Trebellar ने $18M Series A फंडिंग जुटाकर AI एजेंट्स को कॉर्पोरेट रियल एस्टेट में लाया

Trebellar ने $18 मिलियन Series A फंडिंग जुटाया है क्योंकि वह AI एजेंट्स और स्वचालित निर्णय‑निर्धारण को उन उद्यम कार्यों में लाना चाहता है जो अभी भी स्प्रेडशीट्स, असंबद्ध सॉफ़्टवेयर और बाहरी सलाहकारों पर अत्यधिक निर्भर हैं: कॉर्पोरेट रियल एस्टेट।

राउंड का नेतृत्व Blossom Capital ने किया, जिसमें Haystack, Alt Capital, 1Flourish और Bynd की भागीदारी थी। Trebellar कहता है कि नया पूँजी उसके इंजीनियरिंग और गो‑टू‑मार्केट टीमों का विस्तार करने, उसकी AI क्षमताओं को गहरा करने और उसके एंटरप्राइज़ ग्राहक आधार को बढ़ाने के लिए उपयोग की जाएगी।

सैन फ्रांसिस्को स्थित कंपनी ने पहले ही कई प्रमुख ग्राहकों को आकर्षित किया है, जिनमें Meta, Uber, Merck और Cohesity शामिल हैं, जिससे उसे बड़े और जटिल रियल एस्टेट पोर्टफ़ोलियो प्रबंधित करने वाले संगठनों में शुरुआती पकड़ मिली है।

Trebellar के लिए, यह अवसर केवल स्प्रेडशीट्स को किसी अन्य डैशबोर्ड से बदलने तक सीमित नहीं है। कंपनी एक AI‑नेटिव लेयर बनाने की कोशिश कर रही है जो एक संगठन के रियल एस्टेट पोर्टफ़ोलियो को समझ सके, निरंतर यह विश्लेषण करे कि वह पोर्टफ़ोलियो कैसे उपयोग में है, और टीमों को लीज़, ऑफिस उपयोगिता से लेकर भविष्य के स्थानों तक सभी मामलों में निर्णय लेने में मदद करे।

कॉर्पोरेट रियल एस्टेट में डेटा समस्या है

बड़ी कंपनियां अपने भौतिक पदचिह्न के बारे में अत्यधिक मात्रा में डेटा उत्पन्न करती हैं।

लीज़ समझौते वित्तीय प्रतिबद्धताएँ और नवीनीकरण तिथियां रखते हैं। बैज सिस्टम और वाई‑फ़ाई नेटवर्क ऑफिस उपस्थिति के संकेत प्रदान करते हैं। रूम‑बुकिंग प्लेटफ़ॉर्म दिखाते हैं कि कर्मचारी मीटिंग स्पेस का कैसे उपयोग करते हैं। मानव संसाधन सिस्टम में कर्मचारियों की संख्या और संगठनात्मक जानकारी होती है, जबकि सर्वेक्षण यह पता लगा सकते हैं कि क्या कर्मचारी वास्तव में ऑफिस को उपयोगी पाते हैं।

समस्या यह है कि इस जानकारी में से अधिकांश पारंपरिक रूप से अलग‑अलग सिस्टमों में स्थित रहती है।

एक कॉर्पोरेट रियल एस्टेट टीम के लिए यह तय करने से पहले कि लीज़ नवीनीकृत किया जाए, ऑफिस को छोटा किया जाए, किसी अन्य बाजार में विस्तार किया जाए या कार्यस्थल नीति बदलें, विश्लेषकों को पहले स्प्रेडशीट्स, पीडीएफ और कई सॉफ़्टवेयर प्लेटफ़ॉर्म से जानकारी एकत्रित और मिलान करनी पड़ सकती है।

Trebellar अपनी प्लेटफ़ॉर्म को एक एकीकृत डेटा लेयर के आसपास बना रहा है, जिसे उन स्रोतों को एकत्रित और सामान्य करने के लिए डिज़ाइन किया गया है, इससे पहले कि उन पर AI लागू किया जाए। सिस्टम लीज़ और ऑपरेटिंग खर्च डेटा, बाजार जानकारी, बैज, वाई‑फ़ाई और सेंसर से प्राप्त अधिभोग डेटा, स्पेस‑रिज़र्वेशन सिस्टम, HR प्लेटफ़ॉर्म और कर्मचारी सर्वेक्षण को शामिल कर सकता है। कंपनियां API, CSV अपलोड और आंतरिक शोध या नीति दस्तावेज़ों के माध्यम से भी जानकारी जोड़ सकती हैं।

यह डेटा नींव महत्वपूर्ण है क्योंकि एंटरप्राइज़ AI अधिक उपयोगी बन जाता है जब मॉडल संरचित संचालनात्मक जानकारी पर तर्क कर सकते हैं, न कि अलग‑अलग दस्तावेज़ों के संग्रह पर।

