AI och smart specialisering: EU-stöd i Mellersta Norrland

50 miljoner kronor. Max 40 % i medfinansiering. Och ett fönster som bara är öppet i drygt fem veckor.

Det är vad som står på spel när utlysningen ”Utveckla färdigheter för smart specialisering i Mellersta Norrland” öppnar 2026-01-13 och stänger 2026-02-17. För många låter ”smart specialisering” som en abstrakt EU-term. Jag tycker tvärtom: det är en praktisk metod för att få regioner att sluta sprida resurser tunt och istället bygga ekosystem som faktiskt levererar.

Och här kommer vår vinkel: AI i turism och besöksnäring är en av de mest konkreta vägarna att visa värde av smart specialisering i glesa miljöer. Samtidigt passar det in i den bredare serien AI inom läkemedel och bioteknik – för det är samma logik som fungerar: bygg kompetens, bygg dataflöden, bygg samarbeten och mät effekten. Skillnaden är att ”patientflöden” i det här fallet är turistströmmar.

Utlysningen i korthet: vad den faktiskt möjliggör

Den direkta nyttan är enkel: utlysningen finansierar förstudier och projekt som bygger kapacitet, styrning och relevanta ekosystem för smart specialisering (S3), strukturomvandling och entreprenörskap i Jämtland-Härjedalen och Västernorrland.

Det här är särskilt viktigt eftersom kravet på god styrning av S3 är nytt i denna programperiod. Regionen behöver alltså inte bara idéer – utan arbetssätt, mötesplatser och stödstrukturer som gör att idéerna blir genomförande.

Pengar, tidslinje och spelregler (sånt som avgör om ni hinner)

• Utlysningen öppnar: 2026-01-13
• Utlysningen stänger: 2026-02-17
• Beslut senast: juni 2026
• Medfinansiering: max 40 % av projektkostnaderna (resterande 60 % offentlig/privat)
• Total pott: cirka 50 miljoner kronor
• Projektlängd: längst till och med 2029-09-30
• Viktigt krav: ansökningar inom mål 1.4 ska ske i samråd med regionerna (Jämtland/Härjedalen och/eller Västernorrland) innan inlämning

Min erfarenhet är att många projekt faller på två saker:

1. man väntar för länge med regional förankring, och
2. man beskriver aktiviteter – men inte den styrning och mätbar förändring som EU vill se.

Smart specialisering (S3) – och varför AI passar perfekt i besöksnäringen

Smart specialisering är i praktiken en prioriteringsmotor: regionen väljer styrkeområden, samlar aktörer och investerar i det som kan ge konkurrenskraft. För besöksnäringen i Mellersta Norrland blir det extra relevant eftersom marknaden påverkas hårt av:

• digital omställning (bokningsbeteenden, plattformar, realtidsinformation)
• grön omställning (transport, energiförbrukning, naturens bärkraft)
• kompetensförsörjning (säsong, rekrytering, språk, service)

AI är inte “en teknikfråga”. AI är ett sätt att fatta bättre beslut snabbare. Precis som i läkemedel och bioteknik, där AI används för att prioritera molekyler och förutsäga utfall, kan besöksnäringen använda AI för att prioritera insatser och förutsäga efterfrågan.

Tre AI-användningar som gör S3 konkret (och finansieringsbart)

1. Prognoser för turistströmmar: kombinera bokningsdata, evenemangskalendrar, väder, öppettider och transportmönster för att förutse tryck.
2. Resursoptimering i glesa miljöer: bemanning, snöröjning, kollektivtrafik, parkering, avfall – styr efter faktisk belastning.
3. Personalstöd och kompetensutveckling: AI-baserade kunskapsstöd för frontpersonal (flerspråk, rekommendationer, incidentrutiner) och intern utbildning.

Poängen: det här är precis den typen av kapacitetsbyggande och stödstrukturer som utlysningen efterfrågar.

Projektidéer som matchar utlysningen – med AI som ryggrad

Utlysningen pekar ut fyra typer av satsningar: kapacitetsbyggande ekosystem, mötesplatser, stödstrukturer och analyser. Nedan är exempel som ofta fungerar i ansökningar eftersom de kopplar tydligt till styrning, indikatorer och långsiktighet.

1) Regional “AI-accelerator” för besöksnäringen

Svar först: Skapa en stödstruktur där företag i turism får praktisk hjälp att införa AI på ett ansvarsfullt, mätbart sätt.

Upplägg som brukar landa rätt:

• en gemensam metod för behovskartläggning (inte ”vi ska testa AI”, utan ”vi ska minska felbemanning med 15 %”)
• utbildningspaket för chefer och operativ personal
• ett litet ”AI-labb” med mallar, datadelning och juridiskt stöd
• uppföljning med tydliga indikatorer (digital mognad, exportmognad, hållbarhetsutfall)

2) Mötesplatser över länsgränser: data och säsonger som gemensam nämnare

Svar först: Bygg en mötesplats där kommuner, destinationer, trafikaktörer och akademi samordnar data och planering.

