Hace un año, estuve tentado a lanzar un asistente por voz para mi agencia. Algo estilo "Siri para emprendedores", pero con respuestas reales, no frases genéricas.
Abandoné la idea. ¿Por qué? Porque los asistentes de voz eran básicamente juguetes. Rápidos, sí. Inteligentes, no tanto. No entendían contexto, emociones ni podían ejecutar acciones reales. Parecía más fácil hablarle a la cafetera.
Pero eso acaba de cambiar.
Esta semana, OpenAI presentó oficialmente gpt-realtime, su modelo de voz más avanzado, y lo que trae no es una mejora incremental: es el primer paso serio hacia asistentes conversacionales realmente útiles, capaces y productivos.
Y eso tiene enormes implicaciones para cualquiera que esté construyendo productos o servicios apalancados en IA.
Lee esto atentamente, los agentes de voz serán como la ficha de empresa de Google, todos los negocios van a tener una.
¿Qué es gpt-realtime y por qué importa?
En pocas palabras: es un modelo de voz a voz, que escucha, razona, responde y actúa... en tiempo real.
Olvida el pipeline clásico de speech-to-text → LLM → text-to-speech. Esto es todo en uno. Más natural, más rápido, más inteligente.
Las mejoras clave:
Voz más humana: entona, cambia de ritmo, expresa emociones. Incluso puede hablar "empáticamente con acento francés", si se lo pides.
Mejor comprensión: capta instrucciones complejas, entiende acentos, ríe cuando tú ríes, cambia de idioma sin problema.
Funciona con herramientas externas: puede llamar funciones, leer imágenes, integrarse por SIP con teléfonos reales o usar un servidor remoto de herramientas (MCP).
Seguridad y control: puedes definir prompts reutilizables, poner límites de contexto, y mantener el control de lo que ve y hace.
Y todo esto con una latencia tan baja que parece magia. Hablas. Te responde. Sin esperar.
¿Cómo puedes usarlo (ya)?
Si estás construyendo un producto o servicio que involucra interacción con usuarios, atención al cliente, educación, asistencia personal o incluso ventas... esto es para ti.
Puedes irte ya al apartado de API de OpenAI ⤵️
Y ahí puedes explicar directamente en el chat lo que necesitas, se creará un prompt y podrás editarlo.
Lo mejor es que puedes ponerlo a prueba, simular la llamada con ese asistente:
Todo esto sin un ejército de developers. Con el Realtime API, puedes integrarlo directamente y usar herramientas como MCP para manejar funciones externas sin reinventar la rueda.
Si te interesa ver como integrarlo en tu negocio simplemente responde a este mail con un “Me interesa” y si veo que hay interés haré un vídeo práctico.
Lo que me fascina de este anuncio no es solo la tecnología, sino lo que habilita:
Equipos pequeños pueden crear productos con una experiencia de usuario que antes requería decenas de personas.
Ya no estás limitado por la voz plana de un asistente estúpido. Puedes crear personas IA que interactúan como humanos y actúan como software.
Es una nueva interfaz para construir negocios.
La barrera ya no es técnica. Es estratégica.
Si estás explorando esto, estoy armando un mini-playbook para founders que quieran lanzar sus propios voice agents con GPT y Realtime API. Si te interesa, responde a este mail.
Hasta el próximo sábado.
— Jairo
AI Founders Club