然而，真正讓 Omilia 與當前 AI 客服新創公司形成鮮明對比的，並非其融資數字，而是其執行長 Dimitris Vassos 對市場主流——即「凡事皆用生成式 AI」——的尖銳批判 。

火箭炮 vs. 小刀：執行長的務實哲學

Vassos 用一個生動的比喻來說明他的觀點：如果每通客服電話都動用大型語言模型（LLM），就像「用火箭炮打蒼蠅」，既大材小用又浪費金錢 。他指出，客服中心有大量來電，例如查詢帳戶餘額、訂單狀態或付款進度，這些都是結構化、可預測的簡單任務，根本不需要動用運算成本高昂的 LLM 。

Vassos 在接受 TechCrunch 採訪時直言：「像 Sierra、Decagon 這些公司，他們把自己定位為生成式 AI 公司，唯一的目標就是部署生成式 AI，這反而限制了他們。」他強調：「你可能有一把火箭炮，但如果敵人就在你身邊，你需要的是小刀。這就是客服中心的現實——你需要多種工具。」

Omilia 的解決方案是一種「混合 AI」架構，針對不同複雜度的任務，使用最合適、成本最低的工具。簡單、重複性的查詢交給確定性的自動化程式處理；只有遇到複雜、需要推理的對話時，才會動用生成式 AI 。Vassos 認為，這種「量體裁衣」的策略，才能實現真正的成本效益與營運效率。

Omilia 的關鍵差異化優勢

Omilia 的平台是專為高度監管行業（如銀行、保險）的大型企業客服中心所設計 。其主要差異化優勢包括：

• 以語音為核心、自我學習的架構：平台從底層就是為語音交互而建。其專有的 Lexis 文字轉語音引擎號稱延遲低於 45 毫秒，並能同時處理超過 5 萬通語音通話 。
• 「量體裁衣」的混合 AI：如前所述，將確定性工具與生成式 AI 結合，避免不必要的運算浪費 。
• 企業級安全與規模：平台支援一家美國一級銀行每日處理超過 100 萬通電話，並內建多重反詐欺機制 。
• 免除資料準備瓶頸：自我學習系統能直接連接客服中心的即時營運數據，從零開始自主學習，無需費時整理大量的訓練資料 。
• 分析師認可：獲 Forrester 評選為 2026 年第二季「對話式 AI 客戶服務平台」的領導者（Leader），並在 IDC MarketScape 報告中獲得肯定 。

近期融資與成長數據

Omilia 至今僅進行過兩輪外部股權融資。2020 年的 2000 萬美元 A 輪來自 Grafton Capital，而這次的 6700 萬美元 B 輪由 Expedition Growth Capital 主導 。

更引人注目的是其成長效率。在未進行額外股權融資的六年間，其 ARR 成長超過 10 倍，達到 6000 萬美元以上 。在許多 AI 新創公司仍忙於燒錢支付 Token 成本的當下，這種資本效率相當罕見 。

其他成長里程碑：

• 全球擁有超過 200 個企業部署案例，其中包含至少 27 個正式上線的生產級客服中心 。
• 為客戶自動化 超過 90% 的客戶互動 。
• 在 Omilia Cloud Platform 上每年處理 超過 50 億次互動 。

主要客戶

Omilia 的客戶主要為大型、高度監管的企業，包括：

• 一家每日處理超過 100 萬通電話的 美國一級銀行 。
• 多家橫跨北美與歐洲的金融服務與保險公司 。
• 在 Microsoft Marketplace 的 listing 中，宣稱擁有至少 27 個全球正式上線的客服中心 。

服務行業涵蓋銀行、保險、公用事業、速食餐廳、電信及公共服務 。

擴張計畫

這筆 B 輪資金將主要用於：

• 開設美國辦公室，建立北美市場的進入策略 。
• 擴張市場團隊，加速技術規模化 。
• 深化 DACH（德語區）與 Benelux（荷比盧）市場：透過與歐洲數位轉型顧問公司 valantic 的合作，將其平台提供給 valantic 的 500 多家企業客戶 。
• 在英國推出服務：與 IT 服務商 Bell Integration 合作，提供全英範圍的對話式 AI 服務 。
• 目標是 在三年內達到 10 億美元的年營收規模 。

總結

Omilia 的崛起，代表了 AI 客服領域中一個「反主流」的務實聲音。在多數公司競相將生成式 AI 應用於所有環節時，Omilia 主張「精準」與「效率」才是關鍵。其混合 AI 架構、驚人的成長數據以及來自大型企業客戶的肯定，證明了這種務實策略的市場潛力。

其執行長 Vassos 的「火箭炮對比小刀」之說，或許有些尖銳，但對於正在評估如何將 AI 導入客服中心、並且希望避免預算打水漂的企業決策者而言，這無疑是一記當頭棒喝。

