# Built World AI - 건설과 부동산 산업의 AI 전환 전략 > Clean Markdown view of GeekNews topic #24416. Use the original source for factual precision when an external source URL is present. ## Metadata - GeekNews HTML: [https://news.hada.io/topic?id=24416](https://news.hada.io/topic?id=24416) - GeekNews Markdown: [https://news.hada.io/topic/24416.md](https://news.hada.io/topic/24416.md) - Type: news - Author: [neo](https://news.hada.io/@neo) - Published: 2025-11-17T11:01:01+09:00 - Updated: 2025-11-17T11:01:01+09:00 - Original source: [bvp.com](https://www.bvp.com/atlas/roadmap-built-world-ai) - Points: 10 - Comments: 0 ## Summary 건설과 부동산처럼 거대한 산업이 여전히 **디지털 전환의 사각지대**로 남아 있는 지금, **멀티모달 AI**가 이 복잡한 협업 구조를 근본적으로 재설계하는 시점에 도달했습니다. 설계 자동화, 도면 기반 견적, 음성·이미지 중심 현장 관리, 그리고 **인간–로봇 협업**까지, 건설 현장은 CAD 이후 최대의 변화를 맞이하고 있습니다. 부동산 역시 **LLM 기반 브로커 자동화**, **자연어 매물 검색**, **운영 워크플로 오케스트레이션**, **생성형 디자인 시각화**로 빠르게 재편 중입니다. 결국 이 흐름의 핵심은 기술보다 **도메인 깊이와 관계 이해**에 있으며, 현장의 언어를 아는 창업자에게 지금이야말로 산업별 AI의 진짜 기회가 열리는 순간처럼 보입니다. 꽤 생소한 주제인데, 한국에서도 적용이 가능할 까 싶네요. ## Topic Body - **건설과 부동산**이 GDP의 큰 비중을 차지하면서도 디지털 전환이 더딘 상황에서, 언어·이미지·영상이 뒤섞인 복잡한 협업을 다루는 **멀티모달 AI**가 생산성과 안전, 품질을 크게 바꿀 수 있는 시점에 도달했음 - 설계부터 견적, 현장 안전, 지식 관리, 로보틱스까지 **Construction AI**에서 다섯 가지 주요 카테고리, 중개·검색·운영·디자인까지 **Real Estate AI**에서 네 가지 주요 카테고리를 핵심 기회 영역으로 제시 - 건설 분야에서는 **설계 자동 생성**, 도면 기반 **takeoff·견적 자동화**, 음성·이미지 기반 **현장 커뮤니케이션**, 문서 통합 **지식 관리**, 사람과 협업하는 **건설 로봇**이 특히 큰 잠재력을 가진 영역 - 부동산 분야에서는 중개인과 에이전트 업무 자동화, 자연어 기반 **매물 검색·발견**, 레거시 시스템 위에서 동작하는 **운영 자동화**, 그리고 제너레이티브 AI를 활용한 **공간 디자인·시각화**가 주요 기회 - 전반적으로는 **CAD와 SaaS 도입 당시를 넘어서는 변화**가 예상되는 가운데, **데이터 우위·워크플로 통합·관계 중심 산업 특성**을 이해하는 창업자가 **Built World AI**에서 장기적 가치를 만들 수 있을 것 --- ### Built World와 AI 전환 개요 - 건물과 인프라로 이루어진 **Built World**는 사람, 자본, 자재가 정교하게 조합된 거대한 협업 시스템이며, 설계–시공–운영 전 과정에서 방대한 언어·문서 업무가 발생하는 구조 - 스카이라인, 동네, 건물 하나까지 모두 수많은 참여자와 복잡한 절차, 규제, 자본 조달을 아우르는 프로젝트의 