Điều gì làm nên sự khác biệt của Omilia?

Nền tảng của Omilia được xây dựng dựa trên Nền tảng Agentic CX tự học, được thiết kế cho các trung tâm chăm sóc khách hàng doanh nghiệp, đặc biệt trong các ngành được quản lý chặt chẽ như ngân hàng và bảo hiểm . Không giống như nhiều startup AI khác mặc định dùng mô hình ngôn ngữ lớn (LLM) cho mọi thứ, Omilia sử dụng kiến trúc lai ghép: kết hợp tự động hóa tác vụ cụ thể, xác định (deterministic) cho các truy vấn thông thường với AI tạo sinh cho các tương tác phức tạp hơn .

Các sản phẩm chính bao gồm Voice Agents, Chat Agents, TalkGuard (xác thực sinh trắc học giọng nói), CSR CoPilot và các công cụ Workforce AI .

Các điểm khác biệt chính

• Kiến trúc ưu tiên giọng nói, tự học – Nền tảng được xây dựng từ đầu cho giọng nói, tuyên bố có độ trễ dưới 45ms với công cụ chuyển văn bản thành giọng nói Lexis độc quyền và có thể xử lý hơn 50.000 cuộc gọi thoại đồng thời .
• AI lai ghép ("right-sized") – Sử dụng các công cụ xác định cho các tác vụ đơn giản, có cấu trúc và chỉ dùng AI tạo sinh khi nó thực sự mang lại giá trị, thay vì triển khai LLM cho mọi truy vấn .
• Bảo mật và quy mô doanh nghiệp – Nền tảng hỗ trợ một ngân hàng hàng đầu của Mỹ xử lý hơn 1 triệu cuộc gọi mỗi ngày, với các cơ chế chống gian lận nhiều lớp .
• Không có nút thắt về chuẩn bị dữ liệu – Hệ thống tự học kết nối trực tiếp với các hoạt động vận hành thực tế và học từ đầu mà không cần bộ dữ liệu được quản lý .
• Được các nhà phân tích công nhận – Được vinh danh là Người dẫn đầu trong Forrester Wave™ về Nền tảng AI Đàm thoại cho Dịch vụ Khách hàng, Quý 2 năm 2026 và được công nhận trong IDC MarketScape .

Lập luận của CEO: 'Bazooka so với dao'

Vassos đưa ra một lập luận sắc bén và thực tế chống lại việc triển khai AI tạo sinh cho mọi tương tác trong trung tâm chăm sóc khách hàng . Lập luận của ông dựa trên một phép loại suy sinh động: sử dụng một LLM lớn, đắt tiền cho mọi yêu cầu cũng giống như dùng đại bác để giết ruồi . Các tác vụ thông thường — kiểm tra số dư tài khoản, trạng thái thanh toán hoặc chi tiết đơn hàng — không cần đến một mô hình tiên tiến .

"Các công ty như Sierra, Decagon, v.v. tự nhận mình là công ty AI tạo sinh. Mục đích duy nhất của họ là triển khai AI tạo sinh và tự giới hạn mình," Vassos nói với TechCrunch. "Bạn có thể có một khẩu đại bác, nhưng nếu kẻ thù ở ngay gần bạn, bạn cần một con dao. Đó là thực tế của trung tâm chăm sóc khách hàng, nơi bạn cần nhiều công cụ khác nhau."

Một tỷ lệ lớn các cuộc gọi hỗ trợ đến liên quan đến việc truy xuất thông tin cơ bản, xác định (ví dụ: "Số dư của tôi là bao nhiêu?"). Những tác vụ này có thể được xử lý rẻ hơn và đáng tin cậy hơn bằng tự động hóa tác vụ cụ thể . Luận điểm cốt lõi là sử dụng công cụ rẻ nhất có thể giải quyết đáng tin cậy truy vấn, với cách tiếp cận lai ghép của Omilia tuyên bố đánh bại một ngăn xếp toàn LLM về chi phí trên mỗi cuộc gọi được xử lý đúng cách .

Vòng gọi vốn gần đây và các chỉ số tăng trưởng

Omilia chỉ thực hiện hai vòng huy động vốn cổ phần bên ngoài trong lịch sử của mình. Series B trị giá 67 triệu USD (58,1 triệu EUR) do Expedition Growth Capital dẫn đầu . Series A trước đó trị giá 20 triệu USD đến từ Grafton Capital vào năm 2020 .

Điều quan trọng là, công ty đã tăng doanh thu định kỳ hàng năm từ một cơ sở chưa được tiết lộ tại Series A lên hơn 60 triệu USD mà không huy động thêm vốn cổ phần nào ở giữa . Hiệu quả sử dụng vốn này — tăng trưởng ARR hơn 10 lần chỉ với một vòng vốn cổ phần ban đầu — là điều bất thường trong số các công ty AI đang đốt tiền vào chi phí token .

