Trebellar keräsi $18M sarjan A rahoituksen tuodakseen AI-agentteja yrityskiinteistöihin

Trebellar on kerännyt $18 million sarjan A rahoituksessa pyrkiessään tuomaan AI-agentteja ja automatisoitua päätöksentekoa yhdeksi yritystoiminnoista, jotka ovat pysyneet poikkeuksellisen riippuvaisina taulukkolaskentaohjelmista, erillisistä ohjelmistoista ja ulkopuolisista konsulttiyrityksistä: yrityskiinteistöt.

Rahoituskierrosta johti Blossom Capital, ja siihen osallistuivat Haystack, Alt Capital, 1Flourish ja Bynd. Trebellar kertoo, että uutta pääomaa käytetään laajentamaan sen insinööri- ja markkinoillemenotiimejä, syventämään sen AI-kyvykkyyksiä ja kasvattamaan sen yritysasiakaskuntaa.

San Franciscossa toimiva yritys on jo houkutellut useita suuria asiakkaita, kuten Meta, Uber, Merck ja Cohesity, mikä on antanut sille varhaisen jalansijan organisaatioille, jotka hallinnoivat suuria ja monimutkaisia kiinteistöportfoliota.

Trebellarille mahdollisuus ei ole pelkästään korvata taulukkolaskentaa toisella hallintapaneelilla. Yritys pyrkii luomaan AI-syntymäisen kerroksen, joka pystyy ymmärtämään organisaation kiinteistöportfolion, analysoimaan jatkuvasti, miten portfolioa käytetään, ja auttamaan tiimejä tekemään päätöksiä kaikesta vuokrasopimuksista ja toimistokäytöstä tuleviin sijainteihin.

Yrityskiinteistöillä on dataproblema

Suuret yritykset tuottavat valtavia määriä tietoa fyysisestä jalanjäljestään.

Vuokrasopimukset sisältävät taloudellisia sitoumuksia ja uusimispäiviä. Tunnistejärjestelmät ja WiFi-verkot antavat signaaleja toimistoläsnäolosta. Kokoushuoneiden varausjärjestelmät näyttävät, miten työntekijät käyttävät kokoustiloja. Henkilöstöhallinnon järjestelmät sisältävät henkilöstömäärän ja organisaatiotiedot, kun taas kyselyt voivat paljastaa, pitävätkö työntekijät toimistoa todella hyödyllisenä.

Ongelma on, että suuri osa tästä tiedosta perinteisesti sijaitsee erillisissä järjestelmissä.

Ennen kuin yrityskiinteistötiimi voi päättää, uudistetaanko vuokra, pienennetäänkö toimistoa, laajennetaanko toiseen markkinaan tai muutetaanko työpaikkapolitiikkaa, analyytikoiden on ensin kerättävä ja sovitettava yhteen tietoa taulukkolaskentaohjelmista, PDF-tiedostoista ja useista ohjelmistoplatformeista.

Trebellar rakentaa alustaansa yhtenäisen datakerroksen ympärille, jonka tarkoitus on kerätä ja normalisoida nämä lähteet ennen AI:n soveltamista. Järjestelmä voi sisällyttää vuokra- ja käyttökustannustiedot, markkinatiedot, käyttöasteen tiedot tunnisteista, WiFi:stä ja antureista, tilavarauksen järjestelmät, HR-alustat ja työntekijäkyselyt. Yritykset voivat myös lisätä tietoa API:en, CSV-latausten sekä sisäisen tutkimuksen tai politiikkadokumenttien avulla.

Tämä dataperusta on tärkeä, koska yritys-AI:sta tulee huomattavasti hyödyllisempää, kun mallit voivat tehdä päättelyä rakenteellisen operatiivisen tiedon perusteella sen sijaan, että ne käsittelevät erillisiä asiakirjoja.

Siirtyminen hallintapaneeleista AI-agentteihin

Kun tiedot on yhdistetty, Trebellarin AI-alusta soveltaa yhdistelmää AI-agentteja, suuria kielimalleja ja koneoppimismalleja yrityskiinteistöpäätöksiin.

Sen sijaan, että käyttäjien pitäisi manuaalisesti koota hallintapaneeleja, Trebellar antaa tiimien esittää kysymyksiä portfolioistaan ja tuottaa raportteja, suosituksia tai analyysejä tiettyihin ongelmiin liittyen.

Sen tehtäväkohtaiset agentit voivat käsitellä alueita, kuten portfolion hallintaa, sijaintistrategiaa ja suunnittelua. Alusta voi analysoida vuokra- ja sijaintisuorituskykyä, suorittaa sijaintiarviointia, mallintaa erilaisia kysyntä‑tarjontaskenaarioita ja tuottaa tutkimusta potentiaalisista markkinoista.

Ennustavat mallit lisäävät toisen kerroksen. Trebellar kertoo, että sen teknologia voi ennustaa toimistoläsnäolon, havaita epätavallisia muutoksia työpaikkamalleissa ja auttaa yrityksiä arvioimaan, miten henkilöstöä tai palveluita tulisi säätää odotetun käytön perusteella.

Tämä siirtää ohjelmiston lähemmäs päätöksentekotukea kuin perinteistä liiketoimintatiedon tuotetta.

Esimerkiksi yritys, joka arvioi tarvitseeko se tietyn toimiston, voisi mahdollisesti yhdistää vuokrakustannukset, käyttötrendit, työntekijöiden sijainnit, työmatka-ajat ja työpaikkasentimentin sen sijaan, että arvioisi jokaisen muuttujan erikseen.

