Trebellar、AIエージェントを企業不動産に導入するために$18MシリーズAを調達

Trebellarは、$18 million のシリーズA資金調達を実施し、スプレッドシートや分断されたソフトウェア、外部コンサルタントに異常に依存し続けている企業機能の一つである企業不動産にAIエージェントと自動化された意思決定を導入しようとしている。

このラウンドはBlossom Capitalが主導し、Haystack、Alt Capital、1Flourish、Byndが参加した。Trebellarは、新たな資金をエンジニアリングとマーケティングチームの拡大、AI機能の深化、エンタープライズ顧客基盤の拡大に活用すると述べている。

サンフランシスコ拠点の同社は、すでにMeta、Uber、Merck、Cohesityなどの主要顧客を獲得しており、大規模かつ複雑な不動産ポートフォリオを管理する組織の間で早期に足場を築いている。

Trebellarにとって、この機会は単にスプレッドシートを別のダッシュボードに置き換えることではない。同社は、組織の不動産ポートフォリオを理解し、その利用状況を継続的に分析し、リースやオフィス利用率から将来の拠点に至るまでのすべての意思決定を支援するAIネイティブ層の構築を目指している。

企業不動産はデータ問題を抱えている

大企業は自社の物理的拠点に関する膨大なデータを生成する。

リース契約には財務上のコミットメントと更新日が含まれる。バッジシステムやWi‑Fiネットワークはオフィス出席状況のシグナルを提供する。会議室予約プラットフォームは従業員がミーティングスペースをどのように利用しているかを示す。人事システムには従業員数や組織情報が含まれ、調査は従業員がオフィスを実際に有用と感じているかどうかを明らかにできる。

問題は、これらの情報の多くが従来、別々のシステムに分散していることである。

企業不動産チームがリースの更新、オフィスの縮小、別市場への拡大、または職場ポリシーの変更を判断する前に、アナリストはまずスプレッドシート、PDF、複数のソフトウェアプラットフォームから情報を収集し、照合しなければならないことがある。

Trebellarは、これらの情報源を集約・正規化した上でAIを適用することを目的とした統合データレイヤーを中心にプラットフォームを構築している。システムはリースおよび運用費データ、マーケット情報、バッジやWi‑Fi、センサーからの占有率データ、スペース予約システム、人事プラットフォーム、従業員調査を取り込むことができる。企業はまた、API、CSVアップロード、内部調査やポリシー文書を通じて情報を追加できる。

このデータ基盤は重要である。エンタープライズAIは、モデルが分散した文書の集合ではなく、構造化された運用情報をもとに推論できる場合、はるかに有用になるからだ。

ダッシュボードからAIエージェントへ移行する

情報が接続されると、TrebellarのAIプラットフォームはAIエージェント、大規模言語モデル、機械学習モデルの組み合わせを企業不動産の意思決定に適用する。

ユーザーが手動でダッシュボードを組み立てる必要がある代わりに、Trebellarはチームがポートフォリオに関する質問を投げかけ、特定の課題に関するレポート、提言、分析を生成できるようにする。

タスク固有のエージェントはポートフォリオ管理、ロケーション戦略、計画といった領域を処理できる。プラットフォームはリースやロケーションのパフォーマンスを分析し、ロケーションスコアリングを実施し、さまざまな需給シナリオをモデル化し、潜在的な市場に関する調査を生成することができる。

予測モデルがさらに層を加える。Trebellarは、同社の技術がオフィス出席率を予測し、職場パターンの異常変化を検出し、予想利用に基づいて人員配置やサービスの調整方法を企業が見積もるのを支援できると述べている。

これにより、ソフトウェアは従来のビジネスインテリジェンス製品というよりも、意思決定支援システムに近づく。

例えば、特定のオフィスが必要かどうかを評価する企業は、リースコスト、利用傾向、従業員の所在地、通勤時間、職場の感情といった要素を組み合わせて評価でき、各変数を個別に評価する必要はない。