Các mốc tăng trưởng bổ sung:

• Hỗ trợ hơn 200 triển khai doanh nghiệp trên toàn cầu, bao gồm ít nhất 27 trung tâm chăm sóc khách hàng sản xuất
• Tự động hóa hơn 90% tương tác của khách hàng cho khách hàng của mình
• Xử lý hơn 5 tỷ tương tác mỗi năm trên Nền tảng Omilia Cloud

Khách hàng

Omilia phục vụ các doanh nghiệp lớn, được quản lý chặt chẽ. Các chi tiết đã được xác nhận bao gồm:

• Một ngân hàng hàng đầu của Mỹ xử lý hơn 1 triệu cuộc gọi mỗi ngày
• Nhiều công ty dịch vụ tài chính và bảo hiểm trên khắp Bắc Mỹ và Châu Âu
• Ít nhất 27 trung tâm chăm sóc khách hàng sản xuất trên toàn cầu, theo danh sách Microsoft Marketplace của công ty

Các ngành được phục vụ bao gồm ngân hàng, bảo hiểm, tiện ích, QSR, viễn thông và dịch vụ công .

Kế hoạch mở rộng

Số vốn Series B đang được sử dụng để:

• Mở văn phòng tại Mỹ và xây dựng sự hiện diện tại thị trường Bắc Mỹ
• Mở rộng đội ngũ kinh doanh và đẩy nhanh việc mở rộng công nghệ
• Mở rộng sự hiện diện tại DACH và Benelux thông qua quan hệ đối tác với valantic, cung cấp nền tảng cho hơn 500 khách hàng doanh nghiệp của valantic
• Triển khai dịch vụ trên toàn Vương quốc Anh với sự hợp tác của Bell Integration
• Định vị công ty hướng tới mức doanh thu tỷ đô trong vòng ba năm

Kết luận

Omilia đại diện cho một quan điểm đối lập với câu chuyện phổ biến trong lĩnh vực AI chăm sóc khách hàng: rằng AI tạo sinh nên xử lý mọi thứ. Bằng cách kết hợp tự động hóa xác định cho các tác vụ thông thường với AI tạo sinh cho các tương tác phức tạp, Vassos lập luận rằng các trung tâm chăm sóc khách hàng có thể đạt được hiệu quả kinh tế đơn vị tốt hơn, độ trễ thấp hơn và tuân thủ chặt chẽ hơn. Mức tăng trưởng ARR 10 lần và vòng Series B 67 triệu USD của công ty cho thấy các khách hàng doanh nghiệp đồng ý với điều đó.

Điều gì làm nên sự khác biệt của Omilia?

Nền tảng của Omilia được xây dựng dựa trên Nền tảng Agentic CX tự học, được thiết kế cho các trung tâm chăm sóc khách hàng doanh nghiệp, đặc biệt trong các ngành được quản lý chặt chẽ như ngân hàng và bảo hiểm . Không giống như nhiều startup AI khác mặc định dùng mô hình ngôn ngữ lớn (LLM) cho mọi thứ, Omilia sử dụng kiến trúc lai ghép: kết hợp tự động hóa tác vụ cụ thể, xác định (deterministic) cho các truy vấn thông thường với AI tạo sinh cho các tương tác phức tạp hơn .

Các sản phẩm chính bao gồm Voice Agents, Chat Agents, TalkGuard (xác thực sinh trắc học giọng nói), CSR CoPilot và các công cụ Workforce AI .

Các điểm khác biệt chính

• Kiến trúc ưu tiên giọng nói, tự học – Nền tảng được xây dựng từ đầu cho giọng nói, tuyên bố có độ trễ dưới 45ms với công cụ chuyển văn bản thành giọng nói Lexis độc quyền và có thể xử lý hơn 50.000 cuộc gọi thoại đồng thời .
• AI lai ghép ("right-sized") – Sử dụng các công cụ xác định cho các tác vụ đơn giản, có cấu trúc và chỉ dùng AI tạo sinh khi nó thực sự mang lại giá trị, thay vì triển khai LLM cho mọi truy vấn .
• Bảo mật và quy mô doanh nghiệp – Nền tảng hỗ trợ một ngân hàng hàng đầu của Mỹ xử lý hơn 1 triệu cuộc gọi mỗi ngày, với các cơ chế chống gian lận nhiều lớp .
• Không có nút thắt về chuẩn bị dữ liệu – Hệ thống tự học kết nối trực tiếp với các hoạt động vận hành thực tế và học từ đầu mà không cần bộ dữ liệu được quản lý .
• Được các nhà phân tích công nhận – Được vinh danh là Người dẫn đầu trong Forrester Wave™ về Nền tảng AI Đàm thoại cho Dịch vụ Khách hàng, Quý 2 năm 2026 và được công nhận trong IDC MarketScape .