Skenaariomallinnus antaa myös tiimeille mahdollisuuden testata, miten portfolion muutokset voivat vaikuttaa kustannuksiin, kapasiteettiin tai työntekijöiden pääsyyn ennen päätöksen tekemistä.

AI rakennettu kiinteistödataa ympäröiväksi

Alakohtaiset AI-yritykset erottavat itseään yhä enemmän rakentamalla järjestelmiä tiettyjen toimialojen datarakenteiden ja työnkulkujen ympärille sen sijaan, että lisäisivät yleiskäyttöisen chatbotin olemassa olevaan ohjelmistoon.

Trebellar soveltaa tätä lähestymistapaa kiinteistöalalla.

Yritys kertoo, että sen mallit on suunniteltu käyttöasteen, työpaikan ja vuokratietojen ympärille, kun taas sen AI-agentit on koulutettu suorittamaan erityisiä kiinteistöanalyysejä. Sen sijaintistrategiateknologia, esimerkiksi, voi yhdistää julkista tietoa markkina-, demografia-, liikenne- ja talenttitietojen kanssa arvioitaessa potentiaalisia sijainteja.

Arkkitehtuurissa on myös yritysturvallisuuskomponentti.

Trebellar on SOC 2 Type II -sertifioitu, ja yritys kertoo, että asiakastietoihin perustuvat koneoppimismallit koulutetaan itsenäisesti jokaiselle organisaatiolle sen sijaan, että asiakastietoja yhdistettäisiin. Trebellar ylläpitää myös omaa koneoppimis‑infrastruktuuriaan ja tukee avoimen lähdekoodin suuria kielimalleja, käyttäen samalla abstraktiomekanismeja, kun ulkoisia yritys‑LLM‑palveluntarjoajia hyödynnetään.

Nämä suojatoimet ovat erityisen merkityksellisiä yrityskiinteistöalalla, jossa tietoaineistot voivat epäsuorasti paljastaa arkaluonteista tietoa toimistojen läsnäolosta, yrityksen laajentumissuunnitelmista ja organisaatiorakenteesta.

Sivuprojektista yrityskiinteistöjen tekoälyyn

Trebellarin taustat ovat melko kaukana kaupallisesta kiinteistöalasta.

Yritys juontaa alkunsa pandemian aikaan, jolloin perustajajäsenten Diego Ferreiro Val ja David Garcia Quintas aloitti kokeilut keskitetyn kotiautomaatiohankkeen parissa. Ferreiro Val oli toiminut VP of Engineering -roolissa Salesforcella, kun taas Garcia Quintas toi mukanaan tekoäly- ja infrastruktuurikokemusta Googlelta ja Waymolta.

Kotiautomaatio‑tuotetta ei koskaan lanseerattu.

Sen sijaan projekti herätti Salesforce:n työpaikkateknologiaorganisaation huomion, jossa tiimit käsittelivät saman ongelman laajempaa versiota: suuria määriä rakennus- ja työpaikkatietoja, jotka olivat hajautuneet erillisiin järjestelmiin.

Tuo oivallus johti lopulta Trebellariin.

Yritys on sen jälkeen laajentanut tiimiään kokemuksella, joka kattaa Salesforce:n, Googlen, Waymon ja Verkadän. Se on myös lisännyt entisen Google‑kiinteistöjohtajan Dave Radcliffe neuvonantajakseen. Radcliffe auttoi valvomaan Googlen fyysisen läsnäolon laajentamista Eric Schmidtin, Larry Page:n ja Sundar Pichain toimikausien aikana.

$18M Series A -rahoitus kohdistuu suureen, mutta huomiotta jääneeseen yritystoiminnon osa-alueeseen

Uusi rahoitus saapuu, kun sijoittajat jatkavat etsimistään yrityssektoreita, joissa erikoistuneet tekoälyjärjestelmät voivat korvata manuaalisen analyysin ja hajautuneet työnkulut.

Lakialalla, rahoituksessa, asiakastuesta ja ohjelmistokehityksessä on jo syntynyt kasvava joukko toimialakohtaisia tekoälyyrityksiä. Yrityskiinteistö tarjoaa samanlaisen mahdollisuuden, mutta poikkeuksellisen monimutkaisella yhdistelmällä taloudellista, operatiivista ja fyysistä dataa.

Trebellarin toimitusjohtaja Diego Ferreiro Val väittää, että kiinteistötiimien tulisi pystyä tekemään enemmän tätä analyysiä sisäisesti sen sijaan, että ne riippuisivat taulukoista ja konsulttiyrityksistä.

“Rakensimme Trebellarin antaaksemme johtajille itsenäisyyden tehdä nämä päätökset itse,” Ferreiro Val sanoi.

Seuraava vaihe testaa, voiko tämä lähestymistapa skaalautua varhaisista yritysvarhaiskäyttäjistä pidemmälle.

Kun uusi rahoitus on $18 miljoonaa, Trebellar aikoo investoida lisää tekoälyteknologiaansa samalla kun se laajentaa insinööri‑ ja kaupallisia tiimejään. Suurempi mahdollisuus on muuttaa yrityskiinteistö säännöllisesti analysoiduista vuokrasopimusten ja rakennusten kokoelmista jatkuvasti päivittyväksi tietoaineistoksi, jonka tekoälyagentit voivat käsitellä.

Jos tämä muutos vakiintuu, päätökset siitä, missä yritykset sijoittavat työntekijöitä, kuinka paljon toimistotilaa ne ylläpitävät ja mihin ne käyttävät fyysiseen infrastruktuuriin, voivat yhä enemmän muuttua tekoälyn muokkaamaksi yritystyönkuluksi.