EU-samarbete för smart specialisering: AI som ger fart

EU pratar mycket om resiliens just nu – och det är inte tomt prat. Draghi-rapporten pekar ut något som många regioner redan känner i magen: Europas konkurrenskraft avgörs inte bara av enskilda satsningar, utan av hur väl regioner faktiskt kopplar ihop sina innovationssystem. Det är där smart specialisering och interregionalt samarbete blir praktiskt, inte teoretiskt.

Samtidigt sitter många verksamheter i Sverige med samma frustration: idéerna finns, behoven finns, men man fastnar i kartläggningar, workshops och rapporter som aldrig blir till samarbeten, piloter eller EU-ansökningar. Tillväxtverkets utlysning om att stärka samarbete med andra regioner i EU utifrån smart specialisering är intressant just för att den tydligt kräver att en förstudie ska leda till relationsbyggande och konkret samarbete.

Jag tänker dessutom att det finns en missad chans här om man bara tolkar smart specialisering som ”traditionell” industrisatsning. AI är ett av de mest naturliga områdena att bygga samarbete kring, särskilt när vi kopplar det till två av Sveriges starka domäner: turism och besöksnäring (för data, flöden och kundupplevelser) och läkemedel/bioteknik (för avancerad AI, regulatorik och datastyrning). Den kombinationen kan faktiskt ge Sverige en bättre position i EU:s innovationsprogram.

Smart specialisering: varför EU vill se mer samarbete nu

Smart specialisering handlar i praktiken om att välja ut några prioriterade styrkeområden och bygga innovationskraft där – inte spretigt och överallt. EU trycker hårt på detta eftersom det gör finansieringen mer träffsäker och samarbeten lättare att motivera.

Tillväxtverkets utlysning (stängd 2025-09-16) visar hur EU-logiken ser ut i vardagen:

• Fokus på innovation och förmågor (specifikt mål 1.1 och 1.4)
• Förstudier som ska mynna ut i konsortier och ansökningar till exempelvis Regional Innovation Valleys (RIV), Interregional Innovation Investments (I3) och ibland Interreg
• En tydlig markering: stanna inte vid analys – bygg relationer och kom överens om något konkret

Det här är relevant även om du inte jobbar på en region. Varför? För att regionerna ofta är dörröppnare för näringsliv och kluster. Om en region bygger ett EU-samarbete kring AI kan företag (direkt eller indirekt) komma in i pilotsamarbeten, testbäddar, upphandlingar, dataallianser och senare större EU-projekt.

Var AI passar in – och varför turism är en stark katalysator

AI passar särskilt bra i interregionala samarbeten eftersom den skalar med data och gemensamma standarder. Det räcker inte att ”ha en AI-idé”. Det som gör skillnad är att kunna:

• dela erfarenhet kring datastyrning och juridik
• använda gemensamma metoder för modellutvärdering
• skapa interoperabilitet (API:er, datamodeller, metadata)
• köra piloter i flera regioner för att få robusta resultat

Turism och besöksnäring: snabb nytta, mycket data, många aktörer

Besöksnäringen är ett bra “sandlådområde” för AI. Dels för att effekten blir tydlig snabbt (beläggning, intäkter, köer, kundnöjdhet), dels för att datan kommer från många håll:

• bokningssystem och PMS
• evenemangsdata och mobilitetsdata
• omdömen, kundtjänst, sociala medier
• energiförbrukning och drift i fastigheter

Det gör turism till en perfekt miljö för regionala data-samarbeten – och därmed för smart specialisering.

Kopplingen till “AI inom läkemedel och bioteknik” – samma motor, striktare krav

I vår serie om AI inom läkemedel och bioteknik återkommer ett tema: AI-projekt faller ofta på datakvalitet, styrning och efterlevnad, inte på algoritmer.

Här är det intressanta: samma kompetenser som krävs för AI i life science (spårbarhet, dataminimering, bias-kontroll, dokumentation) är precis det som stärker AI i turism – bara med andra datatyper. När en region bygger samarbetsförmåga kring AI-styrning kan den återanvändas mellan branscher.

En region som kan driva AI med ordning på data, etik och uppföljning kan byta branschfokus utan att börja om från noll.

Så gör du en förstudie som faktiskt leder till EU-projekt

Tillväxtverket kräver att förstudier inte fastnar i kartläggning. Det är helt rätt. En bra förstudie behöver leverera tre saker: partnerlogik, pilotlogik och ansökningslogik.

1) Partnerlogik: vilka regioner och varför just ni?

Börja med en enkel, ärlig matchning. Interregionala samarbeten misslyckas ofta för att man väljer partner på bekvämlighet (”vi känner dem”) i stället för kompletterande styrkor.

En fungerande matchning brukar innehålla:

• En gemensam utmaning (t.ex. säsongsvariation, kompetensbrist, kapacitetsproblem)
• Komplement i styrka (en region stark i AI/analys, en i testbäddar, en i marknadsaccess)
• Ett “ägarskap” (vem driver vad, och vem är bäst på att få saker gjorda)

Praktiskt tips: skriv ned 5 kriterier och poängsätt partneralternativ. Det låter fyrkantigt, men sparar månader av “trevliga möten”.

2) Pilotlogik: välj en smal use case som går att mäta

Förstudier blir ofta för breda. Sätt en tydlig avgränsning: en prioriterad AI-lösning, gärna med två varianter.