然而，真正讓 Omilia 與當前 AI 客服新創公司形成鮮明對比的，並非其融資數字，而是其執行長 Dimitris Vassos 對市場主流——即「凡事皆用生成式 AI」——的尖銳批判 。

火箭炮 vs. 小刀：執行長的務實哲學

Vassos 用一個生動的比喻來說明他的觀點：如果每通客服電話都動用大型語言模型（LLM），就像「用火箭炮打蒼蠅」，既大材小用又浪費金錢 。他指出，客服中心有大量來電，例如查詢帳戶餘額、訂單狀態或付款進度，這些都是結構化、可預測的簡單任務，根本不需要動用運算成本高昂的 LLM 。

Vassos 在接受 TechCrunch 採訪時直言：「像 Sierra、Decagon 這些公司，他們把自己定位為生成式 AI 公司，唯一的目標就是部署生成式 AI，這反而限制了他們。」他強調：「你可能有一把火箭炮，但如果敵人就在你身邊，你需要的是小刀。這就是客服中心的現實——你需要多種工具。」

Omilia 的解決方案是一種「混合 AI」架構，針對不同複雜度的任務，使用最合適、成本最低的工具。簡單、重複性的查詢交給確定性的自動化程式處理；只有遇到複雜、需要推理的對話時，才會動用生成式 AI 。Vassos 認為，這種「量體裁衣」的策略，才能實現真正的成本效益與營運效率。

Omilia 的關鍵差異化優勢

Omilia 的平台是專為高度監管行業（如銀行、保險）的大型企業客服中心所設計 。其主要差異化優勢包括：

• 以語音為核心、自我學習的架構：平台從底層就是為語音交互而建。其專有的 Lexis 文字轉語音引擎號稱延遲低於 45 毫秒，並能同時處理超過 5 萬通語音通話 。
• 「量體裁衣」的混合 AI：如前所述，將確定性工具與生成式 AI 結合，避免不必要的運算浪費 。
• 企業級安全與規模：平台支援一家美國一級銀行每日處理超過 100 萬通電話，並內建多重反詐欺機制 。
• 免除資料準備瓶頸：自我學習系統能直接連接客服中心的即時營運數據，從零開始自主學習，無需費時整理大量的訓練資料 。
• 分析師認可：獲 Forrester 評選為 2026 年第二季「對話式 AI 客戶服務平台」的領導者（Leader），並在 IDC MarketScape 報告中獲得肯定 。

近期融資與成長數據

Omilia 至今僅進行過兩輪外部股權融資。2020 年的 2000 萬美元 A 輪來自 Grafton Capital，而這次的 6700 萬美元 B 輪由 Expedition Growth Capital 主導 。

更引人注目的是其成長效率。在未進行額外股權融資的六年間，其 ARR 成長超過 10 倍，達到 6000 萬美元以上 。在許多 AI 新創公司仍忙於燒錢支付 Token 成本的當下，這種資本效率相當罕見 。

其他成長里程碑：

• 全球擁有超過 200 個企業部署案例，其中包含至少 27 個正式上線的生產級客服中心 。
• 為客戶自動化 超過 90% 的客戶互動 。
• 在 Omilia Cloud Platform 上每年處理 超過 50 億次互動 。

主要客戶

Omilia 的客戶主要為大型、高度監管的企業，包括：

• 一家每日處理超過 100 萬通電話的 美國一級銀行 。
• 多家橫跨北美與歐洲的金融服務與保險公司 。
• 在 Microsoft Marketplace 的 listing 中，宣稱擁有至少 27 個全球正式上線的客服中心 。

服務行業涵蓋銀行、保險、公用事業、速食餐廳、電信及公共服務 。

擴張計畫

這筆 B 輪資金將主要用於：

• 開設美國辦公室，建立北美市場的進入策略 。
• 擴張市場團隊，加速技術規模化 。
• 深化 DACH（德語區）與 Benelux（荷比盧）市場：透過與歐洲數位轉型顧問公司 valantic 的合作，將其平台提供給 valantic 的 500 多家企業客戶 。
• 在英國推出服務：與 IT 服務商 Bell Integration 合作，提供全英範圍的對話式 AI 服務 。
• 目標是 在三年內達到 10 億美元的年營收規模 。

總結

Omilia 的崛起，代表了 AI 客服領域中一個「反主流」的務實聲音。在多數公司競相將生成式 AI 應用於所有環節時，Omilia 主張「精準」與「效率」才是關鍵。其混合 AI 架構、驚人的成長數據以及來自大型企業客戶的肯定，證明了這種務實策略的市場潛力。

其執行長 Vassos 的「火箭炮對比小刀」之說，或許有些尖銳，但對於正在評估如何將 AI 導入客服中心、並且希望避免預算打水漂的企業決策者而言，這無疑是一記當頭棒喝。