Det kan vara kvartalsvisa “säsongssprintar” där man:

• identifierar flaskhalsar (tillgänglighet, boende, leder, personal)
• tar fram gemensamma datadefinitioner (vad räknas som en gästnatt, ett besök, en topp)
• enas om vilka AI-prognoser som ska vara ”en källa” i styrningen

I glesa miljöer är samordning inte trevligt att ha – det är skillnaden mellan överbelastning och fungerande upplevelser.

3) Löpande analyser som styr S3 – inte en rapport som hamnar i en låda

Svar först: Gör analys till en kontinuerlig process som driver beslut, budget och kompetensinsatser.

En bra ansökan beskriver ofta:

• vem som äger analysen (styrning)
• hur ofta den uppdateras (månatligen, kvartalsvis)
• vilka beslut den ska påverka (prioritering av insatser, utbildningar, investeringar)

Här kan AI användas för:

• klustring av besökstyper (naturturism, cityweekend, event, affärsresor)
• prediktion av beläggning och trängsel
• scenarioanalys: “Vad händer om tågtider ändras?”

Så bygger ni “färdigheter” som faktiskt håller – en praktisk modell

Färdighetssatsningar misslyckas när de blir generella utbildningsdagar utan koppling till vardagen. En modell som funkar bättre (och som dessutom är lättare att rapportera) är att bygga tre lager:

1) Bas: AI-litteracitet för beslutsfattare

Mål: att chefer och offentliga aktörer kan ställa rätt frågor.

• Vad kräver en prognosmodell i data och kvalitet?
• Hur undviker vi att automatisera dåliga processer?
• Vilka risker finns (integritet, bias, säkerhet)?

2) Operativt: verktyg och arbetssätt i frontlinjen

Mål: att personalen får stöd i realtid.

• flerspråkiga assistenter för gästservice
• rutinstöd för klagomål, incidenter, tillgänglighet
• rekommendationsstöd som lyfter lokala aktörer (inte bara “mest populärt”)

3) Specialister: data, upphandling och utvärdering

Mål: att regionen kan äga sin förmåga.

• datastandarder och datadelning
• kravställning vid upphandling (transparens, loggning, SLA)
• utvärderingsdesign: före/efter, kontrollgrupper där det går

En bra tumregel: utbildning utan förändrat arbetssätt är underhållning. Utlysningen betalar för resultat.

Vanliga frågor ni behöver kunna svara på i ansökan

För att passa både EU-logiken och utlysningens fokus på styrning, behöver ni kunna ge raka svar på sådant här:

“Vilken resultatkedja hör projektet till?”

Utlysningen jobbar med två resultatkedjor:

• RK1 Direkta insatser till företag (t.ex. affärsutveckling, exportmognad, digital mognad)
• RK2 Utveckling av stödstrukturer (styrning, processer, kapacitetsbyggande)

Många starka projekt kombinerar båda, men väljer en huvudsaklig. Mitt råd: välj den som bäst matchar era indikatorer och ägarskap.

“Hur hanterar ni statsstödsregler?”

Om projektet gynnar företag kan statsstödsregler styra upplägget och finansieringsgrad. Lägg tid tidigt på att reda ut:

• vilka parter som räknas som företag (ekonomisk verksamhet)
• hur privat medfinansiering ska lösas
• hur ni undviker att ett stöd blir selektivt eller snedvrider marknaden

“Hur ser er förändringsteori ut?”

En användbar, enkel kedja i AI-projekt är:

• Aktiviteter: datakartläggning + utbildning + pilotering
• Prestationer: gemensam datamodell, utbildade personer, implementerade verktyg
• Kortsiktig effekt: bättre beslut om bemanning/kapacitet
• Medellång effekt: högre produktivitet, jämnare beläggning, bättre gästnöjdhet
• Långsiktig effekt: starkare konkurrenskraft och hållbar regional utveckling

Så skapar ni leads (utan att det känns säljsnack)

Om ni är en aktör som vill bygga projekt (kommun, destinationsbolag, kluster, lärosäte, företagsfrämjare) är den smartaste lead-motorn ofta själva mobiliseringen:

• bjud in till en kort “problemverkstad” (90 minuter) med 10–15 aktörer
• samla 3–5 problem som alla vill lösa (prognoser, kapacitet, kompetens, hållbarhet)
• definiera ett pilotcase per län och en gemensam stödstruktur över län

När ni gör det skapar ni samtidigt: partnerskap, medfinansiering, case för ansökan – och en pipeline för framtida uppskalning.

Avslut: Mellersta Norrland kan bli starkt – men bara om vi bygger förmåga

Utlysningen om utveckla färdigheter för smart specialisering i Mellersta Norrland är en chans att göra två saker samtidigt: stärka regional styrning och göra AI praktiskt användbart i turism och besöksnäring.

Jag gillar den här typen av satsningar eftersom de påminner om vad som fungerar i AI inom läkemedel och bioteknik: det är sällan en enskild modell som ger effekt. Det är systemet runtomkring – kompetens, data, process, uppföljning.

Om ni sitter på en projektidé: börja inte i verktygen. Börja i beteendet ni vill ändra och vilken kapacitet regionen ska ha kvar 2029-09-30. Vad skulle hända om Mellersta Norrland blev känt som regionen som planerar säsonger med samma precision som bioteknik planerar kliniska studier?