Omilia asegura 67 millones en financiación Serie B (agosto de 2026)

Tabla de contenidos

  • La compañía, fundada en 2002 y con sedes en Atenas y Nueva York, se especializa en IA de voz para automatizar atención al cliente en grandes empresas.
  • El plan incluye crecimiento en EE. UU., refuerzo del equipo comercial (GTM) y escalado tecnológico de su plataforma agentiva y de aprendizaje autónomo.
  • La apuesta responde a una demanda empresarial de IA medible, integrable, segura y con costes predecibles, especialmente en sectores regulados.

Uso de la financiación para la expansión global de la plataforma CX

Omilia anunció el cierre de una ronda Serie B de US$67 millones (6 de agosto de 2026) liderada por Expedition Growth Capital, con la que eleva su financiación total a US$87 millones tras una Serie A de US$20 millones en 2020. El objetivo declarado es acelerar la expansión mundial de su plataforma de experiencia del cliente (CX) basada en agentes de IA con aprendizaje autónomo, orientada a grandes empresas.

Ronda Serie B de US$67M

Dato clave Lo que se comunicó Para qué importa en CX/IA de voz
Importe de la ronda US$67M (Serie B) Señal de capacidad para escalar producto, ventas y despliegues enterprise
Fecha 6 de agosto de 2026 Contexto temporal del anuncio
Inversor líder Expedition Growth Capital Indica respaldo de un fondo con foco en crecimiento
Financiación previa US$20M (Serie A, 2020) Punto de referencia del ciclo de crecimiento
Total financiado US$87M Tamaño acumulado del “colchón” para expansión
Tracción (según la empresa) > US$60M de ARR en 2026; 10x desde 2020 Sugiere encaje producto-mercado y escalabilidad comercial
Plantilla (según la empresa) ~500 empleados; objetivo 600 a fin de 2026 Capacidad operativa para delivery, soporte y GTM
Destinos del capital (declarados) EE. UU. (oficina/expansión), contratación GTM, escalado tecnológico Alinea inversión con crecimiento comercial y robustez operativa
Valoración No divulgada Evita inferencias: cualquier múltiplo/valoración sería una estimación

Una parte relevante del capital se destinará a reforzar su presencia en Estados Unidos, un mercado clave para el software empresarial y, en particular, para la automatización de contact centers. La compañía prevé abrir una nueva oficina en el país y ampliar su capacidad de ejecución comercial para capturar demanda en industrias donde la atención al cliente es intensiva y está sujeta a requisitos estrictos de seguridad y cumplimiento.

El plan también contempla contrataciones en go-to-market (GTM) y liderazgo comercial: la empresa ha señalado la intención de incorporar perfiles como Chief Revenue Officer (CRO), Chief Marketing Officer (CMO) y un VP de Revenue Operations, con el fin de escalar ventas, marketing y operaciones de ingresos. En paralelo, Omilia busca crecer en plantilla desde unos 500 empleados hacia un objetivo de 600 a finales de 2026.

La ronda llega tras un periodo de crecimiento sostenido: Omilia afirma haber superado los US$60 millones de ARR en 2026, lo que supone un crecimiento de 10x desde 2020 sin nuevas ampliaciones de capital en ese intervalo. En un mercado donde muchas propuestas de IA se han visto cuestionadas por costes variables y despliegues complejos, la compañía intenta posicionarse como una alternativa enfocada en resultados operativos y escalabilidad.

La plataforma de Omilia y su enfoque en el aprendizaje autónomo

Fundada en 2002, Omilia se presenta como una plataforma de IA de voz especializada en automatización de soporte al cliente para grandes organizaciones. Su propuesta se apoya en una arquitectura “agentiva” —capaz de ejecutar tareas y flujos— y en capacidades de autoaprendizaje orientadas a reducir el tiempo necesario para desplegar agentes de IA listos para producción.

A diferencia de competidores que construyen capas ligeras sobre modelos de terceros, Omilia subraya que posee su propio stack tecnológico, lo que le permite controlar rendimiento y operación. Entre los atributos que destaca están la latencia sub-segundo y la posibilidad de desplegar enfoques híbridos (agentivos y deterministas) para equilibrar automatización con control, especialmente en entornos donde la precisión y la trazabilidad importan tanto como la fluidez conversacional.

Ciclo de mejora continua
1) Captura de señales reales: se recogen transcripciones, motivos de contacto, abandonos, transferencias a agente y resultados (resuelto/no resuelto).

  • Checkpoint: si faltan etiquetas de resultado o hay baja calidad de audio/ASR, el “aprendizaje” se vuelve ruido.

