AI för hållbara hotell: från matsvinn till resiliens

Att Iberostar nyligen lyfts som ett av TIME Magazines 100 mest inflytelserika bolag 2025 är en bra påminnelse om något många hotell fortfarande missar: hållbarhet är inte en sidouppgift. Det är en driftfråga, en riskfråga och – om man gör det rätt – en lönsamhetsfråga.

Och här blir kopplingen till vår serie “AI inom turism och besöksnäring” extra tydlig. För när hållbarhetsarbetet går från enstaka initiativ till ett faktiskt arbetssätt krävs mätbarhet, systematik och tempo. Det är precis där AI och datadriven styrning kan göra störst nytta.

Jag ser samma mönster om och om igen: företag pratar varmt om gröna ambitioner, men fastnar i excelark, punktinsatser och “vi borde”. Hotell som kommer vidare gör tre saker: de sätter KPI:er som går att följa, de bygger partnerskap i destinationen, och de använder teknik – inklusive AI – för att göra hållbarhet till vardagsdrift.

Hållbarhet i hotell handlar om risk och marginal – inte PR

Hållbarhetsarbete i hotell är i grunden riskhantering och kostnadskontroll. Klimatpåverkan, avfall, energipriser, vattenstress och sårbara destinationer slår direkt mot beläggning, gästnöjdhet och försäkringskostnader.

Det Iberostar beskriver – transparens, roadmaps och systemförändring – är ett moget synsätt: hållbarhet som affärsmodell, inte som kampanj. För svenska aktörer i besöksnäringen finns en tydlig lärdom: börja där effekten är mätbar och driftsnära.

Tre frågor som snabbt avslöjar mognaden

1. Kan ni visa era topp 5 utsläppsdrivare och topp 5 avfallsflöden – per anläggning?
2. Har ni tydliga KPI:er som följs månadsvis (inte årligen)?
3. Är hållbarhet kopplat till inköp, menyplanering, schemaläggning och underhåll – eller ligger det vid sidan av?

Om svaret är “inte riktigt”, är det inte ett misslyckande. Det är bara ett tecken på att ni har ett glasklart nästa steg.

Cirkulär ekonomi i praktiken: från avfallskostnad till resurs

Cirkulär ekonomi i hotell handlar om att minska inköp och avfall samtidigt – och att skapa lokala kretslopp som håller i längden. Iberostar lyfter exempel där flera hotell samarbetar med avfallsleverantörer och lokala aktörer för att hitta gemensamma lösningar och pilotprojekt.

Det viktiga här är inte exakt vilken lösning de valde i Quintana Roo eller Tunisien. Det viktiga är arbetsmodellen:

• Kartlägg flöden (vad slängs, var uppstår det, varför?)
• Sätt ansvar i drift (kök, housekeeping, inköp, F&B, underhåll)
• Skapa lokala partnerskap (kommun, avfallsbolag, lantbruk, leverantörer)
• Följ upp KPI:er regelbundet och justera

Iberostar beskriver också ett tydligt resultat: cirka 70% minskning av avfall till deponi på ett år, stödd av en stor intern kapacitet och uppföljning.

Där AI faktiskt gör jobbet enklare: matsvinn och inköp

Matsvinn är en av de mest tacksamma startpunkterna för AI i hotell. Iberostar använder ett AI-stött verktyg i kök för att mäta och minska organiskt matsvinn. Det är helt logiskt: svinn är både dyrt och lätt att mäta.

För en svensk hotell- eller restaurangverksamhet kan AI-stöd i matsvinnsarbetet typiskt hjälpa till med:

• Automatisk klassificering av svinn (tillagning, buffé, tallrik, lager)
• Prognoser för beläggning och frukosttryck kopplat till bokningsdata och historik
• Menyoptimering: vilka rätter skapar återkommande svinn?
• Inköpsoptimering: bättre beställningsnivåer och mindre överlager

Det fina är att det inte kräver science fiction. Det kräver dataflöden som hänger ihop och en kultur där kök och inköp jobbar mot samma mål.

En bra tumregel: Om ni inte kan säga “svinn per gästnatt” i dag, är mätning steg 1. AI är steg 2.

Klimatarbete som driftprojekt: elektrifiering, energi och styrning

Klimatarbete i hotell blir effektivt när det drivs som ett drift- och investeringsprogram, inte som en kommunikationsfråga. Iberostar beskriver konkreta spår: elektrifiering av kök, energiuppgraderingar och övergång till förnybar el – och att hotell i Spanien och Brasilien drivs helt med förnybar energi.

För svenska aktörer finns två särskilt praktiska lärdomar:

1) Gör energin till en styrd produktionskostnad

El och värme är inte “fast kostnad”. De är ofta ett resultat av:

• drifttider som inte matchar beläggning
• ineffektiv styrning av ventilation/kyla
• undermåligt underhåll
• brist på finmaskig mätning

AI-stöd (eller enklare prediktiva modeller) kan koppla ihop beläggning, väder, evenemang och historik för att styra energianvändning efter faktisk efterfrågan.

