TecnologíaInteligencia de Negocio

Cómo Omilia Reduce los Tiempos de Despliegue un 33% y Optimiza las Operaciones de Datos con Snowflake

Omilia, la empresa de IA conversacional con sede en Chipre que ayuda a empresas a reemplazar sistemas IVR heredados con contact centers basados en IA, adoptó el AI Data Cloud de Snowflake en AWS para centralizar sus analíticas y agilizar las operaciones de datos. La plataforma gestionada de Snowflake logró despliegues un 33% más rápidos y ahorró cientos de horas de DevOps al mes, habilitando visibilidad casi en tiempo real del rendimiento de los modelos de IA, volúmenes de llamadas y tendencias operativas en la creciente base de clientes empresariales globales de Omilia.

Impacto

33% faster

Mejora en los tiempos de despliegue

Hundreds

Horas de DevOps ahorradas al mes

Near real-time

Latencia de informes

Desafío

La creciente plataforma de IA conversacional de Omilia generaba grandes volúmenes de datos en una base global de clientes empresariales, pero los entornos fragmentados para informes, ingesta y experimentación creaban sobrecarga de infraestructura, impedían la detección de eventos casi en tiempo real y desviaban la atención de DevOps del trabajo en el producto.

Solución

Omilia migró al AI Data Cloud de Snowflake en AWS, consolidando fuentes de datos de sistemas CRM y PMO con almacenamiento y cómputo separados, desplegando entornos distintos para informes, ingesta y experimentación de ML, y usando Snowflake Horizon Catalog para la gobernanza, logrando despliegues un 33% más rápidos y cientos de horas de DevOps ahorradas al mes.

Herramientas y tecnologías

Lo que dicen los líderes

Podemos usar diferentes entornos para informes, ingesta, experimentación y cualquier otra cosa relacionada con los datos. Eso nos ha permitido entregar nuevos casos de uso como los informes en tiempo real que antes no eran posibles. Al mismo tiempo, la separación entre almacenamiento y cómputo significa que no pagamos por recursos cuando nuestros almacenes están inactivos.

Anna-Maria Giannakidi, Responsable de Analítica, Omilia

Ofrecemos información detallada sobre el rendimiento de nuestros modelos para que los clientes puedan mejorarlos y ofrecer una mejor experiencia. Con Snowflake, podemos entregar esos conocimientos de forma más rápida y eficiente.

Anna-Maria Giannakidi, Responsable de Analítica, Omilia
Entiende todo el contexto.

Regístrate para leer casos de estudio completos, acceder a métricas detalladas y recibir todos los reportes.

Historia completa

Omilia construye y opera una plataforma de IA conversacional integral que ayuda a las organizaciones a pasar de sistemas de respuesta de voz interactiva fragmentados y heredados a contact centers basados en IA. Los modelos de IA de la empresa procesan grandes volúmenes de datos de interacción en una creciente cartera de clientes empresariales globales en banca, seguros y telecomunicaciones. A medida que el alcance de despliegue de Omilia se expandía, el equipo necesitaba una plataforma de datos que pudiera seguir su ritmo: una que proporcionara analíticas casi en tiempo real, gobernanza simplificada para sectores regulados y liberara a los ingenieros del mantenimiento de infraestructura.

Antes de adoptar Snowflake, los equipos de DevOps y ciencia de datos de Omilia operaban en múltiples entornos fragmentados para informes, ingesta de datos y experimentación. Las actualizaciones de los paneles de control requerían ensamblado manual de datos. Detectar eventos sensibles al tiempo, como un aumento inesperado en las llamadas entrantes al contact center causado por la caída del sitio web de un cliente, no era posible casi en tiempo real. El despliegue de nuevos entornos de datos era más lento de lo que exigía la hoja de ruta del producto, y el mantenimiento de la infraestructura consumía horas de ingeniería que deberían haberse dedicado a construir nuevas capacidades.

Omilia migró al AI Data Cloud de Snowflake ejecutado en Amazon Web Services. La plataforma totalmente gestionada de Snowflake consolidó fuentes de datos de sistemas CRM, de entrega y de PMO, mientras que su modelo de cómputo flexible separó el almacenamiento del cómputo para eliminar costes de almacenes inactivos. Entornos distintos para informes, ingesta y experimentación de ML, cada uno escalable de forma independiente, proporcionaron al equipo el aislamiento necesario sin la sobrecarga de gestionar infraestructura separada. Snowflake Horizon Catalog proporcionó controles de gobernanza y cumplimiento normativo que satisfacen los estrictos requisitos de protección de datos de los clientes empresariales de Omilia en sectores regulados.

