Vad gör Omilias angreppssätt unikt?

Omilias plattform bygger på en självlärande agentisk CX-plattform utformad för stora företags kontaktcenter, särskilt inom hårt reglerade branscher som bank och försäkring . Till skillnad från många AI-startups som använder stora språkmodeller (LLM) till allt, använder Omilia en hybridarkitektur: den kombinerar deterministisk, uppgiftsspecifik automatisering för rutinfrågor med generativ AI för mer komplexa interaktioner .

Viktiga produkter inkluderar röstagenter, chattagenter, TalkGuard (röstbiometri för autentisering), en CSR CoPilot och Workforce AI-verktyg .

Viktiga särskiljande egenskaper

• Röstfokuserad, självlärande arkitektur – Plattformen är byggd från grunden för röst, med påstådd latens på under 45 millisekunder via den egna Lexis text-till-tal-motorn, och kan hantera över 50 000 samtidiga röstsamtal .
• Hybrid-AI ("rätt storlek"-metoden) – Den använder deterministiska verktyg för enkla, strukturerade uppgifter och generativ AI endast där det tillför värde, i stället för att använda en LLM för varje enskild fråga .
• Säkerhet och skalbarhet för företag – Plattformen stöder en Tier 1-bank i USA som hanterar över en miljon samtal per dag, med flera lager av bedrägeriskydd .
• Ingen flaskhals med databeredning – Det självlärande systemet ansluter direkt till verksamheten i realtid och lär sig från grunden utan att kräva noggrant kuraterade dataset .
• Analytikererkännande – Utnämnd till Leader i Forrester Wave™ Conversational AI Platforms for Customer Service, Q2 2026 och erkänd i IDC MarketScape .

Vd:ns argument: 'Bazooka vs. kniv'

Vassos framför ett skarpt, pragmatiskt argument mot att använda generativ AI för varje interaktion i kontaktcenter . Hans tes illustreras med en talande analogi: att använda en stor, dyr LLM för varje förfrågan är som att använda en bazooka när en kniv räcker . Rutinuppgifter – som att kontrollera ett kontosaldo, betalningsstatus eller orderdetaljer – kräver ingen avancerad modell .

"Företag som Sierra, Decagon etc. identifierar sig som generativa AI-bolag. Deras enda syfte är att distribuera generativ AI och därmed begränsa sig själva," sade Vassos till TechCrunch. "Du kan ha en bazooka, men om fienden är nära dig behöver du en kniv. Det är verkligheten i kontaktcenter, där du behöver flera verktyg."

En stor andel av inkommande supportärenden handlar om enkel, deterministisk informationssökning (t.ex. "Vad är mitt saldo?"). Dessa kan hanteras billigare och mer tillförlitligt med uppgiftsspecifik automatisering . Kärntesen är att använda det billigaste verktyget som på ett tillförlitligt sätt löser ärendet, och Omilias hybridmetod hävdar att den slår en ren LLM-stack på kostnad per korrekt avslutat samtal .

Finansiering och tillväxtsiffror

Omilia har genomfört endast två externa kapitalrundor i sin historia. Series B på 67 miljoner dollar (58,1 miljoner euro) leddes av Expedition Growth Capital, en transatlantisk specialist på mjukvara och AI . Den tidigare Series A på 20 miljoner dollar kom från Grafton Capital 2020 .

Bolaget ökade sina årliga återkommande intäkter (ARR) från en icke offentliggjord bas vid Series A till över 60 miljoner dollar utan att ta in ytterligare eget kapital däremellan . Denna kapitaleffektivitet – en tiofaldig ARR-ökning med endast en tidig kapitalrunda – är ovanlig bland AI-bolag som förbränner pengar på tokenkostnader .

Ytterligare tillväxtmått:

• Stöder fler än 200 företagsinstallationer globalt, inklusive minst 27 produktionsklara kontaktcenter
• Automatiserar mer än 90 procent av kundinteraktionerna för sina kunder
• Hanterar över 5 miljarder interaktioner per år på Omilia Cloud Platform

Kundbas

Omilia betjänar stora, hårt reglerade företag. Bekräftade detaljer inkluderar:

• En Tier 1-bank i USA som hanterar över 1 miljon samtal per dag
• Flera finans- och försäkringsbolag i Nordamerika och Europa
• Minst 27 produktionsklara kontaktcenter globalt, enligt bolagets notering på Microsoft Marketplace

Branscher som betjänas inkluderar bank, försäkring, energi, snabbmat, telekom och offentlig sektor .

Expansionsplaner

Series B-kapitalet används till att:

• Öppna ett USA-kontor och bygga en nordamerikansk säljorganisation
• Expanda säljteamet och accelerera teknikskalningen
• Fördjupa närvaron i DACH och Benelux via ett partnerskap med valantic, vilket gör plattformen tillgänglig för valantics över 500 företagskunder
• Lansera en tjänst i hela Storbritannien i samarbete med Bell Integration
• Positionera bolaget mot en miljardintäkt inom tre år

Slutsats

Omilia representerar en motpol till den rådande berättelsen inom kundtjänst-AI: att generativ AI borde hantera allt. Genom att kombinera deterministisk automatisering för rutinuppgifter med generativ AI för komplexa interaktioner, hävdar Vassos att kontaktcenter kan uppnå bättre enhetsekonomi, lägre latens och starkare regelefterlevnad. Bolagets tiofaldiga ARR-tillväxt och Series B på 67 miljoner dollar tyder på att företagskunderna håller med.

