Trebellar ระดมทุน Series A มูลค่า $18 ล้าน เพื่อทำให้ AI Agents เข้าถึงอสังหาริมทรัพย์องค์กร

Trebellar ได้ระดมทุน $18 ล้านในการระดมทุนรอบ Series A เพื่อตั้งเป้าหนุน AI agents และการตัดสินใจอัตโนมัติให้กับหนึ่งในฟังก์ชันขององค์กรที่ยังคงพึ่งพาสเปรดชีต, ซอฟต์แวร์ที่แยกจากกันและที่ปรึกษาภายนอกอย่างมาก: อสังหาริมทรัพย์องค์กร

รอบการระดมทุนนี้นำโดย Blossom Capital, โดยมีการเข้าร่วมจาก Haystack, Alt Capital, 1Flourish และ Bynd. Trebellar กล่าวว่าเงินทุนใหม่จะถูกใช้เพื่อขยายทีมวิศวกรรมและทีม go-to-market, เสริมความสามารถ AI ของบริษัทและขยายฐานลูกค้าองค์กร

บริษัทที่ตั้งอยู่ในซานฟรานซิสโกนี้ได้ดึงดูดลูกค้ารายใหญ่หลายรายแล้ว รวมถึง Meta, Uber, Merck และ Cohesity ซึ่งทำให้บริษัทได้เปรียบในตลาดเริ่มต้นในหมู่องค์กรที่จัดการพอร์ตโฟลิโออสังหาริมทรัพย์ขนาดใหญ่และซับซ้อน

สำหรับ Trebellar โอกาสนี้ไม่ได้เป็นเพียงการแทนที่สเปรดชีตด้วยแดชบอร์ดอีกอันหนึ่ง บริษัทกำลังพยายามสร้างชั้น AI‑native ที่สามารถเข้าใจพอร์ตโฟลิโออสังหาริมทรัพย์ขององค์กร วิเคราะห์อย่างต่อเนื่องว่าพอร์ตโฟลิโอนั้นถูกใช้อย่างไร และช่วยทีมทำการตัดสินใจเกี่ยวกับทุกอย่างตั้งแต่สัญญาเช่าและการใช้สำนักงานจนถึงทำเลในอนาคต

อสังหาริมทรัพย์องค์กรมีปัญหาข้อมูล

บริษัทขนาดใหญ่สร้างข้อมูลจำนวนมหาศาลเกี่ยวกับรอยเท้าทางกายภาพของพวกเขา

สัญญาเช่ามีพันธะทางการเงินและวันที่ต่ออายุ ระบบบัตรพนักงานและเครือข่าย WiFi ให้สัญญาณเกี่ยวกับการเข้าร่วมสำนักงาน แพลตฟอร์มการจองห้องแสดงให้เห็นว่าพนักงานใช้พื้นที่ประชุมอย่างไร ระบบทรัพยากรมนุษย์มีข้อมูลจำนวนพนักงานและข้อมูลองค์กร ในขณะที่แบบสำรวจสามารถเปิดเผยว่าพนักงานจริง ๆ แล้วพบว่าการมีสำนักงานเป็นประโยชน์หรือไม่

ปัญหาคือข้อมูลส่วนใหญ่เหล่านี้โดยปกติจะอยู่ในระบบแยกต่างหาก

ก่อนที่ทีมอสังหาริมทรัพย์องค์กรจะตัดสินใจว่าจะต่อสัญญาเช่า ลดขนาดสำนักงาน ขยายสู่ตลาดอื่น หรือเปลี่ยนนโยบายที่ทำงาน นักวิเคราะห์อาจต้องรวบรวมและทำความสอดคล้องข้อมูลจากสเปรดชีต, PDF และหลายแพลตฟอร์มซอฟต์แวร์ก่อน

Trebellar กำลังสร้างแพลตฟอร์มของตนโดยอิงกับ ชั้นข้อมูลรวม ที่ออกแบบมาเพื่อรวบรวมและทำให้ข้อมูลเหล่านั้นเป็นมาตรฐานก่อนนำ AI ไปใช้ ระบบสามารถรวมข้อมูลสัญญาเช่าและค่าใช้จ่ายการดำเนินงาน, ข้อมูลตลาด, ข้อมูลการครอบครองจากบัตรพนักงาน, WiFi และเซนเซอร์, ระบบการจองพื้นที่, แพลตฟอร์ม HR และแบบสำรวจพนักงาน บริษัทต่าง ๆ ยังสามารถเพิ่มข้อมูลผ่าน API, การอัปโหลด CSV และการวิจัยภายในหรือเอกสารนโยบายได้อีกด้วย

พื้นฐานข้อมูลนั้นสำคัญเพราะ AI ขององค์กรจะมีประโยชน์อย่างมากเมื่อโมเดลสามารถวิเคราะห์ข้อมูลการดำเนินงานที่มีโครงสร้างได้ แทนที่จะเป็นการจัดการกับเอกสารที่แยกกันเป็นส่วนๆ

