Hva gjør Omilias tilnærming annerledes

Omilias plattform er bygget rundt en selv-lærende Agentic CX-plattform for bedriftskundesentre, spesielt i sterkt regulerte bransjer som bank og forsikring . I motsetning til mange AI-startups som bruker store språkmodeller (LLM) til alt, bruker Omilia en hybrid arkitektur: den kombinerer deterministisk, oppgavespesifikk automasjon for rutinemessige forespørsler med generativ AI for mer komplekse interaksjoner .

Nøkkelprodukter inkluderer taleagenter, chatagenter, TalkGuard (stemmebiometri for autentisering), en CSR CoPilot og Workforce AI-verktøy .

Viktige forskjeller

• Talestyrt, selv-lærende arkitektur – Plattformen ble bygget fra grunnen av for tale, hevder sub-45 ms latenstid med sin proprietære Lexis-tekst-til-tale-motor, og kan håndtere over 50 000 samtidige taleanrop .
• Hybrid AI ("riktig størrelse"-tilnærming) – Den bruker deterministiske verktøy for enkle, strukturerte oppgaver og generativ AI bare der det gir verdi, i stedet for å bruke en LLM på alle forespørsler .
• Bedriftssikkerhet og skala – Plattformen støtter en Tier 1-bank i USA som håndterer over 1 million samtaler daglig, med flerlags anti-svindel-mekanismer .
• Ingen flaskehals med dataklargjøring – Det selv-lærende systemet kobles direkte til live operasjoner og lærer fra bunnen av uten å kreve kuraterte datasett .
• Analytikeranerkjennelse – Utnevnt som leder i Forrester Wave™ Conversational AI Platforms for Customer Service, Q2 2026 og anerkjent i IDC MarketScape .

Sjefens argument: 'Bazooka vs. kniv'

Vassos kommer med et skarpt, pragmatisk argument mot å bruke generativ AI på alle kundesenterinteraksjoner . Argumentet hans hviler på en levende analogi: å bruke en stor, dyr LLM på alle forespørsler er som å bruke en bazooka når en kniv duger . Rutineoppgaver – som å sjekke en kontobalanse, betalingsstatus eller ordredetaljer – krever ikke en frontlinjemodell .

"Selskaper som Sierra, Decagon, etc. identifiserer seg som generative AI-selskaper. Deres eneste formål er å distribuere generativ AI og begrense seg," sa Vassos til TechCrunch. "Du har kanskje en bazooka, men hvis fienden er nær deg, trenger du en kniv. Dette er virkeligheten i kundesenteret, hvor du trenger flere verktøy."

En stor andel av innkommende støtteanrop involverer grunnleggende, deterministisk informasjonsinnhenting (f.eks. "Hva er saldoen min?"). Disse kan håndteres billigere og mer pålitelig av oppgavespesifikk automasjon . Kjerneideen er å bruke det billigste verktøyet som pålitelig løser forespørselen, der Omilias hybridtilnærming påstås å slå en ren LLM-stabel på kostnad per korrekt håndtert samtale .

Nylig finansiering og vekstmål

Omilia har bare gjennomført to eksterne egenkapitalrunder i sin historie. Series B på 67 millioner dollar (58,1 millioner euro) ble ledet av Expedition Growth Capital, en transatlantisk programvare- og AI-spesialist . Den forrige Series A på 20 millioner dollar kom fra Grafton Capital i 2020 .

Viktigere er det at selskapet vokste sin årlige gjentakende inntekt fra en ukjent base ved Series A til over 60 millioner dollar uten å hente ytterligere egenkapital i mellomtiden . Denne kapital-effektiviteten – å vokse ARR med over 10 ganger med bare én tidlig egenkapitalrunde – er uvanlig blant AI-selskaper som brenner penger på token-kostnader .

Andre vekstbarometer:

• Støtter mer enn 200 bedriftsinstallasjoner globalt, inkludert minst 27 produksjonsklare kundesentre
• Automatiserer mer enn 90 % av kundeinteraksjonene for kundene sine
• Håndterer over 5 milliarder interaksjoner per år på Omilia Cloud Platform

Kundebase

Omilia betjener store, sterkt regulerte bedrifter. Bekreftede detaljer inkluderer:

• En Tier 1-bank i USA som håndterer over 1 million samtaler daglig
• Flere finansielle tjenester og forsikringsselskaper i Nord-Amerika og Europa
• Minst 27 produksjonsklare kundesentre globalt, ifølge selskapets Microsoft Marketplace-oppføring

Bransjer som betjenes inkluderer bank, forsikring, verktøy, hurtigmat, telekom og offentlige tjenester .

Ekspansjonsplaner

Series B-kapitalen brukes til å:

• Åpne et kontor i USA og bygge opp markedstilstedeværelse i Nord-Amerika
• Utvide markedsteamet og akselerere teknologisk skalering
• Styrke tilstedeværelsen i DACH og Benelux gjennom et partnerskap med valantic, som gjør plattformen tilgjengelig for valantics over 500 bedriftskunder
• Lansere en britisk tjeneste i samarbeid med Bell Integration
• Posisionere selskapet mot en inntektsrate på én milliard dollar innen tre år

Bunnlinjen

Omilia representerer et motstykke til den rådende fortellingen innen kundeservice-AI: at generativ AI skal håndtere alt. Ved å kombinere deterministisk automasjon for rutineoppgaver med generativ AI for komplekse interaksjoner, argumenterer Vassos for at kundesentre kan oppnå bedre enhetsøkonomi, lavere latenstid og sterkere etterlevelse. Selskapets 10-dobling av ARR og Series B på 67 millioner dollar tyder på at bedriftskunder er enige.