Vad gör Omilias angreppssätt unikt?

Omilias plattform bygger på en självlärande agentisk CX-plattform utformad för stora företags kontaktcenter, särskilt inom hårt reglerade branscher som bank och försäkring . Till skillnad från många AI-startups som använder stora språkmodeller (LLM) till allt, använder Omilia en hybridarkitektur: den kombinerar deterministisk, uppgiftsspecifik automatisering för rutinfrågor med generativ AI för mer komplexa interaktioner .

Viktiga produkter inkluderar röstagenter, chattagenter, TalkGuard (röstbiometri för autentisering), en CSR CoPilot och Workforce AI-verktyg .

Viktiga särskiljande egenskaper

• Röstfokuserad, självlärande arkitektur – Plattformen är byggd från grunden för röst, med påstådd latens på under 45 millisekunder via den egna Lexis text-till-tal-motorn, och kan hantera över 50 000 samtidiga röstsamtal .
• Hybrid-AI ("rätt storlek"-metoden) – Den använder deterministiska verktyg för enkla, strukturerade uppgifter och generativ AI endast där det tillför värde, i stället för att använda en LLM för varje enskild fråga .
• Säkerhet och skalbarhet för företag – Plattformen stöder en Tier 1-bank i USA som hanterar över en miljon samtal per dag, med flera lager av bedrägeriskydd .
• Ingen flaskhals med databeredning – Det självlärande systemet ansluter direkt till verksamheten i realtid och lär sig från grunden utan att kräva noggrant kuraterade dataset .
• Analytikererkännande – Utnämnd till Leader i Forrester Wave™ Conversational AI Platforms for Customer Service, Q2 2026 och erkänd i IDC MarketScape .

Vd:ns argument: 'Bazooka vs. kniv'

Vassos framför ett skarpt, pragmatiskt argument mot att använda generativ AI för varje interaktion i kontaktcenter . Hans tes illustreras med en talande analogi: att använda en stor, dyr LLM för varje förfrågan är som att använda en bazooka när en kniv räcker . Rutinuppgifter – som att kontrollera ett kontosaldo, betalningsstatus eller orderdetaljer – kräver ingen avancerad modell .

"Företag som Sierra, Decagon etc. identifierar sig som generativa AI-bolag. Deras enda syfte är att distribuera generativ AI och därmed begränsa sig själva," sade Vassos till TechCrunch. "Du kan ha en bazooka, men om fienden är nära dig behöver du en kniv. Det är verkligheten i kontaktcenter, där du behöver flera verktyg."

En stor andel av inkommande supportärenden handlar om enkel, deterministisk informationssökning (t.ex. "Vad är mitt saldo?"). Dessa kan hanteras billigare och mer tillförlitligt med uppgiftsspecifik automatisering . Kärntesen är att använda det billigaste verktyget som på ett tillförlitligt sätt löser ärendet, och Omilias hybridmetod hävdar att den slår en ren LLM-stack på kostnad per korrekt avslutat samtal .

Finansiering och tillväxtsiffror

Omilia har genomfört endast två externa kapitalrundor i sin historia. Series B på 67 miljoner dollar (58,1 miljoner euro) leddes av Expedition Growth Capital, en transatlantisk specialist på mjukvara och AI . Den tidigare Series A på 20 miljoner dollar kom från Grafton Capital 2020 .

Bolaget ökade sina årliga återkommande intäkter (ARR) från en icke offentliggjord bas vid Series A till över 60 miljoner dollar utan att ta in ytterligare eget kapital däremellan . Denna kapitaleffektivitet – en tiofaldig ARR-ökning med endast en tidig kapitalrunda – är ovanlig bland AI-bolag som förbränner pengar på tokenkostnader .

Ytterligare tillväxtmått:

• Stöder fler än 200 företagsinstallationer globalt, inklusive minst 27 produktionsklara kontaktcenter
• Automatiserar mer än 90 procent av kundinteraktionerna för sina kunder
• Hanterar över 5 miljarder interaktioner per år på Omilia Cloud Platform

Kundbas

Omilia betjänar stora, hårt reglerade företag. Bekräftade detaljer inkluderar:

• En Tier 1-bank i USA som hanterar över 1 miljon samtal per dag
• Flera finans- och försäkringsbolag i Nordamerika och Europa
• Minst 27 produktionsklara kontaktcenter globalt, enligt bolagets notering på Microsoft Marketplace

Branscher som betjänas inkluderar bank, försäkring, energi, snabbmat, telekom och offentlig sektor .

Expansionsplaner

Series B-kapitalet används till att:

• Öppna ett USA-kontor och bygga en nordamerikansk säljorganisation
• Expanda säljteamet och accelerera teknikskalningen
• Fördjupa närvaron i DACH och Benelux via ett partnerskap med valantic, vilket gör plattformen tillgänglig för valantics över 500 företagskunder
• Lansera en tjänst i hela Storbritannien i samarbete med Bell Integration
• Positionera bolaget mot en miljardintäkt inom tre år

Slutsats

Omilia representerar en motpol till den rådande berättelsen inom kundtjänst-AI: att generativ AI borde hantera allt. Genom att kombinera deterministisk automatisering för rutinuppgifter med generativ AI för komplexa interaktioner, hävdar Vassos att kontaktcenter kan uppnå bättre enhetsekonomi, lägre latens och starkare regelefterlevnad. Bolagets tiofaldiga ARR-tillväxt och Series B på 67 miljoner dollar tyder på att företagskunderna håller med.