Agentes de voz
OpenAI gpt-realtime: el modelo de voz que rompe la barrera del call center tradicional
El 28 de agosto de 2025 OpenAI lanzó gpt-realtime y la versión definitiva de su Realtime API: un solo modelo que escucha y responde con voz sin pasar por texto. Llegó con llamadas por SIP, servidores MCP remotos y entrada de imagen, y con una conversación más natural para cualquier empresa que use la voz como canal.
Qué ha lanzado exactamente OpenAI
Hasta ahora, montar un agente de voz con OpenAI implicaba encadenar transcripción (Whisper) + razonamiento (GPT-4o) + síntesis (TTS). Tres modelos, tres latencias, tres puntos de fallo. Con gpt-realtime, OpenAI junta esa cadena en un único modelo que recibe audio y devuelve audio.
El cambio no es cosmético. Según OpenAI, gpt-realtime acierta el 82,8% en Big Bench Audio (razonamiento con audio), frente al 65,6% de su modelo de diciembre de 2024, y el 30,5% en MultiChallenge de audio (seguir instrucciones), frente al 20,6%. En conversación real eso se traduce en algo que cualquiera nota en cinco segundos: el bot deja de sonar a "chatbot que lee" y empieza a sonar a humano que piensa antes de responder.
Las cuatro capacidades que cambian un voicebot empresarial
- Llamadas SIP nativasLa Realtime API acepta llamadas por SIP, el protocolo de la telefonía por internet, así que el agente se conecta a tu centralita o a tu operador sin montar un puente de audio propio.
- Servidores MCP remotosConecta el bot a CRM, ERP o cualquier herramienta interna sin construir un orquestador de tools desde cero.
- Preámbulos y transparencia de toolsEl bot dice "déjame mirarlo un momento" o "estoy revisando tu calendario" mientras ejecuta una acción, en lugar de generar silencios incómodos.
- 32.000 tokens de contextoMargen para el historial del cliente y las instrucciones del negocio durante la llamada. Su sucesor, gpt-realtime-2, lo amplía a 128.000 tokens.
Quién debería estar mirando esto con atención
Cualquier empresa donde el teléfono siga siendo un canal vivo: clínicas, despachos profesionales, gestorías, talleres, inmobiliarias, ecommerce con devoluciones, empresas que atienden por teléfono a otras empresas. Con este modelo, montar un agente que reserve citas, cualifique contactos o atienda fuera de horario dejó de ser un problema de tecnología: lo que cuesta es diseñar bien la conversación y conectarla con tus sistemas. Si quieres oír cómo suena un agente de voz con IA, llama al 865 760 837: te atiende el asistente de voz de AITECA, y en nuestra página de agentes de voz con IA te contamos cómo lo montamos.
El otro perfil que debe estar atento son los equipos que ya tienen un IVR clásico (Dialogflow, Amazon Connect, scripts de Genesys). El modelo nuevo no requiere reescribir todo: en muchos casos puede convivir como "capa de conversación" sobre los flujos existentes, sustituyendo solo la parte de comprensión y respuesta.
El elefante en la habitación: latencia, coste y control
Tres cosas que no se solucionan solas por usar el modelo nuevo:
- Latencia: cada salto de red entre la llamada, tu centralita y el modelo se nota en la conversación. Mídela desde España con llamadas reales antes de dar el servicio por bueno.
- Coste por minuto: OpenAI cobra gpt-realtime a 32 dólares por millón de tokens de audio de entrada y 64 por millón de salida, las mismas tarifas que sus sucesores gpt-realtime-2 y gpt-realtime-2.1. Lo que cuesta cada llamada depende de cuánto hablen el cliente y el agente, así que conviene medirlo con llamadas reales antes de calcular el ahorro.
- Soberanía y RGPD: grabaciones y transcripciones pasan por OpenAI. Para sectores regulados (sanidad, banca, legal) hay que firmar DPA y revisar dónde se almacena el log.
Qué conviene tener en cuenta
Lo que marca la diferencia
- Un agente que reserva citas por teléfono ya se monta con piezas estándar; lo que distingue uno bueno es cómo se conecta con tu agenda y tu CRM.
- Si ya tienes un menú telefónico (IVR), no hace falta tirarlo: la IA puede ponerse delante y dejar el menú para lo que no sepa resolver.
- La diferencia no está en qué modelo usas, sino en lo bien que diseñas la conversación, el paso a una persona y el registro de cada llamada.
gpt-realtime no es solo un modelo nuevo. Fue el momento en que los agentes de voz dejaron de ser una demo y pasaron a ser una decisión de negocio que conviene evaluar.
Fuentes
- OpenAI. Introducing gpt-realtime and Realtime API updates for production voice agents (28 de agosto de 2025)
- OpenAI API. Ficha del modelo gpt-realtime (contexto y precios)
- OpenAI. Advancing voice intelligence with new models in the API (mayo de 2026)
- OpenAI API. Ficha del modelo gpt-realtime-2.1
- OpenAI API. Deprecations (retirada de gpt-realtime el 20 de enero de 2027)
Fuentes consultadas el 26 de septiembre de 2026.
AITECA es una agencia y consultora de inteligencia artificial de Alicante. Vamos a tu negocio, vemos contigo por dónde empezar con la IA y, si quieres, construimos las soluciones. Conoce al equipo
¿Quieres montar un agente de voz IA en tu empresa?
En AITECA montamos agentes de voz con OpenAI Realtime, Vapi y proveedores europeos según el caso. Diseñamos la conversación, lo conectamos con tu CRM o tu centralita y medimos qué parte de las llamadas resuelve sin pasar a una persona. Si antes quieres saber qué llamadas te conviene automatizar, empieza por nuestra consultoría de IA para empresas.