AI i besöksnäringen: EU-stöd för smart specialisering

50 miljoner kronor i EU-medel ligger snart på bordet för Mellersta Norrland. Och det intressanta är inte bara summan – utan vad pengarna faktiskt kan användas till: bygga färdigheter, ekosystem och styrning för smart specialisering i Jämtland-Härjedalen och Västernorrland.

För dig som jobbar med turism, besöksnäring, utbildning eller regional utveckling finns en tydlig öppning här. AI har gått från “spännande sidoprojekt” till praktiskt verktyg för allt från efterfrågeprognoser och personalplanering till individanpassad kompetensutveckling. Most companies get this wrong: de börjar med en AI-plattform, inte med vilken förmåga regionen och företagen måste bygga.

Utlysningen “Utveckla färdigheter för smart specialisering i Mellersta Norrland” (öppnar 2026-01-13 och stänger 2026-02-17) är en chans att göra rätt från början – och att koppla ihop AI inom utbildning och EdTech med konkreta behov i besöksnäringen.

Vad utlysningen faktiskt möjliggör – och varför det spelar roll

Utlysningen handlar i grunden om att stärka regionernas arbete med smart specialisering (S3): att välja ut styrkeområden, samla aktörer och bygga kapacitet för att lyckas med omställning och konkurrenskraft.

Det här spelar roll för turismen eftersom besöksnäringen i Mellersta Norrland ofta är säsongsstyrd, personalintensiv och geografiskt gles. AI blir då inte en lyx, utan ett sätt att:

• förbättra resursoptimering (bemanning, inköp, transporter)
• höja kvalitet och tillgänglighet i gästresan
• göra utbildning mer träffsäker genom AI-stödd kompetensutveckling

Utlysningen kan finansiera förstudier och projekt, samt även ge möjlighet för pågående projekt (inte förstudier) att söka utökad finansiering för att skala upp redan beviljade aktiviteter.

Vem kan söka och hur mycket pengar handlar det om?

Stödmottagare kan vara offentliga aktörer, universitet/högskolor, forsknings- och utbildningsaktörer, företagsfrämjande organisationer och ekonomiska föreningar. Privatpersoner och enskilda näringsidkare kan inte söka direkt, men kan ibland ingå som målgrupp för indirekt stöd.

Finansieringen är upp till 40 % av projektets kostnader. Resterande 60 % behöver vara offentlig och/eller privat medfinansiering. Totalt finns cirka 50 miljoner kronor i potten.

Snabb realitet: om ni inte har en plan för medfinansiering och likviditet (utbetalning sker ofta i efterskott) blir det svårt att genomföra även ett bra projekt.

Smart specialisering + AI i turism: en kombination som fungerar

Smart specialisering blir stark när den är datadriven och samarbetsbaserad. AI blir stark när den får rätt data, rätt process och rätt människor. I besöksnäringen är det exakt där många regioner tappar fart.

Här är tre sätt att koppla S3 till AI på ett sätt som passar utlysningens logik:

1) AI för att förutsäga behov – och planera kompetens

Besöksnäringen lever på toppar och dalar: sportlov, sommarveckor, event, internationella gästflöden. Många jobbar fortfarande med grova uppskattningar.

Ett regionalt projekt kan bygga en gemensam förmåga att använda AI för:

• efterfrågeprognoser (beläggning, bokningsmönster, besöksflöden)
• kompetensprognoser (vilka roller saknas nästa säsong?)
• utbildningsplanering (vilka moduler behövs när, för vilka grupper?)

Det här passar extra bra i glesa miljöer där en enskild aktör sällan har datamängd eller resurser att göra detta själv – men där en regional samverkan kan.

2) AI-stödd färdighetsutveckling (EdTech) som faktiskt används

I vår serie om AI inom utbildning och EdTech återkommer ett mönster: utbildning misslyckas sällan för att den är “dålig”, utan för att den är för generell, för lång och för långt från arbetsvardagen.

För besöksnäringen i Mellersta Norrland är effektiv kompetensutveckling ofta:

• kort (mikrolärande)
• situationsnära (”nu händer det i receptionen”)
• blandad (digitalt + handledning)
• flerspråkig och inkluderande

AI kan stödja detta genom:

• adaptiva utbildningsspår (olika innehåll beroende på roll och nivå)
• snabb produktion av scenarioövningar (t.ex. klagomålshantering, tillgänglighet)
• coachning i realtid via interna chatbotar (med tydliga begränsningar)
• analys av lärdata för att se vad som faktiskt gav effekt

Det utlysningen efterfrågar – kapacitet, ekosystem och styrning – kan här betyda att regionen hjälper aktörer att standardisera hur man tar fram, testar och kvalitetssäkrar AI-stödd utbildning.

3) Mötesplatser och stödstrukturer: AI blir bäst när fler delar på jobbet

Utlysningen lyfter mötesplatser över läns- och landsgränser, stödstrukturer för innovation och internationalisering samt analyser som hanterar flaskhalsar.

