Trebellar capta 18 millones de dólares para unir datos inmobiliarios

Trebellar anunció el 24 de septiembre de 2026 una Serie A de 18 millones de dólares liderada por Blossom Capital, con participación de Haystack, Alt Capital, 1Flourish y Bynd Venture Capital. La empresa destinará el capital a ampliar sus equipos de ingeniería y comercial, desarrollar sus capacidades de inteligencia artificial y llegar a más grandes compañías. Su apuesta parte de un problema concreto: los datos necesarios para decidir sobre oficinas y otros inmuebles corporativos están repartidos entre sistemas que no comparten una estructura.

La operación se cerró mientras Trebellar intenta convertir esa información fragmentada en una visión actualizada de cada cartera. En Cinco Días, que expresa la ronda como casi 16 millones de euros por conversión, Diego Ferreiro Val, cofundador y consejero delegado, resumió el problema: «El inmobiliario ha sido una de las pocas funciones de back office que todavía funciona con hojas de cálculo y consultores externos». Ambas cifras se refieren a la misma financiación.

Contratos, planos y ocupación: las piezas que Trebellar quiere unir

La ficha de Blossom Capital describe una plataforma basada en una ontología inmobiliaria que relaciona condiciones de arrendamiento, planos, ocupación y costes; también cita a Meta, Uber, Workday, Okta, Cohesity y Merck como clientes empresariales. Esa lista muestra el tipo de organizaciones al que se dirige Trebellar, aunque no informa de cuánto tiempo requiere integrar sus sistemas.

Una decisión de renovar un alquiler puede necesitar la fecha y las condiciones del contrato, el espacio contratado, la superficie que realmente se usa y el coste de mantenerla. Para una consolidación de sedes también importan la plantilla afectada, los desplazamientos, la conexión con el transporte y la percepción de los equipos. El valor de reunir estos elementos está en poder relacionarlos con el mismo edificio, planta, grupo de personas y periodo, no solo en colocarlos en una vista compartida.

La dificultad aparece cuando cada registro responde a una pregunta distinta. Un plano describe superficie; un sistema de ocupación registra presencia; una hoja financiera agrupa gastos según sus propias categorías. Si las unidades de medida, los nombres de las sedes o los intervalos de actualización no coinciden, la IA puede producir una respuesta fluida a partir de datos que no son comparables. La normalización es, por tanto, una condición de la consulta y no una tarea secundaria de presentación.

La IA depende de mantener una base común

El diseño anunciado por Trebellar busca dar contexto a cada consulta sobre la cartera: cuánto espacio existe, cuánto cuesta y si sirve a quienes lo utilizan. También plantea conservar el motivo de una decisión y observar después si dio el resultado esperado. Esa memoria resulta especialmente útil cuando una empresa revisa su estrategia inmobiliaria de forma recurrente, porque permite distinguir una hipótesis inicial de lo que ocurrió tras renovar, reducir o trasladar espacio.

Para que esa secuencia sea fiable, los datos deben conservar su fecha y su alcance. Un contrato puede seguir vigente durante años mientras la asistencia a una oficina cambia cada semana; una reorganización altera la plantilla antes de que cambie el alquiler. Comparar cifras tomadas en momentos diferentes sin advertirlo podría hacer que una sede parezca demasiado grande o demasiado cara por razones equivocadas. La capacidad de responder rápido depende, en consecuencia, de reglas para actualizar y reconciliar la información.

También cambia la naturaleza del trabajo cuando llegan nuevos inmuebles. Incorporar una hoja de cálculo ofrece una fotografía inicial; mantener el modelo exige absorber modificaciones de contratos, reasignaciones de espacio y cambios en las categorías de gasto. Una plataforma repetible debería admitir esas variaciones sin volver a definir desde cero qué significa cada campo para cada cliente. Si las excepciones se resuelven manualmente una a una, la velocidad prometida por la IA puede quedar limitada por el trabajo de integración previo.

La expansión pondrá a prueba la repetibilidad del producto

El dinero captado da a Trebellar capacidad para desarrollar el producto y venderlo a más empresas, pero el tamaño del equipo o la lista de clientes no bastan para medir la eficacia de la implantación. El dato decisivo sería cuánto tarda una cartera en pasar de fuentes aisladas a consultas útiles, y cuánto trabajo adicional exige sumar una sede o actualizar un contrato. Son medidas distintas de la rapidez con la que el sistema genera una respuesta una vez que los datos ya están ordenados.

La adopción interna forma parte de la misma prueba. Los equipos que negocian arrendamientos o planifican espacios necesitan reconocer la procedencia de una cifra, corregirla cuando quede anticuada y conservar el razonamiento de una decisión. Si continúan manteniendo en paralelo hojas de cálculo para resolver dudas básicas, la vista común no se habrá convertido en el registro de trabajo habitual. El cambio empresarial depende tanto de quién mantiene el dato como de la calidad de la consulta.

La expansión de Trebellar permitirá observar si el mismo modelo sirve para organizaciones distintas con ajustes previsibles. Los plazos de implantación, la frecuencia de actualización y el uso continuado por cliente mostrarían cuánto trabajo requiere sostener esa base común. Ahí se jugará la diferencia entre una plataforma que escala y una colección de integraciones hechas a medida.