결과물 - 설계에는 상상력, 시공에는 규율과 자원, 유지관리에는 긴 시간의 회복력과 지속성이 요구됨 - 미국 경제에서 **건설 1.3조 달러(4.4% GDP), 부동산·임대·리스 4.2조 달러** 규모가 형성되어 있으나, SaaS 혁신의 혜택은 제한적으로만 누려온 상태임 - 두 산업 모두 여러 현장과 이해관계자 간 조율이 핵심이며, 텍스트·이미지·영상이 뒤섞인 고위험 의사결정을 언어로 다루는 특성이 강함 - 지난 20년간 기술 발전이 있었으나 이러한 복잡한 조정 문제를 근본적으로 해결하기에는 충분하지 않았음 - 물리 인프라는 비용, 품질, 안전, 규제 준수 등에서 막대한 책임을 지는 영역이며, **멀티모달 AI**는 이 모든 축을 다시 설계할 도구임 - 2030년을 예상해보면, 스케치에서 즉시 완전한 빌딩 모델이 만들어지고, 도면에서 자동 생성된 견적을 추정자가 조정하며, 현장 안전 리포트가 음성·이미지로 입력될 것 - 주택 검색과 매입, 건물 관리에서도 더 직관적인 탐색과 자동화된 운영 환경이 가능해지게 됨 - **Built World AI**는 CAD와 SaaS에 이은 **또 한 번의 구조적 변곡점**을 만들고, **멀티모달 LLM**과 **새로운 인간–기계 협업 방식**이 중심 축이 될 것 - Bessemer는 **Procore**, **ServiceTitan** 등 기존 포트폴리오에 이어, 건설·부동산 Vertical AI 두 섹터를 핵심 영역으로 바라봄 ### 핵심 인사이트: Built World AI의 기회 - 건설·부동산은 미국 GDP의 거의 **1/4**을 차지하지만, 기술 투자 비중과 디지털화 수준이 다른 산업에 비해 현저히 낮은 상태임 - Deloitte에 따르면 건설업의 기술 투자 비율은 매출의 **2.7%** 에 불과하며, 금융·제조 등은 5–10% 이상을 투자하는 대비가 제시됨 - 정밀함과 조정이 중요한 산업일수록 디지털 인프라 부족이 더 큰 기회 손실로 이어지는 구조임 - **멀티모달 AI** 기술이 설계·시공·운영 전 주기에 걸쳐 작업 방식을 근본적으로 바꿀 수 있는 시점에 도달했음 - 건설 분야에서는 **설계 생성, 물량산출·견적, 현장 조정, 지식 관리, 로보틱스** 다섯 카테고리가 AI 활용의 1차 타깃 - **Design generation**: 코드 준수·비용 최적화가 반영된 2D/3D 설계·모델을 자동 생성해, 기존 CAD 중심 프로세스를 생성형 설계로 전환 - **Takeoff & estimation**: 도면에서 자재·공정 물량을 자동 추출해 견적 담당자가 가격·마진 최적화에 집중 - **On-site coordination**: 현장의 음성·이미지·영상·텍스트를 통합해 커뮤니케이션과 안전 관리를 더 빠르고 선제적으로 만들기 - **Knowledge management**: 계약서, 도면, RFI, 변경 주문 등의 산재된 데이터를 하나의 질의 가능한 진실의 원천으로 통합 - **Construction robotics**: 자연어 인터페이스를 통해 자율·반자율 장비를 제어하는 **인간–로봇 협업** 기반 현장 - 각 영역은 도면, 계약서, RFIs, 변경 주문서, 안전 리포트 등 언어와 도면이 섞인 복잡한 데이터 흐름을 포함함 - 멀티모달 LLM과 도메인 특화 모델이 이러한 흐름을 자동화·보강할 수 있는 위치에 도달 - 부동산에서는 4가지 기회를 중심으로 LLM과 생성형 모델이 역할을 확장 - 브로커·에이전트 업무 자동화, 고객의 매물 검색과 발견, 레거시 시스템 기반 운영 자동화, 제너레이티브 AI를 활용한 디자인·시각화 - 관계 중심·로컬 지식 기반 산업 특성상, 인간 중심 구조는 유지하되 행정·반복 업무를 대폭 줄이는 방향이 강조됨 - 건설·부동산 전반에서 **도메인 특화 데이터, 깊은 통합, 인센티브 정렬, 사용자 공감**을 갖춘 제품이 Vertical AI 