AI-kompetens i besöksnäringen: så söker ni stöd

December 2025 är en tid då många i besöksnäringen sitter med två parallella verkligheter i knät: gästerna förväntar sig smidigare digital service än någonsin, samtidigt som det är svårt att hitta och behålla rätt kompetens. Det är därför jag gillar initiativ som inte bara pratar om “digital omställning”, utan faktiskt finansierar arbetssätt som gör den möjlig.

Tillväxtverkets utlysning om insatser för ökad kompetens i Norra Mellansverige (Dalarna, Gävleborg, Värmland) var en sån chans – och även om utlysningen stängde 2025-09-16 är logiken bakom den högaktuell. För besöksnäringen är budskapet tydligt: vill ni få effekt av AI måste ni bygga kompetens systematiskt, inte via enstaka kurser.

Det här inlägget översätter utlysningens kärna till praktisk verklighet för turism och besöksnäring: hur ni kan paketera kompetensutveckling som ett regionalt samverkansprojekt, vilka AI-färdigheter som ger snabb effekt, och hur ni undviker de vanligaste fallgroparna. Det passar särskilt bra i vår serie AI inom utbildning och EdTech – för i besöksnäringen är “utbildningsplattformen” ofta arbetsplatsen, med säsongspersonal, skift och hög omsättning.

Varför kompetens (inte teknik) avgör AI-resultatet

AI ger inte effekt för att ni köper ett verktyg – den ger effekt när personalen kan använda verktyget rätt i vardagen. Det är den obekväma sanningen som många turistföretag lär sig efter en första “pilot”.

I praktiken består AI-arbetet i besöksnäringen av tre saker:

1. Rätt processer (hur ni tar emot bokningar, svarar på frågor, hanterar avvikelser, följer upp gästnöjdhet)
2. Rätt data (bokningsdata, kunddialoger, beläggning, recensioner, efterfrågemönster)
3. Rätt kompetens (förmågan att formulera behov, skriva bra instruktioner, kvalitetssäkra svar och fatta beslut utifrån analys)

När kompetens saknas hamnar AI antingen som en “chattwidget” ingen litar på, eller som ett Excel-komplement som bara en person förstår. Resultatet blir sällan effektivitet. Ofta blir det mer jobb.

Det är därför utlysningens fokus på strategisk kompetensförsörjning och smart specialisering är relevant för besöksnäringen: man vill se arbetssätt som lever över tid, där flera aktörer bygger förmåga tillsammans.

Smart specialisering – översatt till turism

Smart specialisering låter akademiskt, men i besöksnäringen kan det vara ganska konkret:

• En region väljer att bli stark inom hållbara naturupplevelser, evenemang, kulturarv eller vinterturism
• Kompetensutveckling och innovationsstöd riktas mot just de styrkorna
• Företag, kommuner, kluster, lärosäten och destinationsbolag jobbar ihop

AI blir då inte ett sidoprojekt. Det blir ett sätt att stärka regionens konkurrenskraft.

Vem ska driva satsningen – och hur bygger man ett projekt som håller

Tillväxtverket riktade utlysningen till aktörer i det företags- och innovationsfrämjande systemet, inte till enskilda företag som projektägare. För besöksnäringen är det ofta en styrka.

Ett stabilt upplägg i Norra Mellansverige brukar se ut så här:

• Projektägare: kommun, region, universitet/högskola, destinationsbolag, klusterorganisation eller ideell förening
• Partners: branschorganisationer, inkubatorer, science parks, utbildningsaktörer, arbetsförmedlande aktörer
• Företagsmedverkan: hotell, campingar, skidanläggningar, aktivitetsbolag, restauranger – som testmiljöer, referensgrupp och ibland medfinansiärer

Det här är min tydliga ståndpunkt: låta ett enskilt besöksföretag äga EU-projekt är ofta fel väg. Administration, likviditet (utbetalning i efterskott) och statsstödsfrågor kan äta upp energin. Bättre att företagen deltar och får nytta utan att bära hela projektmaskineriet.

Två projektspår som brukar fungera

1) Förstudie (cirka 9 månader)

• Kartlägga kompetensbehov: vilka roller, vilka säsonger, vilka digitala gap
• Inventera data och system: bokningssystem, CRM, PMS, ärendehantering
• Välja 2–3 pilotprocesser där AI kan ge effekt inom 3–6 månader

2) Genomförandeprojekt (cirka 3 år)

• Bygga utbildningsspår (mikrolärande + handledning i drift)
• Ta fram modeller, validering och stödstrukturer
• Skapa plattform för samverkan mellan regioner och gärna med EU-nätverk

Vilka AI-färdigheter ger snabbast effekt i turistföretag

Den bästa AI-utbildningen i besöksnäringen är praktisk, rollbaserad och kopplad till verkliga ärenden. Här är kompetenser som nästan alltid ger tydlig effekt – särskilt i verksamheter med hög gästkontakt och säsongstoppar.

1) AI för kunddialog och service

Målet är inte att ersätta värdskapet, utan att frigöra tid.

Träna teamet i att:

• skriva tydliga svarsmallar och promptar för återkommande frågor
• kvalitetssäkra ton, fakta och lokala villkor (avbokning, öppettider, säkerhet)
• hantera språk (svenska/engelska/tyska/nederländska) med rätt nivå

Praktisk effekt: snabbare svar, färre missförstånd, jämnare servicekvalitet under högsäsong.

