AI vid franchise-expansion: så skalar hotell smart

45 hotell på en gång låter som en vinst i tillväxtkolumnen. Men i driftkolumnen är det ofta starten på en period där små sprickor blir stora: olika rutiner i receptionen, ojämna svarstider på gästärenden, luckor i datakvalitet och en bokningsmix som plötsligt beter sig annorlunda. När Sonesta under november 2025 genomförde en snabb övergång av 45 hotell till franchiseägaren NPA (som del i en större försäljning av 113 förvaltade fastigheter) är det ett tydligt exempel på hur snabbt en hotellportfölj kan skala.

Det här spelar direkt in i vår serie ”AI inom turism och besöksnäring”: när en kedja växer snabbt räcker det inte med ”mer personal” eller ”bättre processer”. Du behöver bättre beslut per timme, i fler hotell, varje dag. Och där är AI mest praktiskt — inte som ett flashy projekt, utan som en motor för prognoser, bemanning, prissättning och personlig service.

Varför snabb portföljtillväxt ofta blir en kvalitetsrisk

Poängen: När 45 hotell byter ägare/avtal samtidigt ökar komplexiteten snabbare än intäkterna om man inte standardiserar data och beslutslogik.

I pressmaterialet framgår att hotellens varumärken består (Sonesta ES Suites, Sonesta Simply Suites, Sonesta Select) och att konverteringen beskrivs som okomplicerad. Det är bra. Men den verkliga prövningen börjar efter ”go-live”: hur du får 45 enheter att bete sig som en kommersiell och operativ maskin.

Här är vad som brukar gå snett vid snabb franchise-expansion:

• Olika lokala arbetssätt smyger in och påverkar gästupplevelsen (allt från incheckning till hur man hanterar sena utcheckningar).
• Prissättning och kampanjer blir inkonsekventa mellan hotell, vilket kan leda till intern kannibalisering.
• Bokningsdata och kunddata hamnar i silos (PMS/CRM/kanaler), vilket gör det svårt att förstå vad som faktiskt driver beläggning.
• Lojalitetsprogram tappar fart om personalen inte ser värdet eller om erbjudanden inte känns relevanta.

Min ståndpunkt: de flesta växande kedjor underskattar hur mycket beslutsarbete som krävs för att hålla jämn kvalitet när man skalar — och överdriver hur mycket det går att ”träna in” med manualer.

AI som tillväxtens stötdämpare: tre områden som gör störst skillnad

Poängen: AI hjälper hotellkedjor att skala genom att göra prognoser mer träffsäkra, resurser mer rätt fördelade och gästresan mer personlig.

Sonestas upplägg pekar på ett tydligt fokus på franchise och ”asset-right”-strategi. Det innebär i praktiken att fler aktörer ska samspela: kedja, franchiseägare, lokala driftteam och centrala system. Då blir AI extra relevant, eftersom den kan skapa en gemensam beslutsgrund trots olika ägar- och driftsmodeller.

1) Efterfrågeprognoser som faktiskt går att bemanna efter

En klassiker är att budget och forecast blir en månadsritual. Vid snabb expansion räcker inte det. Du behöver uppdaterade prognoser som tar hänsyn till:

• säsong (i Sverige: sportlov, påsk, sommar, julbord/konferens)
• lokala event och mässor
• flyg- och tågmönster
• väder, skolkalendrar och helgdagar
• bokningsfönster per segment (affär, leisure, long stay)

AI-modeller (t.ex. tidsserier + externa signaler) kan ge dagliga prognoser per hotell och per segment. Praktiskt resultat: bemanning, housekeeping-planering och inköp kan styras proaktivt.

Exempel i svensk kontext: Ett cityhotell i Göteborg får tydliga uppsving vid stora evenemang, medan ett extended stay-hotell nära en industrikluster påverkas mer av projektcykler och veckopendling. Samma koncernlogik, helt olika efterfrågesignaler.

2) Intäktsstyrning (revenue management) i en franchisevärld

När en portfölj växer snabbt blir det svårt att hålla ihop en konsekvent prissättningsstrategi. AI kan hjälpa genom att:

• föreslå prisnivåer baserat på efterfrågeelasticitet
• upptäcka när ett hotell ”sticker ut” (för billigt/för dyrt) jämfört med marknaden
• optimera kanal-mix (direkt, OTA, corporate) för att minska onödiga provisionskostnader
• identifiera vilka dagar du ska skydda inventory för högre betalande segment

Det här är särskilt relevant för select service och extended stay. Där är marginalerna ofta tajtare, och en felkalibrerad kampanj kan äta upp vinsten snabbt.

En enkel tumregel jag gillar: Om du inte kan förklara varför priset är som det är, ska AI inte få prissätta heller. Bra AI-baserad intäktsstyrning måste kunna ge en begriplig motivering: ”högre söktryck, kortare bokningsfönster, begränsat konkurrensutbud”.