2) Detección de brechas: se identifican intents no cubiertos, pasos donde el usuario se atasca y puntos de fuga (p. ej., “hablar con agente”).

  • Checkpoint: separar “nuevos casos” de “variantes lingüísticas” evita inflar el backlog.

3) Actualización de conocimiento y flujos: se ajustan respuestas, reglas deterministas y/o herramientas (APIs) que el agente usa para completar tareas.

  • Checkpoint: cualquier cambio que toque datos sensibles debe pasar por revisión de permisos y trazabilidad.

4) Pruebas antes de producción: validación con conversaciones de prueba y muestras históricas (regresión) para comprobar que no empeora lo ya resuelto.

  • Checkpoint: medir tasa de contención, exactitud por intent y “handoff” a humano.

5) Despliegue gradual: rollout por colas, segmentos o mercados; monitorización de latencia y costes por interacción.

  • Checkpoint: si sube la latencia o cae la contención, volver a la versión anterior debe ser rápido.

6) Operación continua: seguimiento semanal/mensual de métricas y ajuste del mix (determinista vs conversacional) según riesgo y volumen.

El foco sectorial también es parte del diseño: la compañía trabaja con industrias altamente reguladas como banca, seguros, salud, utilities y restauración de servicio rápido (quick-service restaurants). En estos ámbitos, la automatización no se limita a “responder preguntas”, sino que debe integrarse con procesos, políticas internas y exigencias de cumplimiento.

En materia de seguridad y compliance, Omilia afirma soportar estándares y marcos como FedRAMP, PCI-DSS, SOC 2, HIPAA y GDPR, un mensaje dirigido a compradores corporativos que priorizan gobernanza y riesgo. En ese contexto, el “aprendizaje autónomo” se vende menos como promesa futurista y más como una vía para acelerar el time-to-value sin multiplicar costes de configuración y mantenimiento.

La empresa también ha mencionado el desarrollo de Lexis, un modelo de texto a voz generativo orientado a contact centers empresariales, como parte del escalado de producto que pretende financiar con la Serie B.

Transformación de la inteligencia artificial en servicios personalizables

El debate de fondo que atraviesa el anuncio es el mismo que recorre hoy el mercado: la IA está dejando de ser una “funcionalidad” para convertirse en una capa de servicios digitales. Pero esa transición no ocurre solo por modelos más potentes; depende de que la tecnología se convierta en una propuesta entendible, personalizable, segura y escalable para clientes y empresas.

En la práctica, convertir IA en servicio exige integración con experiencias concretas y flujos reales de trabajo. También requiere medición: cuánto se usa, cuánto cuesta servir cada interacción, qué valor percibe el cliente y si el modelo comercial es sostenible. En IA, a diferencia de otras categorías digitales, el coste puede variar por tipo de consulta, volumen de uso o nivel de automatización, lo que obliga a diseñar mecanismos de gobierno y control.

Criterios para IA en servicio
Criterios prácticos para pasar de “IA” a “servicio” (especialmente en CX de voz)

  • Integración: ¿qué sistemas toca (CRM, ticketing, core bancario, pedidos, identidad)? ¿Qué pasa cuando una API falla?
  • Medición: métricas mínimas (contención, FCR/resolución, transferencias a humano, CSAT/NPS si aplica, latencia, coste por interacción).
  • Gobierno y riesgo: permisos por tipo de dato, auditoría de acciones del agente, trazabilidad de decisiones y cambios.
  • Costes y modelo comercial: qué variable “mueve la factura” (uso, volumen, canales) y cómo se evita la sorpresa presupuestaria.
  • UX y operación: cuándo conviene un flujo determinista (alta criticidad) vs conversacional (variabilidad), y cómo se diseña el handoff a humano.

Omilia intenta diferenciarse precisamente en ese punto: defiende un enfoque de costes predecibles y un modelo de precios transparente, evitando trasladar al cliente la volatilidad típica de esquemas basados en consumo de tokens. La promesa es que las empresas puedan calcular el retorno desde el primer día y evitar sorpresas presupuestarias, un argumento especialmente relevante cuando la IA se integra en operaciones de alto volumen como los centros de contacto.

La compañía también enfatiza una estrategia de “mix-of-tools” en lugar de depender únicamente de IA generativa. En términos operativos, esto sugiere combinar componentes deterministas, automatización y capacidades conversacionales para lograr resultados consistentes. En sectores regulados, esa combinación suele ser clave para mantener explicabilidad y control, sin renunciar a mejoras en experiencia de usuario.

En el mercado, la presión competitiva se mide en despliegues reales. Omilia cita una base de clientes con marcas como Capital One, Discover, RBC, DWP, PSEG y Taco Bell. En restauración, su tecnología opera en más de 1.000 drive-thru de Taco Bell en EE. UU. automatizando pedidos por voz; y en banca, menciona un caso de un banco Tier 1 en EE. UU. que procesa más de un millón de llamadas al día a través de su plataforma.