ย้ายจากแดชบอร์ดสู่ AI Agents

เมื่อข้อมูลนั้นเชื่อมต่อแล้ว แพลตฟอร์ม AI ของ Trebellar จะใช้การผสมผสานของ AI agents, large language models และโมเดลการเรียนรู้ของเครื่องเพื่อการตัดสินใจด้านอสังหาริมทรัพย์องค์กร

แทนที่จะต้องให้ผู้ใช้ประกอบแดชบอร์ดด้วยตนเอง Trebellar ทำให้ทีมสามารถตั้งคำถามเกี่ยวกับพอร์ตโฟลิโอของตนและสร้างรายงาน, คำแนะนำ หรือการวิเคราะห์เกี่ยวกับปัญหาเฉพาะได้

เอเจนต์ที่ออกแบบตามงานของมันสามารถจัดการด้านต่าง ๆ เช่น การจัดการพอร์ตโฟลิโอ, กลยุทธ์และการวางแผนทำเล แพลตฟอร์มสามารถวิเคราะห์ประสิทธิภาพของสัญญาเช่าและทำเล, ทำการให้คะแนนทำเล, สร้างโมเดลสถานการณ์อุปสงค์และอุปทานที่แตกต่างและสร้างงานวิจัยเกี่ยวกับตลาดที่เป็นไปได้

โมเดลพยากรณ์เพิ่มชั้นอีกชั้นหนึ่ง Trebellar กล่าวว่าเทคโนโลยีของบริษัทสามารถคาดการณ์การเข้าร่วมสำนักงาน, ตรวจจับการเปลี่ยนแปลงที่ไม่ปกติในรูปแบบการทำงานและช่วยบริษัทประเมินว่าการจัดสรรบุคลากรหรือบริการควรปรับอย่างไรตามการใช้งานที่คาดการณ์ไว้

สิ่งนี้ทำให้ซอฟต์แวร์เข้าใกล้ระบบสนับสนุนการตัดสินใจมากกว่าผลิตภัณฑ์ BI แบบดั้งเดิม

ตัวอย่างเช่น บริษัทที่กำลังประเมินว่าต้องการสำนักงานเฉพาะหรือไม่ สามารถรวมค่าใช้จ่ายเช่า, แนวโน้มการใช้พื้นที่, ตำแหน่งพนักงาน, เวลาเดินทางและความรู้สึกต่อที่ทำงานเข้าด้วยกัน แทนการประเมินแต่ละตัวแปรแยกกัน

การสร้างโมเดลสถานการณ์ยังช่วยให้ทีมทดสอบว่าการเปลี่ยนแปลงพอร์ตโฟลิโอจะส่งผลต่อค่าใช้จ่าย, ความจุ หรือการเข้าถึงของพนักงานอย่างไร ก่อนทำการตัดสินใจ

AI ที่สร้างขึ้นโดยอิงข้อมูลอสังหาริมทรัพย์

บริษัท AI แนวตั้งกำลังสร้างความแตกต่างโดยการสร้างระบบที่อิงโครงสร้างข้อมูลและกระบวนการทำงานของอุตสาหกรรมเฉพาะ มากกว่าการเพิ่มแชทบอททั่วไปลงในซอฟต์แวร์ที่มีอยู่

Trebellar กำลังใช้แนวทางนี้กับอสังหาริมทรัพย์

บริษัทกล่าวว่าโมเดลของพวกเขาถูกออกแบบโดยอิงข้อมูลการครอบครอง, สถานที่ทำงานและสัญญาเช่า ในขณะที่เอเจนต์ AI ของบริษัทได้รับการฝึกเพื่อทำการวิเคราะห์อสังหาริมทรัพย์เฉพาะ เทคโนโลยีกลยุทธ์ทำเลของบริษัท, ตัวอย่างเช่น, สามารถรวมข้อมูลสาธารณะกับข้อมูลตลาด, ประชากร, การขนส่งและข้อมูลความสามารถเมื่อประเมินทำเลที่เป็นไปได้

สถาปัตยกรรมยังมีส่วนประกอบด้านความปลอดภัยขององค์กรด้วย

Trebellar ได้รับการรับรอง SOC 2 Type II และบริษัทระบุว่าโมเดลการเรียนรู้ของเครื่องที่พึ่งพาข้อมูลลูกค้านั้นได้รับการฝึกแยกกันสำหรับแต่ละองค์กร แทนการรวมชุดข้อมูลของลูกค้าเข้าด้วยกัน Trebellar ยังดำเนินการโครงสร้างพื้นฐานการเรียนรู้ของเครื่องของตนเองและสนับสนุนโมเดลภาษาใหญ่แบบโอเพ่นซอร์ส พร้อมใช้กลไกการแยกชั้นเมื่อมีผู้ให้บริการ LLM ระดับองค์กรภายนอกเข้ามาเกี่ยวข้อง

มาตรการป้องกันเหล่านี้มีความสำคัญเป็นพิเศษสำหรับอสังหาริมทรัพย์เชิงพาณิชย์ เนื่องจากชุดข้อมูลอาจเปิดเผยข้อมูลที่ละเอียดอ่อนโดยอ้อมเกี่ยวกับการเข้าร่วมสำนักงาน แผนการขยายของบริษัท และโครงสร้างองค์กร