기업의 핵심 경쟁력 - 단순 자동화가 아니라 수익성(마진), 리스크, 신뢰를 함께 개선하는 워크플로 설계가 중요 축 ### # [I\. Construction AI: 왜 지금인가] - 지난 60여 년 동안 미국 전체 노동생산성은 **290% 이상** 증가했지만, 건설 노동생산성은 1970–2020년 사이 연평균 약 1%씩 감소하는 흐름을 보여 왔음 - 건설은 700만 명 이상을 고용하고 연간 1.3조 달러 가치를 창출하지만, 생산성 정체가 성장의 발목을 잡는 구조임 - 문제는 노력이나 전문성 부족이 아니라, 복잡한 이해관계자와 공정 간 조정의 난이도에 있음 - 건설 생태계는 **주거·상업·산업·인프라** 네 서브섹터로 나뉘며, Procore, Autodesk 등 소프트웨어가 이들을 연결하는 기본 인프라 역할을 수행함 - 그럼에도 불구하고, 지속적인 노동력 부족(수요를 맞추려면 2026년에만 약 50만 명 추가 필요 추정), 금리 상승, 원자재 가격 변동, 정책·공급망 충격 등 구조적 역풍에 직면해 있음 - Deloitte 자료에 따르면 건설사는 연 매출의 **2.7%만 기술에 투자**하고 있으며, 이는 조사가 이뤄진 산업 중 최저 수준 - 금융이나 제조는 5~10% 이상을 기술에 쓰는 경우가 많은 것과 대비됨 - 건설 프로젝트는 계약서, 도면, 공사 문서, 프로젝트 계획, 안전 리포트, 발주서, 변경 주문서, 검사 리포트 등 **언어와 도면이 뒤섞인 멀티모달 데이터**를 중심으로 돌아가는 업무임 - 일반·하청 시공사, 엔지니어, 규제기관, 금융기관, 보험, 오너 등 **15개 이상 이해관계자 그룹**이 프로젝트에 관여하는 복잡한 구조 - 설계–프리컨스트럭션–시공–클로즈아웃 각 단계마다 책임과 정보 흐름에서 마찰이 발생함 - **멀티모달 LLM 기반 Construction 특화 애플리케이션**이 등장하면서, 가장 큰 병목이었던 **조정 문제와 지식 흐름 문제**를 해결할 수 있는 기술적 기반이 갖춰지고 있음 - 파라메트릭 설계, 기하학 처리 등은 여전히 어려운 연구 주제이지만, 관련 AI/ML 논문과 학술 커뮤니티, 전용 기관과 컨퍼런스가 빠르게 늘어나는 추세임 - 이 흐름이 Construction AI 스타트업 설립 및 액셀러레이터 코호트 확대로 이어지고 있음 #### Construction AI의 5가지 주요 카테고리 - ## 1\. 설계 생성 (Architecture & Design) - 현재 빌딩 설계는 **AutoCAD, Revit** 등 디지털 설계 도구에 의존하지만, 진짜 자동화 수준은 낮고 고도의 전문성을 요구하는 상태임 - 설계안 변경이나 코드 업데이트가 있을 때마다 2D 도면·3D 모델 전체를 수동으로 수정해야 하는 부담이 큼 - 이 도구들은 정밀도에는 강하지만 **빠른 반복과 실험에는 약해**, 설계 변경 속도가 느려지고 창의성도 제한되는 구조임 - **코드 준수, 비용 최적화, 고객 요구 반영**까지 포함한 설계·시공 도면과 문서를 즉시 생성하는 시스템이 구현될 경우, 설계 속도는 최대 10배까지 빨라질 잠재력이 있음 - 건축가, 구조 엔지니어, MEP 디자이너가 반복적인 수작업 대신 고차원 설계 의사결정에 집중할 수 있게 됨 - **Higharc, Finch, Augmenta** 등 여러 회사가 파라메트릭 생성과 추론을 결합한 생성형 설계 플랫폼을 구축 중 - 건설이 본질적으로 기하학과 제약 조건의 조합인 만큼, 기하학 복잡성을 깊이 이해하고 생성할 수 있는 능력이 지속 가능한 차별화 요소가 될 것 - ## 2\. 