Trebellar, 기업 부동산에 AI 에이전트를 도입하기 위해 $18M Series A 투자 유치

Trebellar는 $18 million Series A 투자를 유치했으며, 스프레드시트, 분리된 소프트웨어 및 외부 컨설턴트에 지나치게 의존해 온 기업 기능 중 하나인 기업 부동산에 AI 에이전트와 자동화된 의사결정을 도입하려 하고 있다.

이번 라운드는 Blossom Capital이 주도했으며, Haystack, Alt Capital, 1Flourish, Bynd가 참여했다. Trebellar는 새로운 자금을 엔지니어링 및 시장 진출 팀을 확장하고, AI 역량을 강화하며, 기업 고객 기반을 확대하는 데 사용할 것이라고 밝혔다.

샌프란시스코에 본사를 둔 이 회사는 이미 Meta, Uber, Merck, Cohesity 등 주요 고객을 다수 확보했으며, 대규모 및 복잡한 부동산 포트폴리오를 관리하는 조직들 사이에서 초기 입지를 다졌다.

Trebellar에게 이번 기회는 단순히 스프레드시트를 다른 대시보드로 대체하는 것이 아니다. 이 회사는 조직의 부동산 포트폴리오를 이해하고, 해당 포트폴리오 사용 현황을 지속적으로 분석하며, 임대 계약 및 사무실 활용부터 향후 위치에 이르기까지 모든 의사결정을 지원하는 AI 기반 레이어를 구축하려 하고 있다.

기업 부동산은 데이터 문제를 안고 있다

대기업은 물리적 시설에 관한 방대한 양의 데이터를 생성한다.

임대 계약에는 재정적 약속과 갱신 날짜가 포함된다. 배지 시스템과 WiFi 네트워크는 사무실 출석에 대한 신호를 제공한다. 회의실 예약 플랫폼은 직원들이 회의 공간을 어떻게 이용하는지를 보여준다. 인사 시스템에는 인원수와 조직 정보가 포함되며, 설문조사는 직원들이 실제로 사무실을 유용하게 여기고 있는지를 밝혀낼 수 있다.

문제는 이러한 정보 대부분이 전통적으로 별도 시스템에 분산되어 있다는 점이다.

기업 부동산 팀이 임대 계약을 갱신할지, 사무실을 축소할지, 다른 시장으로 확장할지, 혹은 업무 정책을 변경할지를 결정하기 전에, 분석가들은 먼저 스프레드시트, PDF 및 여러 소프트웨어 플랫폼에서 정보를 수집하고 조정해야 할 수도 있다.

Trebellar는 AI를 적용하기 전에 이러한 소스를 집계하고 정규화하도록 설계된 통합 데이터 레이어를 중심으로 플랫폼을 구축하고 있다. 이 시스템은 임대 및 운영 비용 데이터, 시장 정보, 배지, WiFi 및 센서에서 수집된 점유율 데이터, 공간 예약 시스템, HR 플랫폼 및 직원 설문조사를 통합할 수 있다. 기업은 또한 API, CSV 업로드 및 내부 연구나 정책 문서를 통해 정보를 추가할 수 있다.

이 데이터 기반은 중요하다. 기업용 AI는 모델이 분리된 문서 집합이 아니라 구조화된 운영 정보를 기반으로 추론할 수 있을 때 훨씬 더 유용해지기 때문이다.

대시보드에서 AI 에이전트로 전환

해당 정보가 연결되면 Trebellar’s AI platform은 AI 에이전트, 대형 언어 모델 및 머신러닝 모델을 결합하여 기업 부동산 의사결정에 적용한다.

사용자가 대시보드를 수동으로 구성하도록 요구하는 대신, Trebellar는 팀이 포트폴리오에 대해 질문하고 특정 문제에 대한 보고서, 권고안 또는 분석을 생성할 수 있도록 허용한다.

작업별 에이전트는 포트폴리오 관리, 위치 전략 및 계획과 같은 영역을 처리할 수 있다. 이 플랫폼은 임대 및 위치 성과를 분석하고, 위치 점수를 산정하며, 다양한 수요와 공급 시나리오를 모델링하고, 잠재 시장에 대한 연구를 생성한다.

예측 모델이 또 다른 층을 추가한다. Trebellar는 자사의 기술이 사무실 출석을 예측하고, 업무 패턴의 이상 변화를 감지하며, 예상 사용량을 기반으로 인력 배치나 서비스를 어떻게 조정해야 할지 기업이 추정하도록 도울 수 있다고 주장한다.

이는 소프트웨어를 전통적인 비즈니스 인텔리전스 제품보다 의사결정 지원 시스템에 가깝게 만든다.

예를 들어, 특정 사무실이 필요한지를 평가하는 기업은 각 변수를 개별적으로 평가하는 대신 임대 비용, 활용 추세, 직원 위치, 통근 시간 및 업무 분위기를 결합하여 판단할 수 있다.

시나리오 모델링을 통해 팀은 포트폴리오 변경이 비용, 수용량 또는 직원 접근성에 어떤 영향을 미칠지 의사결정 전에 테스트할 수 있다.

