FoU-stöd som sätter fart på AI i besöksnäringen

30 miljoner kronor. Det är storleksordningen på potten i Tillväxtverkets utlysning som ska stimulera forskning och innovation hos företag i Dalarna, Gävleborg och Värmland. Många tänker direkt “industri” när de hör FoU-stöd – men det är ett misstag. AI-projekt i turism och besöksnäring passar ofta precis in i ramen: industriell forskning och experimentell utveckling, med test- och demonstrationsaktiviteter.

Samtidigt händer något intressant i en annan del av näringslivet. I läkemedel och bioteknik har AI blivit en vardagsfråga: från att prioritera molekyler till att planera kliniska studier och automatisera dokumentation. Jag har märkt att de team som lyckas där gör två saker konsekvent: de kopplar AI till mätbara affärsproblem och de bygger testbara prototyper snabbt. Det är exakt samma arbetssätt som besöksnäringen behöver – särskilt när marginalerna är pressade och kundernas förväntningar fortsätter uppåt.

Den här artikeln visar hur du kan tolka utlysningens krav och logik genom ett AI-glasögonpar: vad som faktiskt kan finansieras, hur du designar ett projekt som håller för granskning, och vilka AI-satsningar som brukar ge effekt i hotell, restaurang, destinationer, evenemang och upplevelsebolag.

Vad utlysningen egentligen vill köpa: FoU som går att testa

Kort sagt: Utlysningen vill finansiera FoU där företag kan angripa konkreta, verksamhetsspecifika problem med forskning/utveckling som kan demonstreras i verkliga miljöer.

Det är lätt att fastna i ord som “forskning” och tro att det måste vara tung akademi. Men utlysningens kärna är praktisk: företag ska få möjlighet att testa, demonstrera och utveckla lösningar i kategorierna industriell forskning (TRL 2–4) och experimentell utveckling (TRL 5–8).

För AI i besöksnäringen betyder det här i klartext:

• Du kan jobba med nya modeller, nya metoder, nya datakombinationer (industriell forskning) – till exempel en modell som förutser beläggning eller köbeteende med nya datakällor.
• Du kan bygga prototyper och piloter (experimentell utveckling) – till exempel en fungerande pilot som kopplar ihop bokningsdata, väder, evenemang och personalplanering och sedan testas “skarpt” under en säsong.

Utlysningen riktar sig till Norra Mellansverige (Dalarna, Gävleborg, Värmland) och är kopplad till regionala innovationsstrategier för smart specialisering. Men AI-projekt kan ofta motiveras via breda nyttor: produktivitet, hållbarhet, cirkularitet, och jämställd innovationskraft.

Vem ska söka – och varför det upplägget är smart för SMEs

Kort sagt: Projektägaren bör vara en forskningsorganisation eller innovationsaktör, medan företagen deltar som projektpartners och får stöd för sina FoU-kostnader.

Upplägget är tydligt: projektet ska drivas av en koordinerande aktör i det företags- och innovationsfrämjande systemet (t.ex. universitet/högskola, institut, klusterorganisation, science park, region/kommun, eller liknande juridisk person). Företag med FoU-behov ska delta som partners och är inte tänkta att bära projektägarskapet.

För små och medelstora turismbolag är det här ofta en fördel:

• Du slipper stå med hela administrationsbördan.
• Du kan få stöd för faktiska FoU-kostnader (personal, externa tjänster, utrustning, resor/logi när relevant).
• Du får en struktur som gör det lättare att dokumentera och bevisa att det du gör är FoU (inte “bara” digitalisering).

Stödnivåer och budgetramar – så påverkar det AI-projekt

Kort sagt: EU-stödet kan vara upp till 50 % av total budget; företag kan få 25–70 % offentligt stöd beroende på FoU-kategori.

I utlysningen gäller:

• Max 50 % EU-stöd av projektets totala budget.
• Projektägare kan få upp till 100 % offentligt stöd för övergripande projektsamordning.
• Deltagande företag kan få 25–70 % offentligt stöd beroende på om insatsen räknas som experimentell utveckling eller industriell forskning.