프리컨스트럭션: 물량산출과 견적 (Takeoff & Estimation) - 미국 내에서만 **20만 명 이상 추정사(Estimator)** 가 건설의 재무적 기반을 떠받치고 있으나, 여전히 수작업·반복·오류 가능성이 높은 워크플로에 의존하고 있음 - ‘Takeoff’라는 용어 자체가 종이 도면에서 치수를 재고 자재를 일일이 손으로 하나씩 세던 시절에서 유래한 개념임 - 기존 소프트웨어를 사용해도 벽·창·바닥 등 각 부위별 어셈블리 정의, 자재 수량 측정, 인건비와 자재비 정리를 일일이 수행해야 함 - 설계 변경이나 단가 변동이 발생할 때마다 다시 계산하는 작업이 요구되며, 데이터 기반이어야 할 프로세스가 **합리적 추측(educated guess)’** 에 가깝게 변질됨 - 한 뉴욕 하청업체 CFO는 연간 365개 프로젝트를 수행할 때마다 “365번의 도박을 한다”는 표현을 사용할 정도로 리스크가 큰 구조임 - **Bild AI, Drawer AI, SketchDeck AI** 등은 설계 변경에 맞춰 어셈블리와 물량산출을 자동화해 추정사가 마진과 가격 전략에 더 집중하도록 돕는 방향으로 제품을 개발 중임 - 이미지·영상까지 해석 가능한 멀티모달 모델이 도면, 스펙, 현장 데이터를 더 정교하게 이해하면서 이 영역 자동화를 가속할 기반이 됨 - ## 3\. 현장 커뮤니케이션과 조정 (On-site Communication & Coordination) - 현장 커뮤니케이션과 안전 관리는 여전히 **이메일, 전화, 문자, 종이 로그, 스프레드시트**가 뒤섞인 **파편화된 채널**에 흩어져 있음 - 안전 프로그램도 정기 점검과 체크리스트 중심으로, 위험이 이미 발생한 뒤에야 드러나는 경우가 많다는 한계가 있음 - 선도적인 플랫폼조차 수동 데이터 입력 의존도가 높고, 실시간 번역이나 맥락 이해, 인사이트 제공 기능이 부족한 상태임 - 현장 소장과 작업자가 **음성만으로 다국어 RFI, 현장 리포트, 안전 관찰을 남기면 타임스탬프·다국어·도면·일정·위치와 자동 연결** 되는 환경이 만들어져야 함 - 구두 지시, 진행 상황 메모, 질의가 구조화된 검색 가능한 프로젝트 기록으로 축적되어, 언어·근무조·공정과 무관하게 모든 참여자가 같은 정보를 공유하는 형태 - **음성·이미지·비디오·텍스트를 결합한 멀티모달 LLM**을 통해, **더욱 빠른 조율, 선제적 안전 개입, 위험 인지가 높은 현장**을 만드는 도구들이 **다음 세대 Construction 소프트웨어의 특징** - ## 4\. 지식 관리 (Knowledge Management) - 프로젝트 매니저는 프로젝트 관리 툴, 이메일, 메신저 등 여러 채널을 전전하며 필요한 정보를 찾거나 충돌을 해결해야 하는 상황에 자주 놓임 - 핵심 데이터가 팀별로 고립되거나 긴 대화 스레드 속에 묻혀, 의사결정 및 일정 지연과 오류, 납기 문제로 이어지는 구조 - **하나의 플랫폼**에서 프로젝트 매니저가 **자연어로 질문해 필요한 문서를 즉시 찾고**, **복잡한 기술 질문에 대한 답**을 얻고, **비용·일정에 영향을 주기 전에 조정 이슈를 해결**하는 **지식 허브**가 필요함 - RFIs, 변경 주문, 계약서, 도면 등 이질적인 소스 간 관계를 언어 질의 기반으로 탐색할 수 있는 형태 - **Trunk Tools, TwinKnowledge** 등은 계약서, 도면, RFI, 변경 주문 등 파편화된 문서를 연결해 프로젝트 지식 흐름을 재구성 - 자연어 기반 **질의·응답형 프로젝트 관리**를 가능하게 하려는 시도를 하고 있음 - ## 5\. 건설 로보틱스 (Construction Robotics) - 노동력 부족, 안전 리스크, 자재 비용 상승으로 현장 작업은 점점 비싸고 확장하기 어려운 구조가 되고 있음 - 다른 산업에서 자동화가 크게 진행되었음에도, 많은 건설 프로세스는 여전히 수작업 중심으로 남아 있음 - 데이터센터 등 주요 인프라 수요가 급증하는 상황에서 기존 방식만으로는 확장성이 떨어지는 구조 - **자율·반자율 로봇 시스템**이 작업자와 함께 일하면서, **한 명이 여러 대의 장비를 자연어로 제어하는 현장**이 된다면 인력과 장비 활용도를 