2) Tänk skalbarhet tidigt

Iberostar nämner att begränsningar i infrastruktur och policy kan bromsa förnybart och att man tittar på finansieringsmodeller. Översatt till svensk verklighet: även här kan nätkapacitet, investeringsbudgetar och upphandling sätta gränser.

Det som fungerar är att:

• börja med åtgärder med kort payback (styrning, driftoptimering)
• planera investeringar (elektrifiering, sol, batteri, värmepumpar) i en roadmap
• lägga upp KPI:er som gör framsteg tydliga för ledning och ägare

Natur, destination och resiliens: hållbarhet utanför hotellets väggar

Turism fungerar bara i destinationer som mår bra. Iberostar lyfter restaurering av mangrove, sanddyner och koraller, samt forskning om korallers tålighet mot värmestress och sjukdomar. Det är lätt att tänka “det där gäller tropikerna”. Men principen gäller lika mycket i Sverige.

I svensk besöksnäring handlar resiliens ofta om:

• slitage på naturmiljöer (leder, stränder, skärgård)
• vattenfrågor och lokala konflikter under högsäsong
• transporter och trängsel i populära destinationer
• acceptans från boende: “turismens sociala licens”

AI i destinationsstyrning: från magkänsla till beslut

Här finns ett område där jag tycker fler borde vara mer offensiva: AI för destinationsstyrning.

Med rätt datakällor kan man skapa löpande lägesbilder:

• besökstryck per plats och tid
• prognoser inför helger, sportlov, jul- och nyårsperioden
• effekter av evenemang och väder
• kapacitetsvarningar (parkering, kollektivtrafik, avfall, räddningstjänst)

Det gör det möjligt att jobba med smart spridning av flöden: guida besökare till alternativa platser, styra bokningsbara tider, och minska både slitage och irritation.

Samarbete och roadmaps: så skalar man hållbarhet med AI

Roadmaps är den mest underskattade delen av hållbarhetsarbetet. Inte som snygga PDF:er, utan som ett gemensamt arbetssätt för drift, inköp, HR, IT och partners i destinationen.

Iberostar betonar transparens och en Destination Stewardship-funktion som koordinerar. Det är klokt – och väldigt överförbart även till mindre kedjor och fristående hotell.

En enkel roadmap som funkar (även utan stor budget)

Här är en praktisk struktur jag rekommenderar om ni vill koppla ihop AI, hållbarhet och lönsamhet:

1. Baslinje (0–30 dagar)

   • Mät matsvinn, energi och avfall per gästnatt
   • Identifiera 3 största kostnadsdrivare
   • Säkra datakvalitet (enkelt men ofta struligt)

2. Snabba vinster (30–90 dagar)

   • Inför svinnrutiner i kök + enkel uppföljning veckovis
   • Justera meny/inköp baserat på data
   • Optimera driftider för ventilation/kyla efter beläggning

3. AI-stöd (3–6 månader)

   • Prognoser för beläggning och F&B-volymer
   • Avvikelsedetektering i energi (när något “läcker”)
   • Automatiserade rapporter per site och avdelning

4. Skalning (6–12 månader)

   • Standardisera arbetssätt mellan anläggningar
   • Bygg leverantörskrav och incitament (t.ex. mindre emballage, retursystem)
   • Fördjupa destinationssamarbeten kring avfall, transporter, natur

“People also ask” – frågor jag ofta får

Behöver vi mycket data för att börja med AI i hotell? Nej. För matsvinn och energistyrning räcker ofta enkla datakällor (kassa/inköp, beläggning, energimätning). Det viktiga är att ni kan följa samma mått över tid.

Kommer AI ersätta personal i kök och drift? AI ersätter sällan hantverket, men den tar bort gissningar. Den bästa effekten kommer när AI ger förslag och personalen fattar beslut.

Hur visar vi ROI utan att lova för mycket? Börja med två mått: “kostnad per gästnatt” och “svinn per gästnatt”. När de rör sig åt rätt håll blir nyttan tydlig även för ekonomichefen.

Nästa steg: gör hållbarhet mätbar – och låt AI driva takten

Hållbarhetsarbete som Iberostar beskriver fungerar eftersom det är operativt, mätbart och samarbetsdrivet. Och när mätbarheten finns på plats blir AI inte ett “teknikprojekt”, utan ett sätt att få mer gjort med samma team.

Om du jobbar i hotell, destination, DMO, kedja eller upplevelsebolag i Sverige: välj ett flöde (matsvinn är nästan alltid enklast), sätt en tydlig KPI per gästnatt, och bygg en roadmap där drift och data möts. När ni väl ser effekten vecka för vecka blir det svårt att gå tillbaka.

Vad skulle hända med era kostnader, era gästbetyg och er destinations relation till turismen om ni kunde styra energi, svinn och besökstryck lika enkelt som ni styr priser och beläggning?