▲

Built World AI - 건설과 부동산 산업의 AI 전환 전략

 (bvp.com)
9P by neo 2일전 | ★ favorite | 댓글과 토론
  • 건설과 부동산이 GDP의 큰 비중을 차지하면서도 디지털 전환이 더딘 상황에서, 언어·이미지·영상이 뒤섞인 복잡한 협업을 다루는 멀티모달 AI가 생산성과 안전, 품질을 크게 바꿀 수 있는 시점에 도달했음
  • 설계부터 견적, 현장 안전, 지식 관리, 로보틱스까지 Construction AI에서 다섯 가지 주요 카테고리, 중개·검색·운영·디자인까지 Real Estate AI에서 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 로봇이 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·시각화가 주요 기회
  • 전반적으로는 CAD와 SaaS 도입 당시를 넘어서는 변화가 예상되는 가운데, 데이터 우위·워크플로 통합·관계 중심 산업 특성을 이해하는 창업자가 Built World AI에서 장기적 가치를 만들 수 있을 것

Built World와 AI 전환 개요

  • 건물과 인프라로 이루어진 Built World는 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 AI는 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 AI는 CAD와 SaaS에 이은 또 한 번의 구조적 변곡점을 만들고, 멀티모달 LLM과 새로운 인간–기계 협업 방식이 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 1/4을 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 공감을 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 투자하고 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 데이터를 중심으로 돌아가는 업무임
    • 일반·하청 시공사, 엔지니어, 규제기관, 금융기관, 보험, 오너 등 15개 이상 이해관계자 그룹이 프로젝트에 관여하는 복잡한 구조
    • 설계–프리컨스트럭션–시공–클로즈아웃 각 단계마다 책임과 정보 흐름에서 마찰이 발생함
  • 멀티모달 LLM 기반 Construction 특화 애플리케이션이 등장하면서, 가장 큰 병목이었던 조정 문제와 지식 흐름 문제를 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 반영까지 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, 스프레드시트가 뒤섞인 파편화된 채널에 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 LLM을 통해, 더욱 빠른 조율, 선제적 안전 개입, 위험 인지가 높은 현장을 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 플랫폼에서 프로젝트 매니저가 자연어로 질문해 필요한 문서를 즉시 찾고, 복잡한 기술 질문에 대한 답을 얻고, 비용·일정에 영향을 주기 전에 조정 이슈를 해결하는 지식 허브가 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 관리를 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 시스템이 작업자와 함께 일하면서, 한 명이 여러 대의 장비를 자연어로 제어하는 현장이 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 협업에서 나올 것이며
      • 초기에는 포인트·클릭 기반 제어에서 이후 자연어로 여러 장비를 동시에 다루는 방향으로 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 임팩트를 제공하는 제품 설계가 중요함
  • 페인 포인트(Pain Points): 한 팀의 단편적 업무가 아니라, 프로젝트 납기와 성과에 직접 영향을 주는, 여러 이해관계자가 얽힌 핵심 병목 구간을 공략해야 의미 있는 변화를 줄 수 있음
  • 데이터 우위(Data Advantage): 비용 라이브러리, 주석 달린 도면, 프로젝트 이력 등 도메인 특화 데이터 자산을 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 워크플로를 만드는 것이 중요함
  • 사용자 공감(User Empathy): 건축가, 추정사(Estimator), 현장 소장, 프로젝트 엔지니어, 작업자 각 역할의 맥락과 제약, 동기를 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·유지보수로 이어지는 새로운 가치 사슬에 들어감
    • 자산 유형(주거·상업·산업·특수 목적)에 따라 흐름은 다르지만 공통적으로 신뢰와 관계, 로컬 지식에 기반한 비즈니스라는 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·추론할 수 있게 하면서, 가치 사슬 전체에서 자동화와 인사이트 제공 가능성을 열어줌
    • 기존 시스템과의 통합이 점점 용이해지면서, 부동산 산업에서도 수십년만에 Real Estate AI로 인한 생산성 도약이 가능한 시점이 됨
  • 부동산은 본질적으로 사람과 사람이 대화하는 비즈니스로, 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 업무에 쓰고 있음
      • AI 시대에는 이런 반복적·언어 중심 워크플로를 자동화할 여지가 매우 큼
    • Serif, Fyxer는 이메일 자동화에 초점을 맞추고, Closera, HenryAI는 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 속성에 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 도구들이 등장
      • 기업이 더 빠르고 데이터 기반으로 위치를 결정할 수 있게 하는 것이 목표
    • 소비자 측에서는 자연어 기반 질의와 개인화된 검색 경험을 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 통합은 부동산 검색이 단순 조회에서 전체 부동산 구매 여정을 돕는 코파일럿으로 확장되는 방향의 초기 사례

  • 3. 자산 관리 (Property Management)

    • 가장 큰 기회 중 하나로, 레거시 property management 플랫폼 위에서 LLM 기반 워크플로를 구축하는 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 확장하는 방식으로 기회를 찾을 수 있음
      • 기존 시스템위에 LLM 워크플로 오케스트레이션 레이어를 얹기
    • EliseAI, SurfaceAI는 기존 자산 관리 시스템과 깊게 통합해
      • 임대·갱신·유지보수·세입자 커뮤니케이션까지 수직적으로 특화된 워크플로를 오케스트레이션
      • 특히 다가구 주택 운영에서 수익 인사이트 발굴, 워크플로 자동화, 운영 효율 개선을 돕는 AI 에이전트 플랫폼의 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 처리하도록 만들어, 비용과 리드타임을 크게 줄이는 방향을 제시함
      • 처음부터 생성형 AI를 전제로 디자인·마케팅·경험을 재구성하는 스타트업들이 부동산 디자인·콘텐츠 제작 방식을 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 절감을 만들어낼 수 있어야 함
  • 워크플로 밀도(Workflow Density): 신뢰 형성을 위해, 좁은 기능 하나만 해결하기보다 판매·임대처럼 복잡하고 감정이 개입된 여정을 처음부터 끝까지 관리하는 제품이 가장 가치가 있음
  • 프로프라이어터리·로컬 데이터(Proprietary, Localized Data): 시장 행동, 용도지역(zoning) 특성, 관계 네트워크를 반영한 하이퍼로컬 데이터 플라이휠을 쌓아 정확도와 방어력을 강화하는 전략이 중요함
  • 인센티브 정렬(Incentive Alignment): 소유주, 운영자, 세입자, 에이전트 모두가 이득을 얻는 구조를 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 설계가 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 플랫폼으로, 다양한 이해관계자를 연결하는 역할
    • ServiceTitan: HVAC, 배관, 전기 등 트레이드 비즈니스를 위한 엔드 투 엔드 운영 소프트웨어로, 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 플랫폼으로, 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 묶음을 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 코칭을 제공하는 솔루션
    • Rundoo: 독립 자재 상점의 고객 확보와 운영 효율을 높이는 올인원 소프트웨어
    • SurfaceAI: 다가구 주택 운영사를 위한 AI 에이전트 플랫폼으로, 매출 기회 발굴, 워크플로 자동화, 운영 최적화를 지원
    • VTS: 상업용 부동산 오너와 운영자를 위한 통합 플랫폼으로, 리스, 시장 인텔리전스, 테넌트 경험 워크플로를 하나로 관리하게 함
    • WiredScore: WiredScore, SmartScore 인증을 통해 디지털 연결성과 스마트 빌딩 수준에 대한 글로벌 벤치마크를 설정하는 조직