Omilias platform er bygget op omkring en selvlærende agentisk CX-platform designet til enterprise-kundecentre, især i stærkt regulerede brancher som bank og forsikring . I modsætning til mange AI-first-startups, der som standard bruger store sprogmodeller til alt, anvender Omilia en hybrid arkitektur: den kombinerer deterministisk, opgavespecifik automatisering til rutineforespørgsler med generativ AI til mere komplekse interaktioner
.
Nøgleprodukter inkluderer Voice Agents, Chat Agents, TalkGuard (stemmebiometri til autentificering), en CSR CoPilot og Workforce AI-værktøjer .
Vassos fremfører et skarpt, pragmatisk argument mod at implementere generativ AI på enhver kundecenterinteraktion . Hans argument hviler på en tydelig analogi: at bruge en stor, dyr sprogmodel til hver eneste forespørgsel er som at bruge en bazooka, når en kniv duer
. Rutineopgaver – at tjekke en kontosaldo, betalingsstatus eller ordredetaljer – kræver ikke en frontier-model
.
"Virksomheder som Sierra, Decagon osv. identificerer sig som generative AI-virksomheder. Deres eneste formål er at implementere generativ AI og begrænse sig selv," siger Vassos til TechCrunch. "Du har måske en bazooka, men hvis din fjende er tæt på dig, har du brug for en kniv. Dette er virkeligheden i kundecentret, hvor du har brug for flere værktøjer."
En stor del af de indgående supportopkald involverer grundlæggende, deterministisk informationshentning (f.eks. 'Hvad er min saldo?'). Disse kan håndteres billigere og mere pålideligt af opgavespecifik automatisering . Kerntesen er at bruge det billigste værktøj, der pålideligt løser forespørgslen, og Omilias hybridtilgang hævder at slå en ren LLM-stak på omkostning pr. korrekt indeholdt opkald
.
Omilia har kun gennemført to eksterne egenkapitalrunder i sin historie. Serie B på 67 millioner dollars (58,1 mio. euro) blev ledet af Expedition Growth Capital, en transatlantisk software- og AI-specialist . Den tidligere serie A på 20 millioner dollars kom fra Grafton Capital i 2020
.
Afgørende er det, at virksomheden voksede sin levende årlige tilbagevendende omsætning fra en ikke-oplyst base ved serie A til over 60 millioner dollars uden at rejse yderligere egenkapital i mellemtiden . Denne kapital effektivitet – en 10x+ ARR-vækst med kun én tidlig egenkapitalrunde – er atypisk blandt AI-virksomheder, der brænder penge af på token-omkostninger
.
Yderligere vækstbenchmarks:
Omilia betjener store, stærkt regulerede virksomheder. Bekræftede detaljer inkluderer:
Brancher, der betjenes, inkluderer bank, forsikring, forsyning, QSR (quick-service restaurant), telekommunikation og offentlige tjenester .
Serie B-kapitalen bliver brugt til at:
Omilia repræsenterer et modspil til den fremherskende fortælling inden for kundesupport-AI: at generativ AI bør håndtere alt. Ved at kombinere deterministisk automatisering til rutineopgaver med generativ AI til komplekse interaktioner argumenterer Vassos for, at kundecentre kan opnå bedre enhedsøkonomi, lavere latenstid og stærkere compliance. Virksomhedens 10x ARR-vækst og serie B på 67 millioner dollars tyder på, at enterprise-købere er enige.