シナリオモデリングにより、チームはポートフォリオの変更がコスト、容量、従業員のアクセスにどのように影響するかを意思決定前にテストできる。

不動産データを中心に構築されたAI

垂直型AI企業は、既存ソフトウェアに汎用チャットボットを追加するのではなく、特定業界のデータ構造やワークフローを中心にシステムを構築することで、ますます差別化を図っている。

Trebellarは不動産分野で同様のアプローチを取っている。

同社は、モデルが占有率、職場、リースデータを中心に設計されており、AIエージェントは特定の不動産分析を実行するように訓練されていると述べている。例えば、ロケーション戦略技術は、潜在的な拠点を評価する際に、公開情報と市場、人口統計、交通、タレントデータを組み合わせることができる。

また、アーキテクチャにはエンタープライズ向けのセキュリティコンポーネントも組み込まれている。

TrebellarはSOC 2 Type II認証を取得しており、同社は顧客データに依存する機械学習モデルは顧客データセットをプールするのではなく、組織ごとに個別にトレーニングされると述べています。Trebellarは独自の機械学習インフラストラクチャを運用し、オープンソースの大規模言語モデルをサポートするとともに、外部のエンタープライズLLMプロバイダーが関与する場合は抽象化メカニズムを使用します。

これらの保護策は、データセットがオフィス出席状況や企業の拡大計画、組織構造といった機密情報を間接的に明らかにする可能性がある企業不動産に特に関係しています。

サイドプロジェクトからエンタープライズ不動産AIへ

Trebellarの起源は商業用不動産からはやや離れています。

同社はパンデミック期にさかのぼり、共同創業者Diego Ferreiro Val and David Garcia Quintasが集中型ホームオートメーションプロジェクトを試みたことが起源です。Ferreiro ValはかつてSalesforceでエンジニアリング副社長を務め、Garcia QuintasはGoogleとWaymoでのAIおよびインフラストラクチャの経験を持ち込みました。

ホームオートメーション製品は発売されませんでした。

代わりに、このプロジェクトはSalesforceのワークプレイステクノロジー組織の関心を引き、そこでチームは同様の問題の大規模版、すなわち分断されたシステムに散在する膨大な建物および職場データに取り組んでいました。

その認識が最終的にTrebellarとなりました。

同社はそれ以降、Salesforce、Google、Waymo、Verkadaにわたる経験を持つメンバーを増員しました。また、元Google不動産エグゼクティブDave Radcliffeを顧問として迎えました。RadcliffeはEric Schmidt、Larry Page、Sundar Pichaiの各時代にわたり、Googleの物理的拠点の拡大を監督するのを支援しました。

1,800万ドルのシリーズAは大きいが見過ごされがちなエンタープライズ機能を狙う

新たな資金調達は、投資家が専門的なAIシステムが手作業の分析や断片化されたワークフローに取って代わることができるエンタープライズ領域を引き続き探し求めている中で行われました。

法務、財務、顧客サポート、ソフトウェア開発はすでに増加する垂直型AI企業のグループを生み出しています。企業不動産も同様の機会を提供しますが、財務、運用、物理的データという異常に複雑な組み合わせが特徴です。

TrebellarのCEOであるDiego Ferreiro Valは、不動産チームはスプレッドシートやコンサルタントに依存せず、内部でより多くの分析を実施できるべきだと主張しています。

「私たちはリーダーが自らこれらの決定を下す独立性を持てるようにTrebellarを構築しました」とFerreiro Valは語ります。

次の段階では、そのアプローチが初期のエンタープライズ採用者を超えてスケールできるかどうかが試されます。

1,800万ドルの新たな資金を得て、TrebellarはAI技術へのさらなる投資とエンジニアリングおよび商業チームの拡大を計画しています。より大きな機会は、企業不動産を定期的に分析されるリースや建物の集合体から、AIエージェントが推論できる継続的に更新されるデータセットへと変換することです。

もしその移行が定着すれば、企業が従業員をどこに配置するか、どれだけのオフィススペースを維持するか、物理インフラにどれだけ支出するかといった意思決定は、ますますAIによって形作られる別のエンタープライズワークフローになる可能性があります。