Omilia ha cerrado una Serie B de 67 millones de dólares liderada por Expedition Growth Capital. La compañía griega automatiza atención al cliente por voz, chat y mensajería, y llega a esta ronda con 60 millones de ingresos recurrentes anuales, diez veces los que tenía en 2020.
Puntos clave
- La ronda anterior fueron 20 millones en 2020, de Grafton Capital. Van 24 años desde la fundación en Atenas, en 2002.
- Unas 500 personas en plantilla, con previsión de 600 a cierre de 2026.
- Clientes: Capital One, Discover, RBC, el Departamento de Trabajo y Pensiones británico, la eléctrica PSEG y Taco Bell en más de 1.000 locales.
- El dinero va a una oficina nueva en Estados Unidos, ampliar el equipo comercial y fichar director de ingresos, director de marketing y responsable de operaciones de ingresos.
La tesis: no usar el modelo grande para todo
Lo más interesante de Omilia no es la ronda, es cómo justifica su arquitectura. La empresa despliega IA de forma selectiva en vez de meter un modelo de lenguaje grande en cada paso de la conversación.
En una llamada de atención al cliente hay tareas muy distintas. Reconocer un número de póliza es una cosa. Decidir si el cliente está pidiendo una baja o una modificación es otra. Redactar la respuesta es una tercera. Meter el modelo caro en las tres cuesta más, tarda más y además introduce variabilidad donde no la quieres: nadie quiere que el paso de validar un DNI sea creativo.
Es una posición poco de moda y con 60 millones de ARR detrás.
Veinticuatro años para un crecimiento de diez veces en seis
Omilia lleva desde 2002 en esto. Vivió la época de los sistemas de voz por reglas, esos menús telefónicos que todos odiábamos, y llegó a la era de los modelos con la parte aburrida ya resuelta: integraciones con sistemas bancarios, cumplimiento normativo y el detalle de que una llamada no se puede caer.
Esa base es lo que explica que tenga a Capital One y a un organismo público británico como clientes. Un banco no compra una demo, compra un proveedor que aguante una auditoría.
El caso de Taco Bell en más de 1.000 locales apunta a otra cosa distinta: volumen alto, conversación corta y márgenes finos. Tomar un pedido por el altavoz del autoservicio es una tarea donde cada décima de segundo y cada céntimo por interacción se notan en la cuenta de resultados. Ahí la arquitectura selectiva no es una preferencia estética, es lo que hace que el número salga.
Diez veces en seis años sin ronda de por medio
Entre 2020 y hoy, Omilia multiplicó por diez sus ingresos recurrentes con 20 millones de financiación. Eso son 60 millones de ARR construidos casi con caja propia, en un mercado donde lo habitual ha sido quemar capital de riesgo para comprar crecimiento.
La Serie B de ahora tiene pinta de ser de expansión comercial, no de supervivencia: oficina en Estados Unidos, equipo de ventas y tres fichajes de dirección (ingresos, marketing y operaciones de ingresos). Es el perfil de empresa que ya sabe vender y quiere vender más rápido.
Lo que dice la ronda del mercado
Que una empresa de atención al cliente por voz levante 67 millones en 2026, con toda la competencia de agentes de voz que ha salido en dos años, apunta a que el dinero está separando dos cosas: la tecnología de voz, que se ha vuelto barata y accesible para cualquiera, y la capacidad de meterla en un contact center regulado sin romper nada, que sigue siendo difícil y cara.
Por qué importa
Aquí hay dos lecciones directas para quien esté evaluando automatizar su soporte.
La primera es la del modelo selectivo. La tentación cuando montas un asistente es tirar de la API más potente para todo, porque funciona a la primera. Separar la conversación en pasos y usar la herramienta adecuada en cada uno da un sistema más barato, más rápido y sobre todo más predecible. Predecible es la palabra que le importa a tu director de operaciones.
La segunda es sobre qué compras cuando compras un proveedor de este tipo. La parte del modelo hoy la tiene cualquiera. Lo que cuesta encontrar es quien haya conectado eso a un CRM real, con volumen real, y sepa qué pasa cuando el sistema no entiende al cliente. Al pedir referencias, la pregunta útil no es qué precisión tiene, es qué hace cuando falla.
Relacionado