Hva gjør Omilias tilnærming annerledes

Omilias plattform er bygget rundt en selv-lærende Agentic CX-plattform for bedriftskundesentre, spesielt i sterkt regulerte bransjer som bank og forsikring . I motsetning til mange AI-startups som bruker store språkmodeller (LLM) til alt, bruker Omilia en hybrid arkitektur: den kombinerer deterministisk, oppgavespesifikk automasjon for rutinemessige forespørsler med generativ AI for mer komplekse interaksjoner .

Nøkkelprodukter inkluderer taleagenter, chatagenter, TalkGuard (stemmebiometri for autentisering), en CSR CoPilot og Workforce AI-verktøy .

Viktige forskjeller

• Talestyrt, selv-lærende arkitektur – Plattformen ble bygget fra grunnen av for tale, hevder sub-45 ms latenstid med sin proprietære Lexis-tekst-til-tale-motor, og kan håndtere over 50 000 samtidige taleanrop .
• Hybrid AI ("riktig størrelse"-tilnærming) – Den bruker deterministiske verktøy for enkle, strukturerte oppgaver og generativ AI bare der det gir verdi, i stedet for å bruke en LLM på alle forespørsler .
• Bedriftssikkerhet og skala – Plattformen støtter en Tier 1-bank i USA som håndterer over 1 million samtaler daglig, med flerlags anti-svindel-mekanismer .
• Ingen flaskehals med dataklargjøring – Det selv-lærende systemet kobles direkte til live operasjoner og lærer fra bunnen av uten å kreve kuraterte datasett .
• Analytikeranerkjennelse – Utnevnt som leder i Forrester Wave™ Conversational AI Platforms for Customer Service, Q2 2026 og anerkjent i IDC MarketScape .

Sjefens argument: 'Bazooka vs. kniv'

Vassos kommer med et skarpt, pragmatisk argument mot å bruke generativ AI på alle kundesenterinteraksjoner . Argumentet hans hviler på en levende analogi: å bruke en stor, dyr LLM på alle forespørsler er som å bruke en bazooka når en kniv duger . Rutineoppgaver – som å sjekke en kontobalanse, betalingsstatus eller ordredetaljer – krever ikke en frontlinjemodell .

"Selskaper som Sierra, Decagon, etc. identifiserer seg som generative AI-selskaper. Deres eneste formål er å distribuere generativ AI og begrense seg," sa Vassos til TechCrunch. "Du har kanskje en bazooka, men hvis fienden er nær deg, trenger du en kniv. Dette er virkeligheten i kundesenteret, hvor du trenger flere verktøy."

En stor andel av innkommende støtteanrop involverer grunnleggende, deterministisk informasjonsinnhenting (f.eks. "Hva er saldoen min?"). Disse kan håndteres billigere og mer pålitelig av oppgavespesifikk automasjon . Kjerneideen er å bruke det billigste verktøyet som pålitelig løser forespørselen, der Omilias hybridtilnærming påstås å slå en ren LLM-stabel på kostnad per korrekt håndtert samtale .

Nylig finansiering og vekstmål

Omilia har bare gjennomført to eksterne egenkapitalrunder i sin historie. Series B på 67 millioner dollar (58,1 millioner euro) ble ledet av Expedition Growth Capital, en transatlantisk programvare- og AI-spesialist . Den forrige Series A på 20 millioner dollar kom fra Grafton Capital i 2020 .

Viktigere er det at selskapet vokste sin årlige gjentakende inntekt fra en ukjent base ved Series A til over 60 millioner dollar uten å hente ytterligere egenkapital i mellomtiden . Denne kapital-effektiviteten – å vokse ARR med over 10 ganger med bare én tidlig egenkapitalrunde – er uvanlig blant AI-selskaper som brenner penger på token-kostnader .

Andre vekstbarometer:

• Støtter mer enn 200 bedriftsinstallasjoner globalt, inkludert minst 27 produksjonsklare kundesentre
• Automatiserer mer enn 90 % av kundeinteraksjonene for kundene sine
• Håndterer over 5 milliarder interaksjoner per år på Omilia Cloud Platform

Kundebase

Omilia betjener store, sterkt regulerte bedrifter. Bekreftede detaljer inkluderer:

• En Tier 1-bank i USA som håndterer over 1 million samtaler daglig
• Flere finansielle tjenester og forsikringsselskaper i Nord-Amerika og Europa
• Minst 27 produksjonsklare kundesentre globalt, ifølge selskapets Microsoft Marketplace-oppføring

Bransjer som betjenes inkluderer bank, forsikring, verktøy, hurtigmat, telekom og offentlige tjenester .

Ekspansjonsplaner

Series B-kapitalen brukes til å:

• Åpne et kontor i USA og bygge opp markedstilstedeværelse i Nord-Amerika
• Utvide markedsteamet og akselerere teknologisk skalering
• Styrke tilstedeværelsen i DACH og Benelux gjennom et partnerskap med valantic, som gjør plattformen tilgjengelig for valantics over 500 bedriftskunder
• Lansere en britisk tjeneste i samarbeid med Bell Integration
• Posisionere selskapet mot en inntektsrate på én milliard dollar innen tre år

Bunnlinjen

Omilia representerer et motstykke til den rådende fortellingen innen kundeservice-AI: at generativ AI skal håndtere alt. Ved å kombinere deterministisk automasjon for rutineoppgaver med generativ AI for komplekse interaksjoner, argumenterer Vassos for at kundesentre kan oppnå bedre enhetsøkonomi, lavere latenstid og sterkere etterlevelse. Selskapets 10-dobling av ARR og Series B på 67 millioner dollar tyder på at bedriftskunder er enige.