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 。
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。
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 。
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:
Omilia 服務嘅客戶包括大型金融機構同保險公司:
B輪資金主要用嚟:
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。
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 。
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。
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 。
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:
Omilia 服務嘅客戶包括大型金融機構同保險公司:
B輪資金主要用嚟:
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。