동시에 높일 수 있는 잠재력이 큼 - Terrafirma, Bedrock Robotics 등은 기존 장비를 개조해 자율·반자율 운용이 가능하도록 만들고 있음 - 다음 단계 생산성 향상은 **사람–기계 협업**에서 나올 것이며 - 초기에는 포인트·클릭 기반 제어에서 이후 **자연어로 여러 장비를 동시에 다루는 방향**으로 발전하게 될 것 #### Construction AI 창업자를 위한 5가지 원칙 - **가치 창출(Value Creation)**: 단순 효율 개선이 아니라, 명확한 비용 절감 또는 매출/마진 개선 등 **측정 가능한 재무 임팩트**를 제공하는 제품 설계가 중요함 - **페인 포인트(Pain Points)**: 한 팀의 단편적 업무가 아니라, **프로젝트 납기와 성과에 직접 영향을 주는, 여러 이해관계자가 얽힌 핵심 병목 구간**을 공략해야 의미 있는 변화를 줄 수 있음 - **데이터 우위(Data Advantage)**: 비용 라이브러리, 주석 달린 도면, 프로젝트 이력 등 **도메인 특화 데이터 자산**을 확보해서 장기적인 데이터 우위를 만드는 전략을 취해야, 시간이 지날수록 쌓이는 방어력을 구축 가능 - **통합 깊이(Integration Depth)**: 기존 프로세스·툴과 깊게 통합해 도입 장벽을 최소화하고, 현장·프로젝트·팀에 **자연스럽게 퍼지는 워크플로**를 만드는 것이 중요함 - **사용자 공감(User Empathy)**: 건축가, 추정사(Estimator), 현장 소장, 프로젝트 엔지니어, 작업자 **각 역할의 맥락과 제약, 동기**를 세밀하게 이해하고, 그 현실을 반영한 제품 경험을 설계해야 함 ### # [II\. Real Estate AI] #### 왜 지금인가: 관계 중심 산업과 언어 모델 - 공사가 끝난 뒤 건물은 임차인과 입주자를 맞이하며, **분양·임대·결제·자산 관리·유지보수**로 이어지는 새로운 가치 사슬에 들어감 - 자산 유형(주거·상업·산업·특수 목적)에 따라 흐름은 다르지만 공통적으로 **신뢰와 관계, 로컬 지식에 기반한 비즈니스**라는 특징을 가짐 - 현재 시장은 공급–수요 불균형, 기록적인 주거 비용 부담, 운영 비용 상승 등 거시적 압력을 받는 구조적 어려움에 직면해 있음 - 하지만 개발사, 브로커, 자산 소유자, 운영사 등 주요 플레이어는 여전히 수작업·산재된 데이터·낡은 소프트웨어에 의존하고 있음 - 데이터는 **스프레드시트, PDF, 레거시 자산 관리·리스팅 시스템** 등 다양한 곳에 흩어져 있어 비효율과 기회 손실이 발생 - 멀티모달 AI는 **비정형 데이터를 가로질러 이해·추론**할 수 있게 하면서, 가치 사슬 전체에서 자동화와 인사이트 제공 가능성을 열어줌 - 기존 시스템과의 통합이 점점 용이해지면서, 부동산 산업에서도 수십년만에 **Real Estate AI로 인한 생산성 도약**이 가능한 시점이 됨 - 부동산은 본질적으로 **사람과 사람이 대화하는 비즈니스**로, 로컬 전문성과 신뢰가 결과를 결정함 - 미국에서만 브로커 커미션이 연간 1,000억 달러 이상, MLS(부동산 매물 리스팅) 데이터베이스가 500개 이상으로 분절되어 있고, 주택 거래 완료까지 30–60일 이상이 걸리는 비효율 구조가 유지되고 있음 - LLM과 에이전트 기술은 반복적인 언어·행정 업무를 줄이고, 더 나은 의사결정과 관계 형성을 돕는 방향으로 역할을 할 수 있는 위치에 있음 #### Real Estate AI의 4가지 주요 카테고리 - ## 1\. 