El papel de las telcos en la integración de la IA

La expansión de plataformas de CX con IA se cruza con un actor que busca reposicionarse: las telecos. En la economía de la IA, su rol potencial va más allá de la conectividad. Pueden actuar como orquestadores de confianza capaces de transformar una tecnología compleja en valor para el cliente, gracias a activos como escala, canales comerciales, facturación, soporte, presencia local y conocimiento regulatorio.

La tesis es que la IA no se masificará solo por innovación técnica, sino cuando se integre en propuestas con experiencia sencilla, garantías de privacidad, soporte y un modelo comercial claro. Las telecos ya han recorrido un camino similar con el “bundle” digital: pasaron de vender conectividad a integrar entretenimiento, seguridad, dispositivos, cloud o soluciones para empresas, muchas veces sin construir cada pieza desde cero, sino empaquetando, integrando y dando soporte.

Con la IA, esa lógica se vuelve más exigente. No basta con “sumar capacidades”: hay que seleccionar, priorizar y orquestar. El valor no está en ofrecer todas las herramientas posibles, sino en construir combinaciones que tengan sentido para el cliente y para la operación. Eso implica decidir qué se desarrolla internamente, qué se acelera con terceros y dónde conviene mantener el control de la relación con el usuario.

Equilibrios clave de decisión

  • Construir vs asociarse: construir da diferenciación y control; asociarse acelera time-to-market y reduce riesgo técnico, pero puede limitar personalización.
  • Control vs velocidad: más control (gobierno, trazabilidad, QA) suele ralentizar despliegues; más velocidad aumenta riesgo de incidencias y retrabajo.
  • Coste predecible vs máxima flexibilidad: modelos muy flexibles (p. ej., alta variabilidad conversacional) pueden encarecer operación; modelos más acotados facilitan presupuestación.
  • Experiencia “wow” vs consistencia: respuestas más abiertas pueden impresionar; en operaciones críticas suele ganar la consistencia y el handoff bien diseñado.
  • Datos centralizados vs minimización: centralizar mejora personalización; minimizar reduce superficie de riesgo y simplifica cumplimiento.

Además, la IA introduce una nueva unidad económica: no solo importa el acceso, sino el uso, el coste de computación, la calidad de respuesta, la trazabilidad y la integración en flujos reales. Para una telco que aspire a ser plataforma, medir y gobernar ese uso —y explicarlo— se vuelve central. En ese marco, soluciones empresariales como las de Omilia encajan en una tendencia más amplia: pasar de la promesa tecnológica a servicios con impacto verificable en experiencia del cliente.

Comparativa entre la evolución de la IA y los smartphones

La historia reciente ofrece un paralelismo útil: el smartphone. Cuando apareció, no era evidente todo lo que habilitaría. Primero llegó la tecnología (pantalla táctil, conectividad móvil, nueva interacción con internet). Después, un ecosistema de aplicaciones, desarrolladores, accesorios y servicios. Con el tiempo, esa complejidad se ordenó en algo simple para el usuario: abrir una tienda de apps y resolver necesidades cotidianas —comunicación, compras, movilidad, aprendizaje, pagos o salud— sin pensar en la infraestructura.

Con la IA, el mercado parece entrar en una fase similar. El reto ya no es solo qué puede hacer, sino dónde aporta valor de verdad, para qué cliente, bajo qué experiencia, con qué responsabilidad y con qué modelo de negocio. “Tener IA” deja de ser diferencial cuando casi todos lo declaran; lo diferencial pasa a ser resolver mejor una necesidad concreta y hacerlo de forma consistente.

Etapa Smartphone (lo que se consolidó) IA (lo que se está consolidando)
Tecnología base Pantalla táctil + conectividad + SO móvil Modelos (gen/agentivos) + herramientas + infraestructura de cómputo
Ecosistema App stores, desarrolladores, SDKs Proveedores de modelos, agentes, integradores, “tooling” y plataformas
Interfaz dominante Apps con UI visual Interfaces conversacionales y automatización (agentes)
“Producto” para el usuario Experiencias simples empaquetadas Servicios entendibles: casos de uso, activación, soporte, medición
Modelo económico Dispositivo + suscripciones/compra in-app Uso/coste de cómputo + calidad + gobierno + trazabilidad
Factor de confianza Seguridad del dispositivo/tienda Privacidad, consentimiento, explicabilidad y control operativo

En ese tránsito, la IA empieza a comportarse como una capa transversal: puede integrarse en productividad, atención al cliente, seguridad, educación, hogar digital o servicios para empresas. Pero para que esa capa sea utilizable, hace falta lo que el smartphone terminó consolidando: interfaces simples, integración y confianza. En IA, además, se suman exigencias de privacidad, consentimiento y gobernanza, porque trabaja con contexto, datos e instrucciones.