3) Personalisering som inte känns påklistrad

I RSS-materialet nämns att gäster fortsatt kan tjäna och nyttja poäng i lojalitetsprogrammet. Lojalitet blir extra viktig när portföljen växer: fler hotell ger fler tillfällen att återkomma — men bara om upplevelsen känns relevant.

AI kan personalisera utan att bli obehaglig genom att fokusera på nytta:

• rekommendera rumstyp baserat på tidigare val (tyst läge, kök, arbetsyta)
• erbjuda sen utcheckning när beläggningen tillåter
• förutse servicebehov för long stay (t.ex. städintervall, tvätt, parkering)
• anpassa kommunikationens timing (SMS vid rätt tidpunkt, inte fem meddelanden)

Nyckeln är att hålla det enkelt: en relevant sak i rätt ögonblick slår tio generiska utskick.

Så bygger du en AI-strategi som klarar 45 nya hotell (utan att det spårar ur)

Poängen: AI fungerar i skala först när datagrunden, ansvarsfördelningen och processerna är tydliga.

Snabb konvertering är en sak. Att driva stabil kvalitet över tid är en annan. Här är en praktisk checklista jag brukar börja med när en kedja (eller franchisegivare) vill skala med AI.

Steg 1: Standardisera de datapunkter som styr pengar och kvalitet

Fokusera på ”minsta gemensamma nämnare” som alla hotell kan leverera på samma sätt:

• beläggning (per dag, per rumstyp)
• ADR och RevPAR
• avbokningar och no-shows
• kanal, segment, bokningsfönster
• gästärenden (kategori, tid till lösning)
• städstatus och turnaround-tider

Om definitionerna skiljer sig mellan hotell blir AI-modellerna mest brus.

Steg 2: Bestäm vem som får fatta beslut — människa, AI eller båda

En vanlig fallgrop är att ”AI ska ge rekommendationer” men ingen äger utfallet.

Sätt en enkel beslutsmatris:

• AI föreslår, människa godkänner (t.ex. större prishöjningar)
• AI styr inom ramar (t.ex. pris inom ett spann, eller bemanning inom givna timmar)
• Människa styr helt (t.ex. vid kris, systemfel, eller när data är otillförlitlig)

Steg 3: Mät sådant som faktiskt påverkar gästupplevelsen

När man pratar ”AI inom turism och besöksnäring” hamnar fokus ofta på intäkter. Men vid expansion är stabil drift lika viktigt.

Bra mått att följa veckovis:

• tid till svar på gästärenden
• tid till åtgärd (t.ex. trasig utrustning)
• housekeeping: rum klara till 15:00 (eller vald standardtid)
• NPS/omdömen per tema (städning, ljud, service)
• personalomsättning och sjukfrånvaro (stressindikator)

AI kan hjälpa genom att hitta mönster: ”När beläggning > 82% och andel sena ankomster ökar, faller svarstiden i chatten”. Det är operativt guld.

Vanliga frågor från hotellledare som står inför expansion

Hur snabbt får man effekt av AI i hotellverksamhet? För prognoser och bemanningsstöd kan du se effekt på 4–8 veckor om dataflödena finns. Personalisering och lojalitet tar ofta längre tid eftersom det kräver testning och tydliga erbjudanden.

Behöver vi byta PMS för att lyckas? Inte nödvändigt. Men du behöver stabil datainhämtning och enhetliga definitioner. Ofta är integrationer och datakvalitet en större flaskhals än själva PMS:et.

Vad är den största risken när man ”AI:ar” intäktsstyrningen? Att man optimerar för kortsiktig ADR och tappar långsiktig efterfrågan eller varumärkeslöfte. Sätt tydliga ramar: prisgolv, pris-tak, segmentprioritering och regler för kampanjer.

Det som Sonesta/NPA-läget säger oss om 2026 — och vad svenska aktörer kan göra nu

Sonesta går in i sitt femte år av franchising 2026 med en större franchisefot, och NPA har dessutom aviserat ytterligare tio hotell över 36 månader. Det signalerar en bransch där konsolidering och omallokering av tillgångar fortsätter.

För svenska hotell, destinationsbolag och andra i besöksnäringen är lärdomen enkel: när fler enheter, partners och kanaler ska samspela blir AI inte ett sidoprojekt. Det blir ett sätt att hålla ihop vardagen: rätt bemanning, rätt pris, rätt service — i varje enskilt hotell.

Om du vill ta nästa steg: börja med ett område där du redan har data och där besluten tas ofta (forecast/bemanning eller kanal-mix). Bygg en rutin för test, uppföljning och förbättring. Skala först när du ser stabil effekt.

Det är där leads brukar uppstå också — när man kan säga: “Vi ökade inte bara portföljen. Vi ökade kontrollen.”

Frågan som avgör 2026 är inte om hotell kommer att växa, utan om de kan växa utan att gästen märker friktionen.