Los resultados fueron medibles en todas las operaciones. Los tiempos de despliegue de nuevos entornos bajaron un 33%, y cientos de horas de DevOps al mes que antes se dedicaban al mantenimiento de infraestructura están ahora disponibles para el desarrollo de productos. La detección de eventos en tiempo real, como alertar a un cliente en el momento en que la caída de su sitio web está generando un pico de llamadas, está ahora activa en producción. Los paneles de control se actualizan automáticamente, desplazando el tiempo del equipo del ensamblado de datos al análisis.

De cara al futuro, Omilia planea expandir la automatización y profundizar la integración entre su stack de IA y el AI Data Cloud de Snowflake. La plataforma se ha convertido en la base para ofrecer experiencias inteligentes y basadas en datos a sus clientes, y para que sus equipos innoven al ritmo que los clientes empresariales globales esperan.

Casos similares

I
Intercom
$1.4M
annual savings from sales team efficiency

Intercom, the AI-first customer service platform, built a Sales Cockpit on Snowflake’s AI Data Cloud powered by Cortex AI to give sales reps a unified view of customer data and AI-generated insight decks. The tool saves more than 2,000 hours per month across the sales organization, equivalent to $1.4 million in annual savings, and reduced the time to produce customer insight reports by 96%.

TechnologySSnowflakeSCSnowflake Cortex AI
E
Ensono
54–70%
reduction in mean time to resolution (mttr)

Ensono, a managed services provider handling over 60 billion retail transactions and government platforms for 24 million constituents, built two AI-powered systems on Snowflake to shift IT operations from reactive to predictive. The Envision Predictive Engine (EPE) and DiagnoseNow application reduced mean time to resolution by 54–70%, cut major incidents by 22%, and improved SLA performance by 38% across its enterprise client base.

TechnologySMSnowpark MLSSnowflake
I
IONOS
150+
data sources consolidated

IONOS SE, the German web hosting company serving 6.6 million customers, built a unified data foundation on Snowflake to eliminate customer data silos across all brands. AI and machine learning power automated analysis of 15,000 daily call transcripts, ML-driven upsell recommendations, and proactive churn detection — retaining 30% of customers at the point they call to cancel.

TechnologySSnowflake
P
Pfizer
93%
database reduction

Pfizer achieved a 93% database reduction and 20% cost avoidance by migrating their global SAP environment to S/4HANA on IBM Power10 infrastructure.

PharmaceuticalsTechnologyICIBM ConsultingIPIBM Power Virtual Server
A
Allspice
20% → 97%
ingredient matching accuracy

Allspice, a food technology startup building a kitchen operating system for consumers and recipe publishers, deployed Pinecone’s vector database to solve the inherent messiness of ingredient data that traditional text search could not handle. The implementation raised ingredient matching accuracy from roughly 20% to 97%, enabling the launch of recipe importing as a core product feature and expanding into a platform-wide semantic layer for search, recommendations, and conversational AI.

TechnologyTtext-embedding-3-largePPinecone
J
Jamf
Under 45 minutes
performance review skill build time

Jamf deployed Claude Enterprise across 16 departments, then built interactive workflow skills using Claude Cowork that transformed manual spreadsheet-based processes into guided, conversational experiences. Performance reviews that previously required months of effort are now built in under 45 minutes, and non-engineering teams independently create custom data dashboards.

TechnologyCEClaude EnterpriseCCClaude Cowork
R
Rappi
40%
search response latency reduction

Rappi, Latin America’s fastest-growing on-demand delivery app serving over 300 cities, replaced its keyword-based search engine with Oracle AI Vector Search and Oracle Cloud Infrastructure Generative AI to enable semantic and image-based product discovery. The upgrade reduced search response latency by 40% and improved conversion rate by 25%, driving higher engagement and order volumes across the platform.

TechnologyOAOracle AI Vector SearchOAOracle Autonomous AI Database
C
Confluent
15,000+
hours saved monthly

Confluent, a data streaming platform company with 2,000+ employees and 4,000+ customers, deployed Glean to solve the knowledge fragmentation that came with rapid growth from 250 to 2,000+ employees across 20+ systems. Glean indexed the company's full tool stack — Slack, Salesforce, Confluence, and more — enabling instant knowledge retrieval across all teams. The result: 15,000+ hours saved monthly, a 13% increase in support team satisfaction, and over 70% employee adoption.

TechnologyGGlean