Retell AI(abre en una nueva ventana) es una plataforma de IA de voz para operaciones de centros de contacto que ayuda a las empresas a crear agentes capaces de responder preguntas, tomar acciones y conectar a la persona que llama con un humano cuando es necesario. Su plataforma ahora atiende a más de 4,000 empresas, con un volumen mensual de llamadas que creció de 30 millones a principios de 2026 a más de 100 millones en septiembre.
A medida que Retell atiende a más empresas con flujos de trabajo complejos, utiliza modelos de OpenAI para mantener alta la calidad y fiabilidad de las llamadas. Hoy, los modelos de OpenAI generan respuestas para el 80% de las llamadas en Retell, con clientes que logran tasas de resolución superiores al 80%. Retell también ha superado 1 billón de tokens consumidos en modelos de OpenAI, lo que refleja la escala de esa adopción.
Los ingenieros de Retell usan Codex durante todo el desarrollo, desde investigar código desconocido hasta crear funciones y depurar problemas, y GPT‑6 Astra para probar interfaces de front-end.
«Elegimos los modelos de la misma forma que nuestros clientes eligen proveedores: con llamadas reales, no demos. OpenAI sigue ganándose su lugar.»—Bing Wu, cofundador y CEO, Retell AI
Elegir modelos de OpenAI para las exigencias de una llamada en vivo
Los agentes de voz empresariales deben seguir las políticas de la empresa y mantenerse dentro de sus roles asignados, incluso cuando las conversaciones cambian. Retell creó su benchmark vCX para comparar docenas de modelos mediante conversaciones difíciles y de múltiples turnos extraídas de escenarios reales de producción.
El benchmark evalúa qué tan bien los modelos siguen instrucciones, se mantienen fieles a la información que reciben, llaman a las herramientas correctas y usan un lenguaje conversacional natural. En el benchmark del 13 de octubre de 2026 de Retell, GPT‑6 Astra ocupó el primer lugar en seguimiento de instrucciones con 89.7%.
Retell también compartió evaluaciones realizadas antes del lanzamiento del modelo GPT‑6 Astra que mostraron a GPT‑5.5 clasificándose en el primer lugar entre los modelos tanto en tasa de no alucinación (88.0%) como en corrección de llamadas a herramientas (88.3%) con el razonamiento activado, superando a Gemini‑3.1‑Pro y Claude‑4.6 en ambas medidas. También lideró en tasa de no alucinación con el razonamiento desactivado.
Retell dice que los nuevos clientes que eligen modelos de OpenAI siguen usándolos. Los clientes también tienen acceso a los modelos Realtime de OpenAI a través de la Realtime API y a OpenAI text-to-speech como motor de voz. Retell pone a disposición los nuevos modelos de OpenAI el mismo día de su lanzamiento y vuelve a ejecutar su benchmark a medida que los modelos mejoran.
Resolver más del 80% de las solicitudes de los clientes con agentes
Los equipos de centros de contacto usan Retell para definir el contexto empresarial, los objetivos y las reglas de sus agentes. Los desarrolladores pueden configurar además flujos de trabajo e integraciones.
Durante una llamada, el harness de Retell ejecuta los modelos de audio, sigue la conversación y gestiona cuándo el agente habla, escucha o responde a interrupciones. Los modelos de OpenAI, incluidos GPT‑6.1 Sol, GPT‑6 Astra y GPT‑5.5, usan las instrucciones del cliente y el contexto de la conversación para generar respuestas y solicitar llamadas a herramientas. Retell ejecuta esas llamadas a través de integraciones con los sistemas del cliente y puede registrar los resultados en un registro de cliente.
Cuando se necesita criterio humano, el agente de voz informa al representante con contexto, responde sus preguntas de seguimiento y confirma que está listo antes de conectar al cliente. Después de una llamada, Retell usa GPT‑5.6 Terra para analizar la transcripción y extraer resultados y otros datos.
Con este enfoque, Retell reporta tasas de resolución de clientes superiores al 80%. En la empresa de electrónica Anker, los agentes gestionan el soporte posventa de Nivel‑1 en EE. UU. y Reino Unido, incluido el seguimiento de pedidos, verificaciones de garantía y solución de problemas. Anker reportó una tasa de resolución de casos del 80.4% y un Net Promoter Score (NPS) de 63. Su equipo también dijo que el tono, el ritmo y la calidez de los agentes cumplieron el estándar que esperaban de un agente humano.