डैशबोर्ड से AI एजेंट्स की ओर बढ़ना

एक बार वह जानकारी जुड़ जाने पर, Trebellar’s AI platform AI एजेंट्स, बड़े भाषा मॉडल और मशीन लर्निंग मॉडल का संयोजन कॉर्पोरेट रियल एस्टेट निर्णयों पर लागू करता है।

उपयोगकर्ताओं को मैन्युअल रूप से डैशबोर्ड तैयार करने की आवश्यकता के बजाय, Trebellar टीमों को अपने पोर्टफ़ोलियो के बारे में प्रश्न पूछने और विशिष्ट समस्याओं के चारों ओर रिपोर्ट, सिफ़ारिशें या विश्लेषण उत्पन्न करने की अनुमति देता है।

इसके टास्क‑स्पेसिफिक एजेंट पोर्टफ़ोलियो प्रबंधन, लोकेशन स्ट्रैटेजी और प्लानिंग जैसे क्षेत्रों को संभाल सकते हैं। प्लेटफ़ॉर्म लीज़ और लोकेशन प्रदर्शन का विश्लेषण कर सकता है, लोकेशन स्कोरिंग कर सकता है, विभिन्न आपूर्ति‑और‑मांग परिदृश्यों को मॉडल कर सकता है और संभावित बाजारों पर शोध उत्पन्न कर सकता है।

प्रेडिक्टिव मॉडल एक अतिरिक्त परत जोड़ते हैं। Trebellar कहता है कि उसकी तकनीक ऑफिस उपस्थिति की भविष्यवाणी कर सकती है, कार्यस्थल पैटर्न में असामान्य बदलावों का पता लगा सकती है और कंपनियों को अपेक्षित उपयोग के आधार पर स्टाफिंग या सेवाओं को कैसे समायोजित किया जाए, इसका अनुमान लगाने में मदद कर सकती है।

यह सॉफ़्टवेयर को पारंपरिक बिजनेस इंटेलिजेंस उत्पाद की तुलना में निर्णय‑सहायता प्रणाली के करीब ले जाता है।

उदाहरण के लिए, कोई कंपनी जो यह मूल्यांकन कर रही है कि उसे किसी विशेष ऑफिस की आवश्यकता है या नहीं, वह लीज़ लागत, उपयोग प्रवृत्तियों, कर्मचारी स्थान, यात्रा समय और कार्यस्थल भावना को मिलाकर संभावित रूप से मूल्यांकन कर सकती है, बजाय प्रत्येक चर को स्वतंत्र रूप से मूल्यांकन करने के।

परिदृश्य मॉडलिंग टीमों को यह परीक्षण करने की भी अनुमति देती है कि उनके पोर्टफ़ोलियो में बदलाव लागत, क्षमता या कर्मचारी पहुँच को कैसे प्रभावित कर सकते हैं, निर्णय लेने से पहले।

रियल एस्टेट डेटा के चारों ओर निर्मित AI

वर्टिकल AI कंपनियां अपने आप को अलग करती हैं क्योंकि वे किसी विशिष्ट उद्योग की डेटा संरचनाओं और कार्यप्रवाहों के चारों ओर सिस्टम बनाती हैं, न कि मौजूदा सॉफ़्टवेयर में एक सामान्य‑उद्देश्य चैटबॉट जोड़ती हैं।

Trebellar रियल एस्टेट के साथ यही दृष्टिकोण अपना रहा है।

कंपनी कहती है कि उसके मॉडल अधिभोग, कार्यस्थल और लीज़ डेटा के चारों ओर डिज़ाइन किए गए हैं, जबकि उसके AI एजेंट विशिष्ट रियल एस्टेट विश्लेषण करने के लिए प्रशिक्षित हैं। उदाहरण के लिए, उसकी लोकेशन स्ट्रैटेजी तकनीक संभावित स्थानों का मूल्यांकन करते समय सार्वजनिक जानकारी को बाजार, जनसांख्यिकीय, परिवहन और टैलेंट डेटा के साथ जोड़ सकती है।

आर्किटेक्चर में एक एंटरप्राइज़ सुरक्षा घटक भी शामिल है।

Trebellar SOC 2 Type II प्रमाणित है, और कंपनी कहती है कि ग्राहक डेटा पर निर्भर मशीन‑लर्निंग मॉडल प्रत्येक संगठन के लिए स्वतंत्र रूप से प्रशिक्षित किए जाते हैं, न कि ग्राहक डेटा सेटों को एकत्रित किया जाता है। Trebellar अपना स्वयं का मशीन‑लर्निंग इन्फ्रास्ट्रक्चर संचालित करता है और ओपन‑सोर्स बड़े भाषा मॉडल को समर्थन देता है, जबकि बाहरी एंटरप्राइज़ LLM प्रदाताओं के शामिल होने पर एब्स्ट्रैक्शन मैकेनिज़्म का उपयोग करता है।

