Não é possível encontrar outros usuários do SIP. Enquanto no Skype é possível achar qualquer usuário digitando o nome na caixa de pesquisa, com o SIP temos várias redes independentes e não é possível localizar outras pessoas.
Configurar um cliente SIP genérico também pode ser muito confuso, confuso demais para um usuário comum. Configurar um cliente SIP "de marca" não é tão complicado, mas prende o usuário a uma rede SIP específica.
Se bem entendi, o autor está imaginando um cenário "perfeito" demais. Não é porque o SIP é usado em vários lugares que necessariamente é preciso integrar todos clientes em um mecanismo de busca. Isto realmente seria na prática impossível, muita utopia. Dificilmente teríamos um jeito de integrar todas implementações e programas SIP em uma única rede de forma usável.
O vídeo nem sempre funciona, e a qualidade é péssima. É o mesmo problema do qual acabamos de falar, só que pior. Os protocolos de vídeo são mais difíceis de implementar, e as incompatibilidades são mais frequentes.
Ele está certo, mas quando estamos utilizando um mesmo cliente SIP este problema não ocorre (pelo que sei). O problema, novamente, são as diferentes implementações e codecs, e não o protocolo em si.
Se qualquer empresa, quem sabe o próprio Skype por exemplo, lançar uma versão que use SIP, com um conjunto definido de codecs de som e vídeo, as buscas pelos usuários ocorreriam nos servidores do Skype normalmente, assim como ocorre hoje e não haveria problemas de compatibilidade de codec. E talvez o Skype, por este aluguel caro que está pagando, faça isto.