투자 규모와 성장 지표

6,700만 달러의 시리즈 B 투자금이 Omilia(오밀리아)의 고객 지원 플랫폼 확장을 위해 투입된다. 이번 라운드는 익스페디션 그로스 캐피털(Expedition Growth Capital)이 주도했다. 2020년 그라프톤 캐피털(Grafton Capital)로부터 2,000만 달러를 유치한 이후, Omilia는 연간 반복 매출(ARR)을 10배 늘려 6,000만 달러 규모로 성장시켰다.

자금 투입의 우선순위는 미국 시장 공략이다. 전체 매출에서 상당한 비중을 차지하는 미국 내 신규 사무소를 개설하고, 시장 진출(Go-to-Market) 팀을 강화한다. 이를 위해 최고수익책임자(CRO), 최고마케팅책임자(CMO), 수익 운영 부사장(VP of Revenue Operations) 등 핵심 경영진 채용을 진행 중이다. 현재 500명 수준인 전체 인력은 올해 말까지 600명으로 늘릴 계획이다.

'바주카'보다 '칼'을 택한 시장 전략

최근 고객 지원 시장에는 시에라(Sierra), 데카곤(Decagon), 파를로아(Parloa) 같은 스타트업들이 생성형 AI를 활용한 콜·채팅·메시지 자동화 경쟁에 뛰어들고 있다. 이들은 주로 생성형 AI의 전면 배치를 통해 확장성을 확보하려는 전략을 취한다. 반면 2002년부터 음성 콜 자동화를 다뤄온 Omilia는 모든 프로세스에 AI를 쏟아붓는 방식이 오히려 낭비가 될 수 있다는 관점을 제시한다.

계좌 잔액 확인과 같은 단순 정보 요청이 고객 문의의 상당 부분을 차지한다는 점이 근거다. 이런 기초적인 작업에 굳이 고비용의 거대언어모델(LLM)을 투입할 필요가 없다는 논리다. 디미트리스 바소스(Dimitris Vassos) CEO는 이를 '바주카와 칼'의 비유로 설명한다. 적이 가까이 있을 때는 바주카포보다 칼이 필요하듯, 컨택 센터 운영에는 업무 성격에 맞는 다양한 도구 세트가 필요하다는 주장이다.

이러한 '적정 도구' 전략은 유닛 이코노믹스(Unit Economics, 단위당 경제성)의 최적화로 이어진다. 생성형 AI 기업들이 대규모 자본 투입을 통해 외형 성장에 집중할 때, Omilia는 실제 투자 대비 수익(ROI)을 증명하는 방향으로 성장 속도를 조절했다. 이는 화제성보다는 꾸준한 성장과 수익 기반의 기초 체력을 다지는 선택으로 풀이된다.

QSR 채택 사례와 운영 리스크

실제 도입 사례에서 두드러지는 분야는 퀵서비스 레스토랑(QSR, 패스트푸드점)의 음성 주문 시스템이다. 이미 타코벨(Taco Bell)을 고객사로 확보해 1,000개 이상의 매장에 기술을 배포했으며, 현재 미국 내 다른 두 곳의 QSR 업체와 협상을 진행하고 있다. 금융권에서는 캐피털 원(Capital One), 디스커버(Discover), RBC, DWP, PSEG 등이 Omilia의 플랫폼을 사용 중이다.

다만 AI 배포 과정에서 발생하는 예외 상황 제어는 여전한 과제다. 지난해 타코벨 주문 시스템에서 한 고객이 물 18,000잔을 주문했다는 오류 보고가 나온 사례가 대표적이다. Omilia 측은 로그 기록상 해당 사건이 발생하지 않았다고 부인하고 있으나, 이는 AI 기반 자동화 시스템이 실제 운영 환경에서 겪을 수 있는 '엣지 케이스(Edge Case)' 리스크를 보여준다.

한국의 AI 실무자와 기업들이 주목해야 할 지점은 모델의 성능보다 '비용 효율적 배치'다. 모든 고객 접점에 최신 LLM을 적용하는 것이 아니라, 단순 반복 질의와 복합 추론 질의를 분리해 서로 다른 비용 구조의 도구를 매칭하는 설계 능력이 실제 ROI를 결정한다. 특히 대규모 매장을 운영하는 리테일이나 QSR 환경에서는 시스템 오류가 물리적인 운영 마비로 이어질 수 있으므로, 단순한 기능 구현을 넘어 상세 로그 기반의 검증 체계를 갖추는 것이 도입의 핵심 판단 기준이 된다.