Exempel på mätbara AI-piloter i turism/hotell (som passar EU-samarbete):

• Prognoser för beläggning och efterfrågan med externa signaler (evenemang, mobilitet, väderhistorik)
• AI i kundtjänst med krav på spårbarhet och “human-in-the-loop”
• Dynamisk personalplanering kopplad till bokningsläget
• Flödesoptimering i destinationer (köer, parkering, kollektivtrafik)

Mät redan i förstudien:

• baseline (t.ex. nuvarande prognosfel eller svarstid i kundtjänst)
• mål (t.ex. -15% prognosfel, -25% ärenden som kräver manuell hantering)
• datakrav (vilka fält behövs, vilka saknas, vad måste standardiseras)

3) Ansökningslogik: skriv fram ett EU-case, inte bara ett Sverige-case

EU-program vill se skalbarhet och överförbarhet. Det innebär att er förstudie ska producera underlag som fungerar i en ansökan:

• gemensam problemformulering
• gemensam metod (hur piloten byggs, utvärderas, förvaltas)
• governance (beslut, dataansvar, IP/nyttjanderätt)
• plan för spridning (hur fler regioner kan ansluta)

Om ni siktar på RIV/I3 behöver ni tidigt formulera varför samarbetet är interregionalt nödvändigt. “Vi vill samarbeta” räcker inte. “Vi behöver varandras data, testmiljöer och kompetens för att få generaliserbara resultat” är en bättre linje.

Budget och krav: vad som brukar fälla projekt i praktiken

Den administrativa sidan avgör mer än man vill erkänna. Utlysningen (förstudier) beskriver tydligt ramar som påverkar upplägg:

• Max 40% stöd, upp till 840 000 kr
• Total budget för förstudie max 2 100 000 kr
• Förstudier vanligtvis 9–12 månader
• Redovisning som klumpsumma
• Krav på förändringsteori och hållbarhetsanalys
• Projektet ska förhålla sig till Agenda 2030 mål 5 (jämställdhet) och 10 (minskad ojämlikhet)

Tre vanliga fallgropar jag ser:

1. Likviditet glöms bort. Stöd betalas ofta ut i efterskott, så ni måste planera kassaflödet.
2. Statsstödsfrågor kommer sent. Om företag är partners påverkar det upplägg och kostnader. Ta den diskussionen tidigt.
3. Hållbarhet blir en bilaga. Det är en del av projektets logik. För AI i turism kan det handla om tillgänglighet, språkstöd, mer jämlik service, och minskat slöseri i drift.

Så kopplar du AI-piloten till mål 5 och 10 utan att krysta

• Mål 5 (jämställdhet): mät om AI-lösningen påverkar arbetsmiljö och schemaläggning i kvinnodominerade roller (t.ex. hotellstäd, reception). Undvik att AI automatiskt cementerar deltider eller ogynnsamma pass.
• Mål 10 (minskad ojämlikhet): bygg stöd för fler språk, bättre tillgänglighet och tjänster som inte kräver “digitalt självförtroende”. AI kan minska trösklar om den designas rätt.

Från regional förstudie till affärsnytta: vad företag kan göra redan nu

Även om regionen är formell sökande kan företag och kluster bidra på ett sätt som gör att de hamnar i en bra position när nästa steg kommer.

Här är en enkel checklista jag brukar rekommendera för besöksnäring och hospitality:

1. Inventera data ni faktiskt äger (bokning, beläggning, prissättning, kundtjänst, drift) och vilka avtal som begränsar er.
2. Välj en use case med tydlig ROI inom 6–12 månader, annars tappar ni fart.
3. Säkra en intern produktägare (inte bara en IT-kontakt). AI blir annars ett sidoprojekt.
4. Kräv mätplan i piloten: baseline, mål, uppföljning varje månad.
5. Förbered “EU-språk”: skalbarhet, interoperabilitet, governance, spridning.

Det fina är att samma arbetssätt också känns igen från life science-projekt: hypotes, data, validering, efterlevnad. Skillnaden är att turism ofta kan iterera snabbare.

Nästa steg: så hittar ni en hållbar väg in i EU-samarbeten

Utlysningen från Tillväxtverket visar en tydlig riktning: EU vill inte finansiera fler lösa nätverk. EU vill finansiera samarbeten som mynnar ut i fungerande konsortier och konkreta satsningar. Det är bra nyheter för alla som vill bygga AI på riktigt.

Om du sitter i en region, ett kluster eller ett företag i besöksnäringen är min tydliga hållning: sikta på en smal AI-pilot med tydliga mätetal och bygg partnerskap runt den, inte tvärtom. Då blir smart specialisering något man kan driva – och inte bara skriva om.

Vi har i den här serien om AI inom läkemedel och bioteknik sett hur framgångsrika AI-program nästan alltid bygger på samma grund: datakvalitet, tydlig ansvarsfördelning och uppföljning. Ta med den disciplinen in i turismens AI-satsningar, och EU-samarbetet blir enklare att både vinna och genomföra.

Vad skulle hända om svenska regioner använde besöksnäringen som testbädd för robust AI-styrning – och sedan tog samma arbetssätt in i life science, industri och offentlig service? Det är ett scenario där smart specialisering faktiskt gör skäl för namnet.