2) AI för intäkts- och beläggningsstyrning (Revenue)

Här blir AI ofta missförstådd. Det handlar sällan om magiska prisalgoritmer, utan om att personalen lär sig:

• tolka efterfrågesignaler (bokningstakt, evenemang, väder, lov)
• göra scenarioanalyser och “om vi höjer/sänker”-simuleringar
• identifiera vilka erbjudanden som ska paketeras för olika segment

Praktisk effekt: bättre beläggning och mindre “panikrabb” i prissättning.

3) AI för intern effektivitet

Det mest underskattade området.

• sammanfattning av mötesanteckningar och åtgärdslistor
• skapande av rutindokument och checklistor
• stöd för introduktion av ny personal (säsong/extra)

Praktisk effekt: kortare onboarding, färre driftmissar, mindre beroende av “den som kan allt”.

4) AI-litteracitet och riskhantering

Alla AI-satsningar behöver en gemensam bas:

• vad får man dela (personuppgifter, bokningsuppgifter, känslig info)
• hur man minskar hallucinationer och felaktiga svar
• hur man dokumenterar och följer upp AI-användning

Praktisk effekt: färre incidenter och högre förtroende internt.

En mening att sätta på väggen: AI är ett kompetensprojekt med en teknikkomponent – inte tvärtom.

Så designar ni en utbildningsinsats som faktiskt fungerar (EdTech-tänk)

Besöksnäringen har ett klassiskt utbildningsproblem: personalen har olika roller, olika språk, olika scheman och ofta korta anställningar. En “tvådagarskurs” ger därför sällan varaktig effekt.

Jag har sett att följande EdTech-upplägg fungerar bättre:

Mikro + handledning i drift

• 10–15 minuters lärpass (video, scenario, kort quiz)
• en coach/handledare som följer upp i verkliga case
• återkommande “AI-stopp” i arbetsdagen (t.ex. 15 min/vecka)

Rollbaserade spår

Bygg olika spår för:

• reception/gästservice
• bokning/marknad
• drift/housekeeping
• platsledning

Validering och nivåer

Utlysningen lyfte valideringssystem – och det är extra relevant här.

• Nivå 1: AI-grunder och policy
• Nivå 2: AI i vardagsprocesser (kunddialog, dokument)
• Nivå 3: dataanalys och förbättring (KPI, beläggning, segment)

Validering gör det lättare att skala kompetensen mellan företag och säsonger, och stärker attraktiviteten som arbetsgivare.

Finansieringslogik och vanliga fallgropar (utan att fastna i byråkrati)

Utlysningen satte tydliga ramar som är typiska för den här typen av EU-stöd:

• Max 50 % EU-stöd av projektets totala budget (resten offentlig/privat medfinansiering)
• Total budget i utlysningen: 10 miljoner kronor (preliminärt)
• Utbetalning sker ofta i efterskott, vilket kräver likviditetsplan

För besöksnäringsprojekt är det tre fallgropar jag tycker man ska ta på allvar tidigt:

1) Otydlig förändringsteori

Det räcker inte att säga “vi ska utbilda”. Ni behöver visa kedjan:

• Aktiviteter → utbildning, coachning, verktygsstöd
• Prestationer → antal personer, antal företag, framtagna metoder
• Kortsiktig effekt → ökad kunskap
• Medellång effekt → förändrat arbetssätt (t.ex. kortare svarstider, bättre beläggningsbeslut)

2) Statsstödsfrågan kommer för sent

Om företag gynnas kan statsstödsregler påverka upplägget. Det är helt normalt – men måste hanteras i designen (vem gör vad, hur kostnader fördelas, vilken typ av stöd det räknas som).

3) För mycket teknik, för lite implementering

Många projekt vill “bygga en plattform”. Plattformar är bra, men bara om ni samtidigt:

• säkrar innehåll och utbildningsproduktion
• har en plan för adoption (chefer, scheman, incitament)
• mäter beteendeförändring, inte bara deltagande

Från utlysning till praktik: en konkret AI-plan för en destination

Här är ett exempel på hur en destination i Dalarna, Värmland eller Gävleborg skulle kunna formulera ett 12-veckors pilotspår som del av en större förstudie:

1. Vecka 1–2: Kartlägg 3 processer med hög volym (t.ex. frågor om boende, aktiviteter, avbokning)
2. Vecka 3–4: Skapa policy för AI och informationshantering + utbilda alla i grunder
3. Vecka 5–8: Träna team i kunddialog med AI och bygg godkända svarmallar
4. Vecka 9–10: Lägg på analys: sammanfatta recensioner och identifiera topp-5 förbättringsområden
5. Vecka 11–12: Mät effekt och besluta vad som ska skalas (utbildningsspår, validering, stödstruktur)

Mätetal som är lätta att följa upp:

• svarstid på inkommande frågor
• andel ärenden som löses vid första kontakt
• tid för onboarding av ny säsongspersonal
• gästnöjdhet kopplat till information och bemötande

Nästa steg för Norra Mellansveriges besöksnäring

Det fina med kompetensutlysningar av den här typen är att de pressar fram samarbete: kommuner, regioner, akademi och näringsliv måste enas om vad som ska byggas. Och för AI i besöksnäringen är det exakt vad som krävs.

Om ni vill ta fart redan nu, även mellan utlysningar, är en bra start att samla tre saker på ett A4:

• vilka 5 arbetsmoment som tar mest tid i er gästresa
• vilken data ni redan har (och var den ligger)
• vilken kompetens som saknas i teamet för att använda AI tryggt

Sista tanken jag vill skicka med: AI-kompetens är inte en IT-fråga. Det är en arbetsmarknads- och konkurrenskraftsfråga för hela destinationen.

Vilket område skulle ge er snabbast effekt kommande säsong: kunddialog, beläggning/pris, eller onboarding av personal?