브로커·에이전트 업무 자동화 - 부동산 에이전트와 브로커는 관계 구축이 핵심 역할이지만, 실제 시간 대부분을 **리드 발굴·리드 검증·투어 일정 조율·가치 의견 작성·컴플라이언스 관리·서명 수집** 등 **행정 업무**에 쓰고 있음 - AI 시대에는 이런 반복적·언어 중심 워크플로를 자동화할 여지가 매우 큼 - **Serif, Fyxer**는 이메일 자동화에 초점을 맞추고, **Closera, HenryAI**는 마케팅과 가치 평가 도구를 제공하는 형태로 각기 다른 워크플로를 겨냥하고 있음 - **TurboHome** 같은 AI 기반 브로커리지는 에이전트에게 AI 도구를 제공해 워크플로를 자동화하고, 절감된 비용을 수수료 인하 형태로 고객에게 환원하는 모델을 구축 - ## 2\. 자산 검색과 발견 (Property Search & Discovery) - 상업·주거 영역 모두에서 전통적인 매물 리스팅 포털은 여전히 **기본 필터·정적 속성**에 의존하고 있고, - **동네 특성, 투자 잠재력, 자산(건물) 상태** 등 중요한 맥락은 잘 담지 못하는 한계가 있음 - 상업 부동산에서는 **여러 소스의 비정형 데이터를 처리해 입지 전략을 최적화하는 AI 기반 사이트 선정 도구**들이 등장 - 기업이 더 빠르고 데이터 기반으로 위치를 결정할 수 있게 하는 것이 목표 - 소비자 측에서는 **자연어 기반 질의와 개인화된 검색 경험**을 제공하는 다음 세대 플랫폼이 등장하고 있음 - 구매자는 **대화형 질의를 통해 원하는 매물을 찾고, 투어를 예약하고, 서류 작업을 에이전트형 워크플로로 처리하며, 중개 수수료를 줄일수 있음** - **Zillow의 ChatGPT 통합**은 부동산 검색이 단순 조회에서 **전체 부동산 구매 여정을 돕는 코파일럿으로 확장**되는 방향의 초기 사례 - ## 3\. 자산 관리 (Property Management) - 가장 큰 기회 중 하나로, **레거시 property management 플랫폼 위에서 LLM 기반 워크플로를 구축**하는 것 - 25년 이상 된 기존 시스템들이 여전히 산업의 운영 백본이지만, 현대적인 반응성과 사용자 경험을 제공하지 못하는 상태 - 스타트업은 이 시스템을 **완전히 대체하기보다 깊이 통합해 기능을 확장**하는 방식으로 기회를 찾을 수 있음 - 기존 시스템위에 **LLM 워크플로 오케스트레이션 레이어**를 얹기 - EliseAI, SurfaceAI는 기존 자산 관리 시스템과 깊게 통합해 - **임대·갱신·유지보수·세입자 커뮤니케이션**까지 수직적으로 특화된 워크플로를 오케스트레이션 - 특히 다가구 주택 운영에서 **수익 인사이트 발굴, 워크플로 자동화, 운영 효율 개선**을 돕는 **AI 에이전트 플랫폼**의 모습을 보임 - ## 4\. 디자인과 시각화 (Design & Visualization) - 물리적·가상 스테이징, 인테리어 레이아웃, 디자인 시각화는 여전히 **느리고 비싸며 개인화가 어렵고** 상상력을 돕는 도구가 부족한 영역 - 주거 쪽 에이전트는 각 구매자의 취향이나 리모델링 계획에 맞춰 비주얼을 맞추기 어렵고, - 상업 쪽 에이전트도 공간이 특정 비즈니스의 워크플로에 맞게 변했을 때 어떤 모습일지 보여줄 도구가 부족 - 현재의 콘텐츠 제작은 사진·영상·편집 인력에 비용이 많이 들고, 개인화 수준이 낮으며, 채널·타깃에 맞게 콘텐츠를 세밀하게 조정하기도 쉽지 않음 - **Spacely AI, Kassa, Gendo, Renovate AI** 같은 생성형 도구는 **시각화·개인화·스토리텔링 단계를 거의 즉시 처리**하도록 만들어, 비용과 리드타임을 크게 줄이는 방향을 제시함 - 처음부터 **생성형 AI를 전제로 디자인·마케팅·경험을 재구성**하는 스타트업들이 **부동산 디자인·콘텐츠 제작 방식**을 바꾸고 있음 #### Real Estate AI 창업자를 위한 5가지 원칙 - **가치 창출(Value Creation)**: 외주·행정 업무 축소, 리드 전환율 개선, 거래 기간 단축 등으로 **측정 가능한 매출 성장 또는 비용 절감**을 만들어낼 수 있어야 함 - **워크플로 밀도(Workflow Density)**: 신뢰 형성을 위해, 좁은 기능 하나만 