Omilia 6.7億美元B輪融資：CEO話你知點解大部分客服中心用AI用得唔啱

唔係所有查詢都需要用到LLM

Omilia，一間2002年成立、專注語音AI嘅公司，喺2026年8月6日宣布完成6.7億美元（約5,810萬歐元）嘅Series B融資，由跨大西洋軟件同AI投資公司Expedition Growth Capital領投 。呢間總部設喺希臘雅典同美國紐約嘅公司，對上一次融資係2020年由Grafton Capital領投嘅2,000萬美元Series A 。

最令人注意嘅唔係融資金額，而係Omilia嘅年化經常性收入（ARR）已經超過6,000萬美元，比起Series A嗰陣增長咗超過10倍，而且中間完全冇再額外融資 。喺AI公司普遍燒錢喺token成本嘅時代，呢種資本效率確實少見 。

火箭炮 vs 刀仔

Omilia CEO Dimitris Vassos 用咗個好傳神嘅比喻去解釋佢嘅理念：用大型語言模型（LLM）處理所有客服查詢，就好似用火箭炮嚟切菜。佢話：「你可能有一支火箭炮，但如果敵人企喺你隔籬，你需要嘅係一把刀。客服中心就係咁，需要多種唔同工具。」

Vassos 直接批評市面上嘅生成式AI初創公司：「好似Sierra、Decagon呢啲公司，佢哋標榜自己係生成式AI公司，唯一目的就係用生成式AI，但係咁反而限制咗自己。」

佢認為，大部分查詢查詢其實好基本——例如查戶口結餘、訂單狀態、付款進度，呢啲根本唔需要用到大模型 。用成本高嘅LLM處理呢啲簡單任務，完全係資源錯配。

混合AI：唔係咩都用同一個方法

Omilia嘅平台叫 Self-Learning Agentic CX Platform，專為企業客服中心設計，特別係銀行、保險呢啲高度監管行業 。佢哋嘅核心係 混合架構：簡單、結構化嘅任務用確定性自動化工具處理，複雜嘅互動先用生成式AI 。

主要產品

• Voice Agents：語音AI代理
• Chat Agents：文字對話代理
• TalkGuard：話音生物識別認證
• CSR CoPilot：客戶服務助理
• Workforce AI：勞動力管理工具

關鍵優勢

• 語音優先、自我學習：從底層設計就係為咗語音，專利Lexis文字轉語音引擎做到低於45毫秒延遲，支援超過5萬個並發語音通話
• 「啱啱好」嘅AI：唔係咩都用LLM，而係根據任務難度選擇最合適工具
• 企業級安全：支援美國一間Tier 1銀行每日超過100萬個來電，有多層反詐騙機制
• 唔需要準備數據：系統直接連接客服中心運作，從零開始學習，唔需要預先準備數據集
• 分析師認可：獲Forrester Wave™評為領導者，亦獲IDC MarketScape認可

融資詳情同增長數據

Omilia 歷史上只進行過兩次外部股權融資。2020年嘅Series A係2,000萬美元，今次Series B係6.7億美元 。

其他增長指標：

• 全球超過 200個企業部署，包括至少27個生產級別客服中心
• 為客戶自動化 超過90% 嘅客戶互動
• 每年喺Omilia雲端平台處理 超過50億次 互動

客戶群同擴張計劃

Omilia 服務嘅客戶包括大型金融機構同保險公司：

• 美國一間 Tier 1銀行，每日處理超過100萬個來電
• 北美同歐洲多間金融服務同保險公司
• 涵蓋銀行、保險、公用事業、快餐、電訊同公共服務

B輪資金主要用嚟：

• 開設美國辦公室，建立北美市場團隊
• 擴充市場團隊同加速技術擴展
• 透過與valantic合作，深化DACH（德國、奧地利、瑞士）同Benelux（比利時、荷蘭、盧森堡）市場，覆蓋valantic超過500個企業客戶
• 與Bell Integration合作，推出英國全國服務
• 目標係三年內達到 10億美元收入規模

總結

Omilia 嘅成功證明咗，喺客服AI領域，唔係所有問題都需要用生成式AI解決。佢哋嘅混合方法——用確定性自動化處理常規查詢，生成式AI處理複雜互動——可以帶嚟更好嘅成本效益、更低延遲同更強合規性。Vassos 喺訪問中講嘅「火箭炮 vs 刀仔」比喻，正正點出咗業界一個普遍誤區。