För AI i besöksnäringen innebär det i praktiken:

• gemensamma testbäddar (piloter där flera företag kan prova samma upplägg)
• regionala riktlinjer för datahantering och integritet
• stöd för upphandling (många fastnar här)
• nätverk mellan turism, utbildning och tech som faktiskt leder till leverans

Det är här S3-tänket gör skillnad: istället för 20 små AI-projekt som dör efter 6 månader kan regionen bygga en gemensam struktur som bär över tid.

Så kan ett starkt projektupplägg se ut (med konkreta paket)

Ett vinnande upplägg behöver vara tydligt: vad gör vi, för vem, och vilken mätbar förändring blir det? Utlysningen kräver en tydlig förändringsteori och hållbarhetsanalys.

Här är ett exempel på en projektstruktur som passar både besöksnäring och EdTech:

Paket A: Förstudie – kartläggning och datagrund

Mål: ta reda på var AI faktiskt kan ge effekt och vilka data som krävs.

Leveranser kan vara:

1. behovskartläggning hos arbetsgivare (roller, säsongsvariation, kompetensgap)
2. inventering av datakällor (bokningsdata, flödesdata, HR-data – vad finns lagligt?)
3. riskanalys: integritet, säkerhet, bias, beroenden
4. prioriterad lista på 3–5 use cases att pilota

Paket B: Pilot – AI för bemanning + utbildningsinsats

Mål: förbättra planering och samtidigt höja färdigheter i personalgruppen.

Exempel:

• AI-modell för beläggningsprognos kopplad till bemanningsrekommendationer
• AI-stödd mikroutbildning för teamledare (tolka prognoser, planera arbetspass, hantera toppar)
• mätning före/efter: övertidstimmar, sjukfrånvaro, NKI, personalomsättning

Paket C: Skalning – stödstruktur och “AI-lärcenter” för turism

Mål: skapa långsiktig kapacitet i regionen.

Praktiska komponenter:

• gemensam metod för kravställning och upphandling
• mallar för utbildningsinnehåll och kvalitetssäkring
• återkommande “AI-klinik” (företag kommer med problem, får stöd att forma pilot)
• utbildning för nyckelroller: chefer, HR, IT, handledare

Ett projekt blir trovärdigt när det kan svara på: “Vem gör detta 2029-10-01 när finansieringen är slut?”

Vanliga fallgropar (och hur ni undviker dem)

Den här typen av EU-projekt kan skapa fantastisk effekt – men bara om man tar några hårda sanningar tidigt.

Fallgrop 1: “Vi bygger en plattform” istället för en förmåga

Plattformar kommer och går. Förmågor består.

Sätt mål på färdigheter, processer och styrning:

• hur många handledare kan driva AI-stött lärande?
• hur snabbt kan ett företag gå från idé till pilot?
• hur ser kvalitetssäkringen ut?

Fallgrop 2: Otydlig statsstödslogik och medfinansiering

Eftersom stödet kan gynna företag behöver ni förstå statsstödsreglerna. Det påverkar vilka aktiviteter som är möjliga och hur finansieringen kan se ut.

Praktiskt råd: bygg projektet så att det finns tydliga nyttor för företag, men också strukturbyggande nytta som passar offentliga aktörer och utbildningssystem.

Fallgrop 3: AI utan data, eller data utan ansvar

AI i turism kräver ofta persondata (bokningar, beteenden) och då krävs robust styrning.

Ta fram:

• datapolicy (vad samlar vi, varför, hur länge?)
• rollbeskrivningar (dataägare, modellansvarig, utbildningsansvarig)
• rutiner för incidenter och granskning

Praktisk ansökningskarta för 2026 (så här skulle jag lägga upp det)

Utlysningen är öppen 2026-01-13–2026-02-17 och beslut tas senast i 2026-06. Projekten kan pågå till 2029-09-30 (förstudier max 12 månader).

En rimlig plan från nu (2025-12-21) ser ut så här:

1. Vecka 52–01: samla kärnpartners (region, destinationsbolag, lärosäte, företagsfrämjare)
2. Vecka 01: definiera 2–3 prioriterade use cases i besöksnäringen
3. Vecka 01–02: säkra medfinansiering och skriv förändringsteori
4. Vecka 02–03: hållbarhetsanalys + plan för utvärdering
5. Vecka 03–07: skriv ansökan, budget, bilagor, inköps-/upphandlingsplan

Det finns också ett särskilt krav: ansökningar inom specifikt mål 1.4 ska ske i samråd med regionerna. Förankring är inte “bra att ha”, utan ett villkor.

Nästa steg för er som vill skapa leads och verklig effekt

Om ni arbetar med AI-lösningar, utbildning/EdTech eller utvecklingsprojekt i besöksnäringen är den här utlysningen ett gyllene tillfälle att bygga något som håller längre än nästa säsong. Jag tycker särskilt att kombinationen AI + färdighetsutveckling är mest underskattad: när personalen kan använda verktygen tryggt blir resultaten stabila.

Vill ni gå från idé till ansökningsklar plan snabbt? Börja med att formulera en sak: vilken konkret förmåga ska regionen ha byggt 2029, som den saknar idag? När det är glasklart blir både aktiviteter, partners och indikatorer mycket enklare.

Vad skulle hända om Mellersta Norrland blev regionen där besöksnäringens kompetensutveckling är lika datadriven som skidorternas snöprognoser?