해결하기보다 **판매·임대처럼 복잡하고 감정이 개입된 여정을 처음부터 끝까지 관리하는 제품**이 가장 가치가 있음 - **프로프라이어터리·로컬 데이터(Proprietary, Localized Data)**: 시장 행동, 용도지역(zoning) 특성, 관계 네트워크를 반영한 **하이퍼로컬 데이터 플라이휠**을 쌓아 정확도와 방어력을 강화하는 전략이 중요함 - **인센티브 정렬(Incentive Alignment)**: 소유주, 운영자, 세입자, 에이전트 **모두가 이득을 얻는 구조**를 설계해, 마찰을 줄이고 도입과 전파 속도를 높이는 것이 필요함 - **관계 고려(Account for Relationships)**: 부동산은 관계 중심 산업이므로 자동화와 함께 **에이전트·소유자·운영자·구매자·임차인의 경험자체를 개선하는 설계**가 필요 ### Bessemer Built World AI 포트폴리오 예시와 투자 의도 Bessemer는 Built World와 AI 교차 지점에서 이미 여러 회사를 지원하고 있으며, **건설 관리, 현장 운영, 부동산 마케팅, 유지보수, 세금·규제 대응** 등 다양한 부분을 포트폴리오로 가지고 있음 - Construction 쪽 주요 예시 - **Procore**: 문서, 예산, 일정 관리를 하나의 시스템으로 통합하는 **클라우드 기반 건설 관리 플랫폼**으로, 다양한 이해관계자를 연결하는 역할 - **ServiceTitan**: HVAC, 배관, 전기 등 트레이드 비즈니스를 위한 **엔드 투 엔드 운영 소프트웨어**로, 스케줄링, 디스패치, 청구, 결제를 모두 포함 - **Capmo**: 건설 매니저에게 프로젝트 전체 상황을 한눈에 보여주는 **스마트 프로젝트 어시스턴트** 역할 - **Curri**: 건설·산업용 자재를 빠르게 운송할 수 있도록 하는 **기술 기반 배송 플랫폼**으로, 고객이 더 빠르게 움직이고 공급 제약 없이 납품하게 돕는 역할 - **MaintainX**: 여러 산업(시설·부동산 포함)에서 유지보수를 효율화하는 **CMMS(Computerized Maintenance Management System,컴퓨터화 유지보수 관리 시스템)** - **Miter**: 계약자(컨트랙터)를 위한 **HR·재무·운영 앱 묶음**을 제공해 비즈니스 운영을 단순화 - Real Estate 및 주변 서비스 쪽 예시 - **EliseAI**: 주거·헬스케어 조직의 커뮤니케이션을 자동화해 운영 효율을 높이는 **자동화·대화형 AI 플랫폼** - **Hatch**: 홈서비스·리모델링 등 분야에서 고객 경험을 개선하고 매출 성장을 돕는 **AI 기반 고객 서비스 팀 솔루션** - **LuxuryPresence**: 에이전트가 더 많은 고객을 유치하고 효율적으로 일할 수 있도록 돕는 **부동산 에이전트용 AI 마케팅 플랫폼** - **Ownwell**: 세금 이의제기, 감면, 정정을 전 과정 관리해 **부동산 보유 비용을 낮추는 소프트웨어** - **Rilla**: 자동차 서비스, 홈서비스, 주택 건설 등에서 **AI 기반 세일즈 코칭**을 제공하는 솔루션 - **Rundoo**: 독립 자재 상점의 고객 확보와 운영 효율을 높이는 **올인원 소프트웨어** - **SurfaceAI**: 다가구 주택 운영사를 위한 **AI 에이전트 플랫폼**으로, 매출 기회 발굴, 워크플로 자동화, 운영 최적화를 지원 - **VTS**: 상업용 부동산 오너와 운영자를 위한 **통합 플랫폼**으로, 리스, 시장 인텔리전스, 테넌트 경험 워크플로를 하나로 관리하게 함 - **WiredScore**: WiredScore, SmartScore 인증을 통해 **디지털 연결성과 스마트 빌딩 수준에 대한 글로벌 벤치마크**를 설정하는 조직 ## Comments _No public comments on this page._