (hållbarhet + produktivitet)

Kärna: AI för att minska energitoppar, optimera städscheman och förebygga driftstopp.

• Prediktera beläggning på rumsnivå och koppla till värme/ventilation.
• Upptäck avvikelser (läckage, onormala energimönster).
• Demonstrera i minst två anläggningstyper (stadshotell + resort/camping).

Varför den funkar: lätt att knyta till Agenda 2030 och programmets produktivitetsmål.

Budget, kostnader och det folk ofta missar

Utbetalning sker i efterskott. Det betyder att ni måste klara likviditeten under tiden ni bygger och testar. Det finns möjlighet till förskott i vissa fall, men räkna inte med att det löser allt.

Stödberättigande företagskostnader i den här typen av FoU-projekt brukar landa i fyra tydliga poster:

• Personalkostnader (egna utvecklare, analytiker, produktägare – i den tid de jobbar i projektet)
• Extern sakkunskap/tjänster (kontraktsforskning, data engineering, juridik kring data, patent)
• Utrustning/investeringar (t.ex. sensorer eller instrument – under den tid de används i projektet)
• Resor och logi (om det är nödvändigt för FoU-arbetet)

Det som ofta spräcker ansökningar:

1. Man budgeterar “AI-systemlicenser” som driftkostnad utan FoU-logik.
2. Man beskriver inte tydligt om arbetet är industriell forskning eller experimentell utveckling.
3. Man saknar plan för mätning och indikatorer.

En formulering som brukar hålla: “Vi utvecklar och validerar en modell i skarp testmiljö, demonstrerar arbetssättet i minst X företag och dokumenterar metoden så att den kan återanvändas i regionens innovationssystem.”

Indikatorer och resultat som gör ansökan starkare

Projektet behöver kunna visa både aktivitet och effekt. Utlysningen pekar bland annat på indikatorer som:

• Antal företag som får stöd / bidrag
• Privata investeringar som matchar offentligt stöd
• Antal företag som utvecklar produkter, processer och affärsmodeller
• Antal SME som inför produkt- eller processinnovationer

Översätt det till besöksnäringens språk redan i ansökan:

• “X företag inför AI-baserad beläggningsprognos i drift”
• “Genomsnittlig planeringshorisont ökar från 7 till 28 dagar”
• “Andel manuella kundserviceärenden minskar med Y %”
• “Matsvinn per serverad portion minskar med Z %”

Sätt mål som går att följa upp kvartalsvis. FoU-projekt som bara lovar “bättre upplevelse” blir sällan prioriterade.

Hållbarhet, jämställdhet och minskad ojämlikhet – gör det praktiskt

Alla projekt måste bidra till mål 5 (jämställdhet) och mål 10 (minskad ojämlikhet). Många skriver generiska rader här. Gör inte det. Gör det operationellt.

Exempel som passar AI i turism:

• Säkerställ att träningsdata inte speglar gamla mönster som ger sämre service till vissa grupper.
• Utforma personaliserade rekommendationer så att de inte bara maximerar intäkt, utan också tillgänglighet (t.ex. filter för funktionsvariationer).
• Sätt krav på att testmiljöer inkluderar olika typer av arbetsplatser (säsong, heltid, deltidsanställda) så att nya arbetssätt inte slår snett.

Och välj minst ett av de andra globala målen som logiskt passar ert case, ofta:

• Mål 8 (produktivitetslyft, bättre arbetsvillkor via bättre planering)
• Mål 9 (innovation och teknisk kapacitet)
• Mål 11 (hållbara destinationer och flöden)
• Mål 12 (mindre svinn och smartare konsumtion)

En enkel plan för att hinna till 2026-03-03

Om ni börjar i januari 2026 är ni redan sent ute. En rimlig plan från och med nu (2025-12-21) ser ut så här:

1. 2025-12-21–2026-01-10: Spika problemformulering och vilka företag som deltar. Välj 1–2 mätetal per use case.
2. 2026-01-13–2026-02-02: Sätt projektlogik: FoU-typ (industriell/experimentell), aktiviteter, testupplägg, datahantering.
3. 2026-02-03–2026-02-20: Budget + medfinansiering + statsstödslogik. Förankra med ekonomiavdelningar.
4. 2026-02-21–2026-03-03: Skriv klart, kvalitetssäkra, gör hållbarhetsanalys och jämställdhetsanalys som faktiskt påverkar designen.

Det mest effektiva steget jag sett är att tidigt boka en avstämning med regionala projektrådgivare (och ta med en “tidig projektidé” som är skarp nog att få feedback på).

Nästa steg: från idé till finansierbart AI-projekt

AI i besöksnäringen behöver inte vara stora plattformar. Det som ger effekt är ofta: bättre prognoser, mindre handpåläggning och ett erbjudande som känns mer relevant. Utlysningen i Skåne–Blekinge är byggd för den typen av FoU, särskilt när flera SME går ihop och demonstrerar i verkligheten.

Om du vill få fart snabbt: skriv ner en enda mening som binder ihop allt.

“Vi ska demonstrera AI-driven [prognos/personalisering/driftoptimering] i X turismföretag i Skåne–Blekinge och bevisa effekten på produktivitet, hållbarhet och arbetsmiljö.”

Vad skulle ni kunna bevisa på 12 månader om ni fick medfinansiering för att testa på riktigt – och inte bara prata om AI?