Det här gör att många AI-projekt bör designas med en “trappa”:

1. Industriell forskning: metod/koncept, dataanalys, modellvalidering i labb/simulerad miljö.
2. Experimentell utveckling: pilot i realistisk drift (hotell, restaurang, destination, evenemang) med tydliga KPI:er.

AI-projekt som passar utlysningen: 5 spår för turism och hotell

Kort sagt: De bästa projekten kombinerar AI med testmiljö, mätbara mål och hållbarhetsnytta.

Här är fem projektspår som ofta uppfyller logiken i GBER artikel 25 (FoU-stöd) och samtidigt är högst relevanta för besöksnäringen.

1) Prediktiv efterfrågan för bemanning och inköp

Vad det löser: över-/underbemanning, matsvinn, stress, ojämn service.

FoU-delen: utveckla och testa modeller som kombinerar bokningsdata, evenemangskalender, väder, historik och lokala mobilitetsmönster.

Demo: kör pilot under vintersäsong/sommarsäsong och jämför mot kontrollperiod.

Mätbara KPI:er (exempel):

• minskat matsvinn i kg eller kostnad per gäst
• minskade timmar övertid
• högre gästnöjdhet (NPS/enkät)

2) Personalisering i gästresan (utan att bli “creepy”)

Vad det löser: låg konvertering, irrelevanta erbjudanden, svag återköpsgrad.

FoU-delen: experimentell utveckling av rekommendationslogik och segmentering som tar hänsyn till samtycke, dataminimering och säsongsvariation.

Demo: A/B-test i bokningsflöde eller CRM-kampanjer.

Bra projektvinkel: I biotech har AI-personalisering fungerat bäst när man definierar vilket beslut modellen ska stödja. Samma sak här: “vilket erbjudande ska skickas när – och till vem?”

3) AI-stöd för hållbar destination: flöden, trängsel och energi

Vad det löser: trängsel i hotspots, slitage, klagomål, energitoppar.

FoU-delen: kombination av prediktion + optimering (t.ex. för att styra kommunikation, prissättning, tidsluckor, kollektivtrafikråd).

Demo: test i en destination med tydliga mätpunkter (besöksflöden, energiförbrukning, avfall).

Agenda 2030-koppling: Mål 8, 9, 12 och krav på integrerad hållbarhet.

4) Automatiserad kvalitets- och avvikelsehantering i drift

Vad det löser: brandkårsutryckningar i service, ojämn kvalitet mellan skift.

FoU-delen: NLP för att strukturera fri text (gästfeedback, incidentrapporter), plus modellering som föreslår åtgärder.

Demo: pilot i hotellkedja eller större anläggning där volymen av ärenden räcker.

5) “AI-kompass” för SMEs: från data till beslut på 12 veckor

Vad det löser: att många små aktörer aldrig kommer förbi workshops.

FoU-delen: designa en reproducerbar metod (och verktyg) för hur små turismbolag kan gå från nuläge → datainventering → prototyp → test → beslut.

Demo: kör 6–10 företag som case inom samma projekt, med gemensamma indikatorer.

Så skriver du en ansökan som håller: 6 saker granskaren letar efter

Kort sagt: Du behöver visa att det är FoU (inte rutin), att statsstödet är rätt hanterat, och att effekterna går att följa.

Utlysningen ställer krav på bland annat förändringsteori, hållbarhetsanalys och korrekt hantering av statsstödsregler (GBER artikel 25, “statsstödsbox 5”). Här är det jag tycker flest snubblar på – och hur du undviker det.

1) Avgränsa bort “rutinutveckling”

Skriv rakt ut vad projektet inte är. Uppgraderingar av befintliga system och återkommande förbättringar räknas inte som experimentell utveckling enligt definitionen.

Bra formulering: “Projektet utvecklar och validerar en ny prediktionsmodell baserad på kombinerade datakällor som inte tidigare använts i verksamheten, och demonstrerar modellen i realistisk drift.”

