EU-stöd för AI-FoU i besöksnäringen i Norra Mellansverige

30 miljoner kronor. Det är den preliminära budgeten som just nu ligger på bordet för projekt som vill hjälpa små och medelstora företag i Norra Mellansverige att bedriva industriell forskning eller experimentell utveckling. Och ja – det här kan absolut handla om AI i turism och besöksnäring.

Jag tycker fler inom besöksnäringen borde titta på den här typen av FoU-utlysningar. Inte för att “AI är trendigt”, utan för att många av våra vardagsproblem i hotell, destinationer och upplevelsebolag faktiskt är perfekta FoU-frågor: prognoser, kapacitetsplanering, personliga erbjudanden, språkstöd, serviceautomation, energioptimering och hållbarhetsuppföljning.

Samtidigt passar det här in i vår serie ”AI inom läkemedel och bioteknik”: där har FoU-ramverk, testmiljöer, TRL-nivåer och tydliga resultatkedjor länge varit standard. Besöksnäringen kan vinna mycket på att arbeta mer som life science gör – strukturerat, mätbart och med bättre finansiering.

Vad är det här för utlysning – och varför ska turism bry sig?

Utlysningen handlar om att forskningsorganisationer och aktörer i innovationssystemet (t.ex. universitet, institut, kluster, innovationskontor, regioner och liknande) kan söka stöd för projekt där företag deltar som projektpartners och får direkt ekonomiskt stöd för sina FoU-kostnader.

Det viktiga är inte branschen i sig, utan att projektet:

• adresserar verksamhetsspecifika utmaningar i företag
• sker genom kunskapsutveckling, inklusive test- och demonstrationsaktiviteter
• ligger inom GBER artikel 25 (EU:s statsstödsregler för FoU)
• bidrar till programmets mål om hållbar omställning och smart specialisering

Varför är AI-projekt extra bra kandidater?

AI-projekt kräver ofta tre saker som många företag i besöksnäringen saknar internt: dataarbete, metodkompetens och testmiljö. Det är exakt därför en FoU-utlysning med forskningsaktörer som koordinatorer är praktisk.

Ett bra AI-FoU-upplägg blir dessutom tydligt på papper:

• Hypotes (vad ska bli bättre?)
• Dataset (vilka datakällor?)
• Metod (vilken modell/approach?)
• Test (pilot i skarp eller realistisk miljö)
• Mätetal (precision, intäktslyft, energibesparing, minskade köer, bättre NPS)

Det är samma logik som i bioteknik: man kör inte “lite AI”. Man kör en prövbar plan.

Vem kan söka och vilka regioner gäller?

Utlysningen riktar sig till projekt i Gävleborgs, Dalarnas och Värmlands län (Norra Mellansverigeprogrammet).

Projektägare/koordinator är normalt en juridisk person i det företags- och innovationsfrämjande systemet, exempelvis:

• universitet/högskola
• forskningsinstitut
• region/kommun/regionförbund
• klusterorganisation
• innovationsaktör (juridisk person)

Företag ska delta som projektpartner och det är ett krav att företag med FoU-behov medverkar och medfinansierar.

Min erfarenhet: många besöksnäringsbolag tror att de måste “äga” projekt för att få nytta. Här är det tvärtom ofta bättre att vara partner. Du får FoU-stöd utan att bära hela administrationen.

Hur mycket stöd kan ni få – och vad kan pengarna gå till?

Kärnan är enkel:

• Ett projekt kan få max 50 % EU-stöd av total budget.
• Projektägaren kan få upp till 100 % offentligt stöd för övergripande projektsamordning.
• Deltagande företag kan få 25–70 % offentligt stöd beroende på FoU-kategori.

Industriell forskning vs experimentell utveckling (i praktiken)

Utlysningen följer EU:s FoU-kategorier och kopplar dem till TRL:

• Industriell forskning ≈ TRL 2–4
  • ni tar fram ny kunskap/ny metod, bygger prototyp i labb/simulerad miljö
• Experimentell utveckling ≈ TRL 5–8
  • ni testar, pilotar, demonstrerar och validerar i realistiska driftsförhållanden

För AI i besöksnäringen blir det ofta:

• Industriell forskning: ny prediktionsmetod för efterfrågan på en destination baserad på flera datakällor
• Experimentell utveckling: pilot i bokningsflöde, callcenter, reception, energistyrning eller prissättning

Exempel på stödberättigande kostnader för företag

• personalkostnader (forskare, tekniker, stödpersonal som jobbar i projektet)
• extern sakkunskap och tjänster (kontraktsforskning, konsulter, patent/tekniskt kunnande)
• instrument/utrustning under användningstiden
• resor och logi som är nödvändiga för FoU-projektet

Här finns en tydlig öppning för turismbolag som behöver köpa in AI-kompetens för FoU, inte bara “systeminförande”.

Tre AI-projektidéer för turism som passar GBER artikel 25

Här är tre upplägg jag hade prioriterat om jag satt i en destination eller kedja i Norra Mellansverige – och som är formulerade på ett sätt som brukar fungera i FoU-sammanhang.

1) Prediktiv efterfrågan och bemanning (med mätbara effekter)

Svar först: Bygg en modell som förutsäger beläggning och besökstryck på 1–8 veckors sikt och koppla den till bemanning, inköp och öppettider.