En Pine Park Health, los agentes de Retell gestionan recordatorios de citas y programación proactiva, y registran los resultados en las historias clínicas de los pacientes. El equipo recuperó tiempo de asistente médico equivalente a 2.1 puestos de tiempo completo y lo reorientó a la atención de pacientes. Su agente de programación logró una tasa de reservas del 55.7% cuando lograba contactar a un paciente.
Mantener las llamadas receptivas a medida que crece el volumen
El tráfico diurno en la plataforma de Retell puede alcanzar más de 50 veces su mínimo nocturno. Para ayudar a mantener las llamadas receptivas incluso en momentos de máxima demanda, Retell usa servidores dedicados con OpenAI, compartidos entre sus clientes. En el benchmark del 13 de octubre de 2026 de Retell, GPT‑6 Astra y GPT‑6 Sol registraron cada uno una latencia mediana de la primera oración de 883 milisegundos, con GPT‑5.6 Luna en el primer lugar con 497 milisegundos.
Los endpoints regionales de la API de OpenAI permiten a los desarrolladores dirigir el tráfico a regiones geográficas específicas, lo que ayuda a Retell a reducir el tiempo de viaje de la red y cumplir los requisitos de residencia de datos de los clientes en industrias como la salud y los servicios financieros.
Retell también incorpora redundancia en cada capa del servicio. Ejecuta su propia pila de telefonía con una segunda pila lista para tomar el control, junto con copias de respaldo para los servicios de voz y de modelos, para ayudar a mantener las llamadas activas cuando un servicio falla.
Usar Codex para investigar, construir y depurar
A medida que el crecimiento empresarial de Retell trae más solicitudes de flujos de trabajo e integraciones personalizadas, sus ingenieros a menudo necesitan trabajar en partes desconocidas del código base. Antes de escribir código, le dan a Codex un requisito de alto nivel. Codex examina el código, lo verifica contra datos reales y explica qué necesita cambiar. Un ingeniero dijo que Codex hacía esta investigación mejor y mucho más rápido de lo que él podía.
Durante la implementación, los ingenieros dicen que Codex a menudo detecta detalles que no habían considerado. Para la depuración, Codex cruza registros y datos de bases de datos con el código para investigar qué está sucediendo. Los ingenieros de Retell también usan Codex en su trabajo con clientes que construyen sobre modelos de OpenAI para acelerar tareas como escribir las instrucciones que guían cómo responde un modelo en la aplicación de un cliente.
Para probar cambios en su interfaz web, Retell depende del uso de computadora de GPT‑6 Astra. Cuando un ingeniero abre un pull request de front-end, GPT‑6 Astra abre la interfaz, hace clic en ella, prueba los flujos, intenta romperlos e informa de los problemas que encuentra. Retell dice que los modelos anteriores no podían realizar este trabajo de manera confiable.
Retell sigue contratando personal, pero su equipo de ingeniería no ha necesitado crecer al mismo ritmo que el negocio. Retell reporta $1.6 millones de ingresos anuales recurrentes por empleado.
“Al usar Codex, el equipo de ingeniería tiene un compañero virtual que puede trabajar junto a ellos en cualquier tipo de tarea difícil”.—Bing Wu, cofundador y CEO, Retell AI
Poniendo la experiencia del cliente a trabajar
Cada empresa sabe cómo quiere atender a sus clientes. El objetivo de Retell es permitir que las personas más cercanas a ese trabajo apliquen directamente su experiencia, utilizando IA de voz avanzada y una plataforma que les permite construir, probar y mejorar sus propios agentes. A continuación, Retell planea expandir el aseguramiento de calidad y la simulación, admitir más idiomas y desarrollar el autoaprendizaje de bases de conocimiento.
A medida que los modelos de OpenAI siguen avanzando, Retell espera que sus clientes brinden un servicio de clase mundial a millones de llamantes, en sus propios términos.
“Nadie conoce a los clientes de una empresa mejor que la propia empresa. Les damos el poder de actuar sobre esa experiencia y mejorar directamente los agentes de IA. El objetivo es que construyan un equipo interno de ingenieros con despliegue interno que sean dueños de todo y lo gestionen”, dice Bing.