Lập luận của CEO: 'Bazooka so với dao'

Vassos đưa ra một lập luận sắc bén và thực tế chống lại việc triển khai AI tạo sinh cho mọi tương tác trong trung tâm chăm sóc khách hàng . Lập luận của ông dựa trên một phép loại suy sinh động: sử dụng một LLM lớn, đắt tiền cho mọi yêu cầu cũng giống như dùng đại bác để giết ruồi . Các tác vụ thông thường — kiểm tra số dư tài khoản, trạng thái thanh toán hoặc chi tiết đơn hàng — không cần đến một mô hình tiên tiến .

"Các công ty như Sierra, Decagon, v.v. tự nhận mình là công ty AI tạo sinh. Mục đích duy nhất của họ là triển khai AI tạo sinh và tự giới hạn mình," Vassos nói với TechCrunch. "Bạn có thể có một khẩu đại bác, nhưng nếu kẻ thù ở ngay gần bạn, bạn cần một con dao. Đó là thực tế của trung tâm chăm sóc khách hàng, nơi bạn cần nhiều công cụ khác nhau."

Một tỷ lệ lớn các cuộc gọi hỗ trợ đến liên quan đến việc truy xuất thông tin cơ bản, xác định (ví dụ: "Số dư của tôi là bao nhiêu?"). Những tác vụ này có thể được xử lý rẻ hơn và đáng tin cậy hơn bằng tự động hóa tác vụ cụ thể . Luận điểm cốt lõi là sử dụng công cụ rẻ nhất có thể giải quyết đáng tin cậy truy vấn, với cách tiếp cận lai ghép của Omilia tuyên bố đánh bại một ngăn xếp toàn LLM về chi phí trên mỗi cuộc gọi được xử lý đúng cách .

Vòng gọi vốn gần đây và các chỉ số tăng trưởng

Omilia chỉ thực hiện hai vòng huy động vốn cổ phần bên ngoài trong lịch sử của mình. Series B trị giá 67 triệu USD (58,1 triệu EUR) do Expedition Growth Capital dẫn đầu . Series A trước đó trị giá 20 triệu USD đến từ Grafton Capital vào năm 2020 .

Điều quan trọng là, công ty đã tăng doanh thu định kỳ hàng năm từ một cơ sở chưa được tiết lộ tại Series A lên hơn 60 triệu USD mà không huy động thêm vốn cổ phần nào ở giữa . Hiệu quả sử dụng vốn này — tăng trưởng ARR hơn 10 lần chỉ với một vòng vốn cổ phần ban đầu — là điều bất thường trong số các công ty AI đang đốt tiền vào chi phí token .

Các mốc tăng trưởng bổ sung:

• Hỗ trợ hơn 200 triển khai doanh nghiệp trên toàn cầu, bao gồm ít nhất 27 trung tâm chăm sóc khách hàng sản xuất
• Tự động hóa hơn 90% tương tác của khách hàng cho khách hàng của mình
• Xử lý hơn 5 tỷ tương tác mỗi năm trên Nền tảng Omilia Cloud

Khách hàng

Omilia phục vụ các doanh nghiệp lớn, được quản lý chặt chẽ. Các chi tiết đã được xác nhận bao gồm:

• Một ngân hàng hàng đầu của Mỹ xử lý hơn 1 triệu cuộc gọi mỗi ngày
• Nhiều công ty dịch vụ tài chính và bảo hiểm trên khắp Bắc Mỹ và Châu Âu
• Ít nhất 27 trung tâm chăm sóc khách hàng sản xuất trên toàn cầu, theo danh sách Microsoft Marketplace của công ty

Các ngành được phục vụ bao gồm ngân hàng, bảo hiểm, tiện ích, QSR, viễn thông và dịch vụ công .

Kế hoạch mở rộng

Số vốn Series B đang được sử dụng để:

• Mở văn phòng tại Mỹ và xây dựng sự hiện diện tại thị trường Bắc Mỹ
• Mở rộng đội ngũ kinh doanh và đẩy nhanh việc mở rộng công nghệ
• Mở rộng sự hiện diện tại DACH và Benelux thông qua quan hệ đối tác với valantic, cung cấp nền tảng cho hơn 500 khách hàng doanh nghiệp của valantic
• Triển khai dịch vụ trên toàn Vương quốc Anh với sự hợp tác của Bell Integration
• Định vị công ty hướng tới mức doanh thu tỷ đô trong vòng ba năm

Kết luận

Omilia đại diện cho một quan điểm đối lập với câu chuyện phổ biến trong lĩnh vực AI chăm sóc khách hàng: rằng AI tạo sinh nên xử lý mọi thứ. Bằng cách kết hợp tự động hóa xác định cho các tác vụ thông thường với AI tạo sinh cho các tương tác phức tạp, Vassos lập luận rằng các trung tâm chăm sóc khách hàng có thể đạt được hiệu quả kinh tế đơn vị tốt hơn, độ trễ thấp hơn và tuân thủ chặt chẽ hơn. Mức tăng trưởng ARR 10 lần và vòng Series B 67 triệu USD của công ty cho thấy các khách hàng doanh nghiệp đồng ý với điều đó.