• Datakällor: bokningsdata, evenemangskalender, skolledigheter, väderhistorik, trafikflöden, webb/annonsdata
• Test: pilot i 2–3 anläggningar eller på en hel destination
• Mätetal: prognosfel (MAPE), minskad övertid, lägre matsvinn, förbättrad service

Det här är “klassisk” AI-nytta, men få gör den ordentligt. FoU-stöd gör att man kan testa fler datakällor och bygga bättre kvalitet.

2) Flerspråkig gästservice och tillgänglighet (utan att tappa kontroll)

Svar först: Utveckla en AI-assistent för gästservice som kan svara på frågor, föreslå aktiviteter och hantera avbokningsregler – med tydliga säkerhets- och kvalitetsgränser.

• Fokus i FoU: utvärdera svarskvalitet, hallucinationsrisk, policy-styrning, loggning och eskalering till människa
• Testmiljö: receptionschatt, kundtjänst, digitala skyltar i besöksmål
• Hållbarhetskoppling: bättre service för fler grupper, inklusive personer med funktionsnedsättning (t.ex. enklare språk)

Det här går att formulera som experimentell utveckling om ni gör pilot i realistisk drift.

3) Energioptimering i hotell och anläggningar (AI + driftdata)

Svar först: Kombinera sensordata och driftdata för att optimera värme, ventilation och belysning baserat på beläggning och väder.

• Datakällor: BMS/fastighetssystem, bokningsgrad, temperatur, pris på el, öppettider
• Test: stegvis införande i en byggnad, sedan skalning
• Mätetal: kWh/m², toppar i effekt, komfortklagomål, driftstörningar

För Norra Mellansverige, där vintersäsong och energikostnader kan slå hårt, är det här ofta ett snabbt värde-case.

Så bygger ni en ansökan som faktiskt håller (utan onödigt fluff)

Det som brukar fälla projekt är inte idén. Det är att man beskriver den som ett “utvecklingsprojekt” när utlysningen kräver FoU-logik.

Gör en förändringsteori som går att granska

Svar först: Beskriv kedjan aktivitet → prestation → kortsiktig effekt → beteendeförändring.

Ett exempel för AI-bemanning:

1. Aktivitet: träna och testa prognosmodell på historiska data
2. Prestation: en validerad modell + dashboard + rutiner
3. Kortsiktig effekt: mer träffsäkra prognoser och snabbare planering
4. Medellång effekt: nytt arbetssätt för inköp/bemanning → lägre kostnad och bättre service

Hållbarhetsanalys: gör den konkret

Utlysningen kräver integrerad hållbarhet (miljö, socialt, ekonomi). Skriv hellre tre tydliga påståenden än en lång text.

• Miljö: “Projektet minskar matsvinn med X % genom bättre prognoser.”
• Socialt: “Projektet utformas inkluderande: språk, tillgänglighet, jämställdhet i testgrupper.”
• Ekonomi: “Projektet ökar resurseffektivitet och konkurrenskraft utan att pressa arbetsvillkor.”

Var stenhård med TRL och avgränsning

Ett bra sätt att undvika avslag är att redan tidigt skriva:

• var ni startar på TRL-skalan
• vad som gör att ni når nästa nivå
• vad som inte ingår (t.ex. full utrullning i hela kedjan)

AI-projekt blir lätt för stora. Utlysningar gillar pilot som kan mätas och upprepas.

Tidslinje och praktiska villkor (som påverkar era beslut)

• Ansökan öppnar: 2025-08-11
• Ansökan stänger: 2025-09-16
• Beslut: 2025-12
• Rekommenderad projekttid: 3 år (förstudie upp till 9 månader)
• Tidigaste projektstart: dagen ni skickar in ansökan
• Utbetalning: sker i efterskott (planera likviditet)

En detalj som många missar: ansökningar blir allmän handling och kan lämnas ut efter sekretessprövning. Skriv så att ni kan vara öppna om metod och mål, men avgränsa affärshemligheter.

Varför det här också är relevant för AI inom life science

Besöksnäringen och life science har olika produkter, men samma FoU-hinder: data som inte är redo, testmiljöer som saknas och för lite tid i verksamheten.

Läkemedel och bioteknik har länge använt:

• TRL-tänk
• tydlig validering
• extern granskning
• systematik i etik, risk och dokumentation

Det är exakt den typen av disciplin som gör AI-satsningar hållbara över tid – även i turism. När ni formulerar ert projekt enligt GBER artikel 25 och TRL, jobbar ni mer som bioteknikbranschen gör. Jag ser det som en styrka, inte en byråkratisk börda.

Nästa steg: gör er FoU-idé ansökningsbar på 10 arbetsdagar

Om ni vill agera snabbt (och smart) skulle jag göra så här:

1. Välj ett affärsproblem som är dyrt, återkommande och datarikt (t.ex. bemanning, energi, service)
2. Formulera FoU-frågan: vad är osäkert och kräver test/demonstration?
3. Säkra partners: en koordinator + 2–5 företag som faktiskt vill dela data och testa
4. Sätt mätetal innan ni bygger något
5. Skissa TRL-resan och vilka testmiljöer ni behöver

Ni behöver inte ha alla svar från start. Ni behöver ha en plan som går att granska och följa upp.

EU-stöd för FoU är inte till för visioner. Det är till för arbete som ger resultat, går att mäta och går att återanvända. Frågan är inte om AI kan ge effekt i besöksnäringen – frågan är vilket problem ni ska lösa först, och hur snabbt ni kan bevisa det.