klaus – una startup nacida en Estonia que surgió en 2019 para ayudar a los agentes de servicios al cliente – ha sido adquirida por la plataforma global de servicios al cliente Zendesk por un monto no revelado.
El año pasado Zendesk también adquirido Tymeshift, una herramienta de gestión de la fuerza laboral, para incorporarse a su producto. Sería negligente por nuestra parte no mencionar que la desaceleración de la economía tecnológica en general y la caída de las valoraciones ciertamente han ayudado a impulsar una ola de fusiones y adquisiciones en el sector.
Al final, Klaus había recaudado un total de 19,3 millones de dólares de inversores como Global Founders Capital, Acton Capital, Icebreaker.vc y Creandum.
En un comunicado, Adrian McDermott, director de tecnología de Zendesk, dijo: «Con Klaus como parte de nuestra cartera WEM, podemos empoderar a las empresas con el mejor control de calidad automatizado impulsado por IA del mercado».
Kair Käsper, cofundador de Klaus, añadió: «A medida que la IA aumenta la velocidad y la frecuencia de la interacción con el cliente, sólo el control de calidad impulsado por la IA puede ayudar a las empresas a mantenerse al día con las crecientes expectativas de los clientes».
Klaus comenzó centrándose en crear agentes de servicios al cliente, pero se transformó en una plataforma de control de calidad más completa impulsada por IA (afirmó la empresa).
En 2019los cofundadores, Kair Käsper y Martin Kõiva, surgieron de ser empleados del unicornio estonio Pipedrive para lanzar una «herramienta de revisión de conversaciones y control de calidad para equipos de soporte».
Después de ganar clientes como Automattic, Wistia y Soundcloud, cerraron una financiación inicial de 1,9 millones de dólares liderada por Creandum.
Luego en 2022Klaus cerró una ronda de acciones Serie A de 12 millones de euros (~11,49 millones de dólares) liderada por Acton Capital.
En esa etapa, Klaus estaba entrenando algoritmos de inteligencia artificial para realizar tareas. Estas incluían categorizar automáticamente los comentarios de los clientes, clasificar las conversaciones por atributos como la complejidad y realizar análisis de sentimientos en varios idiomas, calificando así la «calidad» de las conversaciones entre el cliente y el agente.