2) Koppla aktiviteter till TRL och FoU-kategori

Använd TRL-logiken för att visa progression. Om du blandar industriell forskning och experimentell utveckling, visa vem som gör vad och varför.

3) Lägg pengar där osäkerheten finns

FoU-budget ska spegla vad som faktiskt kräver utveckling: dataarbete, modelltest, prototyp, integration för pilot, utvärdering.

Stödberättigande kostnader hos företag kan exempelvis vara:

• arbetstid för anställda som jobbar i projektet
• extern sakkunskap (t.ex. modellutveckling, kontraktsforskning)
• instrument/utrustning under nyttjandeperiod
• resor/logi om nödvändigt för FoU

4) Visa test- och demonstrationsmiljöer tidigt

Många AI-ansökningar blir för abstrakta. Beskriv:

• var piloten ska köras
• vilka datakällor som finns
• hur du hanterar datadelning och åtkomst
• vilka driftförhållanden som ska efterliknas

5) Integrera hållbarhet på riktigt (inte i en bilaga)

Hållbarhetsanalysen ska inte kännas som en eftertanke. Om projektet handlar om personalplanering: koppla till arbetsvillkor och jämställdhet. Om det handlar om flöden: koppla till miljöpåverkan och lokalsamhälle.

6) Planera för likviditet och rapportering

Stöd betalas ut i efterskott för betalda kostnader. Det påverkar särskilt små turismbolag. Lägg en realistisk plan för kassaflöde, och designa rapporteringen så att data samlas in löpande.

En one-liner jag brukar använda internt: “Om ni inte kan mäta effekten i drift, är det inte en pilot – det är en demo.”

Vanliga frågor (och raka svar) för AI-projekt inom FoU-stöd

Är en chatbot eller AI-assistent “FoU”?

Ibland. Om det handlar om standardinförande av en färdig tjänst är det sällan FoU. Men om ni utvecklar ny metodik, nya datakopplingar, domänanpassade modeller eller testar ny funktionalitet i realistisk drift med utvärdering kan det falla inom experimentell utveckling.

Kan flera små företag gå ihop?

Ja, och det är ofta en styrka. Utlysningen vill att ett antal utpekade företag får stöd. Ett klusterupplägg med gemensam metod och flera piloter kan ge bättre skalbarhet och tydligare resultatkedja.

Hur får vi in “AI inom läkemedel och bioteknik” i vår berättelse?

Tänk så här: biotech har normaliserat att AI är FoU på riktigt, med tydliga hypoteser, validering och spårbarhet. Ta med den disciplinen in i besöksnäringen. Det gör ansökan bättre och piloten mer användbar.

Nästa steg: så tar du en idé från “kul” till finansierbar

Kort sagt: Börja med ett avgränsat affärsproblem, bygg en testbar pilot, och säkra att statsstödslogiken håller hela vägen.

Om du sitter i Dalarna, Gävleborg eller Värmland och har en AI-idé som du vet skulle göra skillnad – då är det här rätt typ av finansiering att titta på, även om du verkar inom turism, hotell eller upplevelser. Utlysningens grundidé är enkel: sänk tröskeln för FoU så att företag vågar göra det som annars skjuts på framtiden.

Jag skulle börja med tre workshop-frågor (som faktiskt avgör om projektet flyger):

1. Vilket beslut ska AI hjälpa oss ta – och hur ser “bättre” ut i siffror?
2. Vilken data har vi, vilken saknas, och vad är minsta möjliga pilot i realistisk drift?
3. Vilken del är genuin osäkerhet (FoU) och vilken del är implementation?

När du har svaren blir resten mycket lättare: partnerskap, TRL, hållbarhetslogik och budget. Och om fler aktörer i besöksnäringen börjar jobba så här, kommer AI att bli mindre “teknikprojekt” och mer ett sätt att bygga robusta verksamheter – precis som vi redan ser i läkemedel och bioteknik.