จากโครงการด้านข้างสู่ AI อสังหาริมทรัพย์เชิงพาณิชย์ระดับองค์กร

ต้นกำเนิดของ Trebellar ค่อนข้างห่างไกลจากอสังหาริมทรัพย์เชิงพาณิชย์

บริษัทสืบค้นรากฐานของตนกลับไปสู่ช่วงการระบาดใหญ่ เมื่อผู้ร่วมก่อตั้ง Diego Ferreiro Val and David Garcia Quintas เริ่มทดลองโครงการอัตโนมัติภายในบ้านแบบศูนย์กลาง Ferreiro Val เคยดำรงตำแหน่ง VP of Engineering ที่ Salesforce ส่วน Garcia Quintas นำประสบการณ์ด้าน AI และโครงสร้างพื้นฐานจาก Google และ Waymo มาร่วม

ผลิตภัณฑ์อัตโนมัติภายในบ้านนั้นไม่เคยเปิดตัว

แต่โครงการนี้กลับดึงดูดความสนใจจากองค์กรเทคโนโลยีด้านที่ทำงานของ Salesforce ซึ่งทีมต่าง ๆ กำลังเผชิญกับปัญหาในระดับที่ใหญ่กว่าเดิม: ปริมาณข้อมูลอาคารและสถานที่ทำงานจำนวนมหาศาลที่กระจายอยู่ในระบบที่ไม่เชื่อมต่อกัน

การตระหนักนั้นในที่สุดก็กลายเป็น Trebellar

ตั้งแต่นั้นบริษัทได้ขยายทีมด้วยประสบการณ์ที่ครอบคลุม Salesforce, Google, Waymo และ Verkada นอกจากนี้ยังได้เพิ่มอดีตผู้บริหารอสังหาริมทรัพย์ของ Google Dave Radcliffe เข้ามาเป็นที่ปรึกษา Radcliffe มีส่วนช่วยดูแลการขยายพื้นที่กายภาพของ Google ตลอดช่วงการดำรงตำแหน่งของ Eric Schmidt, Larry Page และ Sundar Pichai

$18M ซีรีส์ A มุ่งเน้นฟังก์ชันระดับองค์กรที่ใหญ่แต่มักถูกมองข้าม

เงินทุนใหม่มาถึงขณะที่นักลงทุนยังคงมองหาแวดวงระดับองค์กรที่ระบบ AI เชิงพิเศษสามารถทดแทนการวิเคราะห์ด้วยมือและกระบวนการทำงานที่กระจัดกระจาย

กฎหมาย การเงิน การสนับสนุนลูกค้า และการพัฒนาซอฟต์แวร์ได้สร้างกลุ่มบริษัท AI แนวตั้งที่เติบโตขึ้นแล้ว ส่วนอสังหาริมทรัพย์เชิงพาณิชย์ก็มีโอกาสคล้ายคลึง แต่มีการผสมผสานข้อมูลทางการเงิน การดำเนินงาน และข้อมูลโลกกายภาพที่ซับซ้อนเป็นพิเศษ

CEO ของ Trebellar Diego Ferreiro Val แย้งว่าทีมอสังหาริมทรัพย์ควรสามารถทำการวิเคราะห์เหล่านี้ได้ภายในองค์กรมากกว่าพึ่งพาแผ่นสเปรดชีตและที่ปรึกษา

“เราได้สร้าง Trebellar เพื่อให้ผู้นำมีอิสระในการตัดสินใจเหล่านี้ด้วยตนเอง” Ferreiro Val กล่าว

ขั้นตอนต่อไปจะทดสอบว่าการดำเนินแนวทางนี้สามารถขยายขนาดได้เกินผู้รับเอ็นเทอร์ไพรส์รายแรกหรือไม่

ด้วยเงินทุนใหม่จำนวน 18 ล้านดอลลาร์ Trebellar มีแผนจะลงทุนต่อในเทคโนโลยี AI ของตนพร้อมขยายทีมวิศวกรรมและทีมเชิงพาณิชย์ โอกาสที่ใหญ่ขึ้นคือการเปลี่ยนอสังหาริมทรัพย์เชิงพาณิชย์จากการวิเคราะห์เป็นระยะของสัญญาเช่าและอาคารให้กลายเป็นชุดข้อมูลที่อัปเดตอย่างต่อเนื่องซึ่งเอเย่นต์ AI สามารถให้เหตุผลได้

หากการเปลี่ยนแปลงนั้นเกิดขึ้น การตัดสินใจเกี่ยวกับที่ตั้งของพนักงาน จำนวนพื้นที่สำนักงานที่บริษัทรักษาไว้ และค่าใช้จ่ายในโครงสร้างพื้นฐานกายภาพอาจกลายเป็นกระบวนการทำงานระดับองค์กรอีกหนึ่งที่ถูกขับเคลื่อนโดย AI อย่างเพิ่มขึ้น