부동산 데이터를 중심으로 구축된 AI

수직형 AI 기업들은 기존 소프트웨어에 범용 챗봇을 추가하기보다 특정 산업의 데이터 구조와 워크플로우를 중심으로 시스템을 구축함으로써 차별화를 점점 더 강조하고 있다.

Trebellar는 부동산 분야에서 이러한 접근 방식을 취하고 있다.

이 회사는 자사의 모델이 점유율, 업무 환경 및 임대 데이터를 중심으로 설계되었으며, AI 에이전트는 특정 부동산 분석을 수행하도록 훈련되었다고 말한다. 예를 들어, 위치 전략 기술은 잠재적 위치를 평가할 때 공개 정보와 시장, 인구통계, 교통 및 인재 데이터를 결합할 수 있다.

아키텍처에는 기업 보안 요소도 포함되어 있다.

Trebellar는 SOC 2 Type II 인증을 받았으며, 회사는 고객 데이터에 의존하는 머신러닝 모델이 고객 데이터셋을 통합하지 않고 각 조직마다 독립적으로 학습된다고 말합니다. Trebellar는 자체 머신러닝 인프라를 운영하고 오픈소스 대형 언어 모델을 지원하며, 외부 엔터프라이즈 LLM 제공업체가 참여할 때는 추상화 메커니즘을 사용합니다.

이러한 보호 조치는 기업 부동산 분야에서 특히 중요합니다. 해당 데이터셋은 사무실 출석, 기업 확장 계획 및 조직 구조와 같은 민감한 정보를 간접적으로 드러낼 수 있기 때문입니다.

사이드 프로젝트에서 기업 부동산 AI로

Trebellar의 시작은 상업용 부동산과는 다소 거리가 있습니다.

회사는 팬데믹 시기로 그 시작을 거슬러 올라갑니다. 공동 설립자 Diego Ferreiro Val와 David Garcia Quintas가 중앙 집중식 홈 자동화 프로젝트를 실험하기 시작했을 때입니다. Ferreiro Val는 Salesforce에서 엔지니어링 부사장이었으며, Garcia Quintas는 Google과 Waymo에서 AI 및 인프라 경험을 가져왔습니다.

홈 자동화 제품은 출시되지 않았습니다.

대신, 이 프로젝트는 Salesforce의 워크플레이스 기술 조직의 관심을 끌었으며, 해당 조직에서는 같은 문제의 더 큰 버전을 다루고 있었습니다. 즉, 분산된 시스템에 흩어져 있는 방대한 건물 및 업무 데이터였습니다.

그 깨달음이 결국 Trebellar가 되었습니다.

그 이후로 회사는 Salesforce, Google, Waymo 및 Verkada에서의 경험을 보유한 인재들로 팀을 확장했습니다. 또한 전 Google 부동산 임원 Dave Radcliffe를 고문으로 영입했습니다. Radcliffe는 Eric Schmidt, Larry Page, Sundar Pichai 재임 기간 동안 Google의 물리적 인프라 확장을 감독하는 데 도움을 주었습니다.

1,800만 달러 시리즈 A, 크지만 간과된 기업 기능을 목표로

새로운 자금 조달은 투자자들이 특화된 AI 시스템이 수동 분석 및 파편화된 워크플로를 대체할 수 있는 기업 분야를 계속 탐색하고 있는 시점에 이루어졌습니다.

법무, 재무, 고객 지원 및 소프트웨어 개발 분야에서는 이미 성장하는 수직형 AI 기업 그룹이 형성되었습니다. 기업 부동산도 유사한 기회를 제공하지만, 재무, 운영 및 물리적 세계 데이터가 이례적으로 복합적으로 얽혀 있습니다.

Trebellar CEO Diego Ferreiro Val는 부동산 팀이 스프레드시트와 컨설턴트에 의존하기보다 내부에서 더 많은 분석을 수행할 수 있어야 한다고 주장합니다.

“우리는 리더들이 스스로 이러한 결정을 내릴 수 있는 독립성을 제공하기 위해 Trebellar를 만들었습니다,” Ferreiro Val가 말했습니다.

다음 단계에서는 해당 접근 방식이 초기 기업 채택자를 넘어 확장될 수 있는지를 시험하게 됩니다.

1,800만 달러의 신규 자금을 확보한 Trebellar는 AI 기술에 추가 투자를 진행하고 엔지니어링 및 영업 팀을 확대할 계획입니다. 더 큰 기회는 기업 부동산을 주기적으로 분석되는 임대 및 건물 컬렉션에서 AI 에이전트가 추론할 수 있는 지속적으로 업데이트되는 데이터셋으로 전환하는 것입니다.

이 전환이 자리 잡으면, 기업이 직원 위치를 결정하고, 유지하는 사무실 공간 규모와 물리적 인프라에 지출하는 비용에 관한 의사결정이 점점 AI에 의해 형성되는 또 다른 기업 워크플로가 될 수 있습니다.