La comparación también ilumina una tensión estratégica: así como el smartphone desplazó parte del valor hacia la interfaz y el ecosistema, los asistentes y agentes de IA empiezan a capturar tiempo del usuario y a resolver tareas que antes ocurrían dentro de aplicaciones. Para muchas compañías, la pregunta es cómo seguir siendo relevantes cuando la interfaz se desplaza hacia lo conversacional y lo automatizado.

En ese escenario, el éxito no se mide por lanzar una novedad, sino por el impacto: si el cliente entiende la propuesta, la usa, confía en ella, y si mejora experiencia, eficiencia o diferenciación. La financiación de Omilia se inscribe en esa carrera por convertir IA en servicio operativo: menos demostraciones y más despliegues que funcionen, se midan y escalen.

Omilia: Un Futuro Prometedor en la Experiencia del Cliente

Inversión Estratégica para la Expansión Global

La Serie B de US$67 millones refuerza la apuesta por una expansión acelerada, con especial énfasis en Estados Unidos y en el fortalecimiento de capacidades comerciales. El hecho de llegar a la ronda tras superar US$60 millones de ARR y un crecimiento de 10x desde 2020 sitúa a Omilia en el grupo de proveedores que buscan consolidarse como infraestructura de CX para grandes empresas.

Innovación y Sostenibilidad en la Automatización de Servicios

El mensaje de la compañía combina innovación —plataforma agentiva, autoaprendizaje, TTS generativo— con una idea de sostenibilidad operativa: costes predecibles, despliegues híbridos y cumplimiento para sectores regulados. En un mercado que gira hacia el ROI, esa combinación puede ser tan decisiva como la potencia del modelo.

Un impulso significativo en la automatización del servicio al cliente

La ronda valida el interés inversor por soluciones de IA aplicadas a operaciones de alto volumen, especialmente en voz y contact centers, donde la automatización puede transformar tiempos de respuesta y consistencia del servicio si se integra con gobernanza y medición.

Estrategias de crecimiento y expansión en el mercado estadounidense

La apertura de oficina y el refuerzo del equipo GTM apuntan a capturar más cuota en Norteamérica, donde Omilia ya opera casos de gran escala, desde drive-thru automatizados hasta banca con volúmenes masivos de llamadas.

Diferenciación tecnológica en un mercado competitivo

En un entorno saturado de propuestas “con IA”, Omilia busca diferenciarse por stack propio, latencia, compliance y un enfoque de precio transparente que evite la incertidumbre de costes. La Serie B será, en última instancia, una prueba de ejecución: convertir esas ventajas en expansión global sostenida.

Omilia asegura 67 millones en financiación Serie B para 2026, una señal de que la IA de voz en CX entra en una fase donde pesan la integración, el compliance y los costes predecibles. Desde la perspectiva de Suricata Cx, este tipo de apuestas valida que la automatización conversacional solo escala cuando se conecta a operaciones reales y se mide por impacto, no por demos.

Señales clave a monitorear
Qué vigilar en los próximos 6–12 meses (señales de ejecución, no de narrativa)

  • Apertura y tracción real en EE. UU.: nuevos logos enterprise y expansión en cuentas existentes.
  • Contrataciones GTM (CRO/CMO/RevOps): si se materializan y cómo se traduce en pipeline.
  • Métricas operativas en casos a escala: contención, latencia, estabilidad y coste por interacción en picos.
  • Evolución del enfoque de costes predecibles: cómo se empaqueta comercialmente en contratos grandes.
  • Nuevos despliegues en sectores regulados: señales de gobernanza y trazabilidad “de serie”, no como proyecto ad hoc.

Enfoque editorial: el análisis prioriza lo que suele determinar el éxito operativo de la automatización conversacional en entornos de alto volumen (integración con sistemas, medición de desempeño, control de costes y flujos híbridos con escalado a agentes humanos), con especial atención a cómo estos criterios se trasladan a operaciones de telecomunicaciones e ISPs.

Este artículo refleja información públicamente disponible a la fecha de publicación y lo comunicado por la compañía sobre métricas como ARR, plantilla y casos de uso. Algunas cifras (por ejemplo, la valoración) no se han hecho públicas y podrían diferir a medida que haya nuevas comunicaciones. Los detalles del producto, los estándares compatibles y los planes de contratación pueden cambiar con el tiempo.