ये सुरक्षा उपाय विशेष रूप से कॉरपोरेट रियल एस्टेट के लिए प्रासंगिक हैं, जहाँ डेटा सेट अप्रत्यक्ष रूप से कार्यालय उपस्थिति, कंपनी के विस्तार योजनाओं और संगठनात्मक संरचना के बारे में संवेदनशील जानकारी प्रकट कर सकते हैं।

एक साइड प्रोजेक्ट से एंटरप्राइज़ रियल एस्टेट AI तक

Trebellar की उत्पत्ति व्यावसायिक संपत्ति से कुछ हद तक अलग है।

कंपनी अपनी शुरुआत महामारी से जोड़ती है, जब सह-संस्थापकों Diego Ferreiro Val and David Garcia Quintas ने एक केंद्रीकृत होम ऑटोमेशन प्रोजेक्ट के साथ प्रयोग शुरू किया। Ferreiro Val Salesforce में वाइस प्रेसीडेंट ऑफ इंजीनियरिंग रहे थे, जबकि Garcia Quintas ने Google और Waymo से AI और इन्फ्रास्ट्रक्चर का अनुभव लाया।

होम ऑटोमेशन उत्पाद कभी लॉन्च नहीं हुआ।

इसके बजाय, इस प्रोजेक्ट ने Salesforce की वर्कप्लेस टेक्नोलॉजी संगठन का ध्यान आकर्षित किया, जहाँ टीमें उसी समस्या के बड़े संस्करण से निपट रही थीं: विभिन्न असंबद्ध सिस्टमों में फैला हुआ भवन और कार्यस्थल डेटा की बड़ी मात्रा।

वह समझ अंततः Trebellar बन गई।

तब से कंपनी ने टीम का विस्तार Salesforce, Google, Waymo और Verkada के अनुभव के साथ किया है। इसने पूर्व Google रियल एस्टेट कार्यकारी Dave Radcliffe को सलाहकार के रूप में भी जोड़ा है। Radcliffe ने Eric Schmidt, Larry Page और Sundar Pichai के कार्यकाल में Google’s भौतिक उपस्थिति के विस्तार की देखरेख में मदद की।

$18M Series A एक बड़े लेकिन अनदेखे एंटरप्राइज़ फ़ंक्शन को लक्षित करता है

नया फंडिंग तब आती है जब निवेशक एंटरप्राइज़ श्रेणियों की खोज जारी रखते हैं जहाँ विशेषीकृत AI सिस्टम मैनुअल विश्लेषण और बिखरे हुए कार्यप्रवाहों को बदल सकते हैं।

कानूनी, वित्त, ग्राहक समर्थन और सॉफ्टवेयर विकास ने पहले ही एक बढ़ते हुए वर्टिकल AI कंपनियों के समूह का निर्माण किया है। कॉरपोरेट रियल एस्टेट समान अवसर प्रस्तुत करता है, लेकिन वित्तीय, संचालनात्मक और भौतिक‑विश्व डेटा के असामान्य रूप से जटिल संयोजन के साथ।

Trebellar के CEO Diego Ferreiro Val का तर्क है कि रियल एस्टेट टीमों को स्प्रेडशीट और सलाहकारों पर निर्भर रहने की बजाय अधिक विश्लेषण आंतरिक रूप से करना सक्षम होना चाहिए।

“हमने Trebellar इस तरह बनाया कि नेताओं को इन निर्णयों को स्वयं लेने की स्वतंत्रता मिले,” Ferreiro Val ने कहा।

अगला चरण यह परीक्षण करेगा कि क्या यह दृष्टिकोण शुरुआती एंटरप्राइज़ अपनाने वालों से परे स्केल कर सकता है।

$18 मिलियन नई फंडिंग के साथ, Trebellar अपनी AI तकनीक में आगे निवेश करने और अपनी इंजीनियरिंग व व्यावसायिक टीमों का विस्तार करने की योजना बना रहा है। बड़ा अवसर यह है कि कॉरपोरेट रियल एस्टेट को समय‑समय पर विश्लेषित लीज़ और भवनों के संग्रह से निरंतर अद्यतन डेटा सेट में बदला जाए, जिस पर AI एजेंट तर्क कर सकें।

यदि वह परिवर्तन स्थापित हो जाता है, तो कंपनियों द्वारा कर्मचारियों को कहाँ स्थित किया जाए, वे कितनी कार्यालय जगह बनाए रखें और भौतिक इन्फ्रास्ट्रक्चर पर कितना खर्च करें, इन निर्णयों को AI द्वारा आकारित एक और एंटरप्राइज़ कार्यप्रवाह में बदलते देखना संभव है।