Radar de Particle: 130.000 podcasts para agentes de IA

¿Qué es Radar y por qué indexa 130.000 podcasts para agentes de IA?

Particle, la plataforma de noticias con IA fundada por ex ingenieros de Twitter, presentó el 26 de agosto su nuevo producto Radar: una herramienta que transcribe y analiza más de 130.000 podcasts para que agentes de IA y equipos humanos puedan consultarlos como si fueran una base de datos estructurada. Cada día se suman 20.000 episodios nuevos al índice, según informó Cadena 3 Argentina.

Detrás del lanzamiento está Sara Beykpour, cofundadora y CEO de Particle, ex ingeniera de Twitter. La motivación, según explicó a TechCrunch, es que las conversaciones en podcasts concentran análisis de expertos, noticias de última hora y nichos muy profundos que permanecen invisibles para buscadores y modelos de IA. Radar convierte ese audio efímero en datos con etiquetas de hablante, metadatos enriquecidos y análisis semántico, de modo que cada episodio queda indexado «como una página web», según resumió AndroGuider.

En la práctica, esto significa que un agente de IA ya puede preguntar «¿qué dijeron sobre regulación de IA en podcasts de tecnología esta semana?» y recibir respuestas con citas, timestamps y enlaces al fragmento exacto del audio.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

¿Cómo funciona Radar por dentro? De audio opaco a datos consultables

El flujo que describe Radar es continuo: transcripción automática de cada episodio, identificación del hablante, extracción de temas y entidades mencionadas, y enriquecimiento con metadatos. El resultado es un índice navegable por concepto, persona, empresa o tema, no por nombre de programa.

Tres capacidades concretas que destacan en el lanzamiento, según Cadena 3:

Búsqueda por entidad y alertas: el usuario rastrea menciones de una empresa, persona o tema y recibe notificaciones por correo electrónico, Slack o webhook cuando aparecen. Las alertas pueden configurarse para dispararse solo si se discuten ciertos subtemas o invitados.
Extracción de clips con timestamps: en lugar de transcribir a mano, Radar devuelve el momento exacto del audio donde alguien dijo lo que estás buscando, con la transcripción del fragmento lista para leer o escuchar.
Vigilancia continua: como el índice suma 20.000 episodios diarios, una alerta configurada hoy puede disparar mañana con material que todavía no existía cuando la creaste.

La idea no nació de cero: según Cadena 3, Radar evolucionó a partir de una de las funciones más populares de la app de noticias de Particle, que ya usaba una API para localizar clips relevantes dentro de podcasts.

¿Quiénes son los primeros clientes de Radar?

El perfil de cliente inicial es poco habitual para una herramienta de medios. Beykpour dijo a TechCrunch que los fondos de cobertura (hedge funds) son los principales compradores, integrados directamente vía API. La razón: muchos datos que mueven decisiones de inversión se discuten primero en podcasts antes de aparecer en notas escritas, y los analistas necesitan acceso programático para alimentar a sus propios agentes.

Además de los fondos, Radar apunta a tres segmentos:

Periodistas e investigadores que necesitan localizar fuentes primarias sin escuchar horas de audio.
Plataformas de búsqueda con IA que quieren ampliar su corpus con conversación espontánea de expertos.
Revendedores de datos que empaquetan inteligencia de podcasts para terceros.

El precio de entrada es de US$29 al mes por usuario, con un plan empresarial de US$399 mensuales para 20 usuarios. Para integraciones vía API, el costo es personalizado según volumen y caso de uso.

MCP y API: la jugada clave para developers

Aquí está la pieza que más debería mirar un equipo técnico hispanohablante. Radar no se queda en una interfaz web: expone los mismos datos vía API y vía un servidor MCP (Model Context Protocol). Según AndroGuider, el servidor MCP hace que Radar sea accesible de forma nativa para agentes de IA y asistentes compatibles con el estándar, como Claude y otros clientes MCP.

En términos prácticos, un developer puede hoy:

Conectar un agente propio a Radar para que consulte podcasts como si fueran una base de conocimiento más.
Integrar transcripciones y metadatos en un workflow de investigación, un CRM o una herramienta interna de due diligence.
Combinar Radar con otros servidores MCP (bases de datos, APIs financieras, documentación) para construir agentes de investigación que mezclen audio, texto y datos estructurados.

En el roadmap, Particle anticipó que Radar se expandirá más allá de podcasts: vienen videos de YouTube y clips de noticias como próximos formatos a transcribir e indexar.

¿Qué significa esto para tu startup?

Para un founder hispanohablante que construye sobre IA, Radar resuelve un problema concreto: el audio es una de las fuentes de información más ricas y más inaccesibles que existen. Hasta ahora, si querías saber qué dijo un fundador en un podcast, tenías que buscar el episodio, descargarlo y escucharlo entero, o pagar a alguien para transcribirlo. Radar lo entrega en segundos y por API.

Tres acciones concretas que puedes evaluar esta semana:

Auditar tu corpus de fuentes. ¿Qué porcentaje de la información que usa tu producto viene de texto escrito? Si dependes solo de artículos y papers, hay una capa entera de inteligencia en podcasts que estás ignorando. Lista los 10 podcasts más relevantes para tu mercado y comprueba si Radar los cubre.
Probar el servidor MCP. Si ya usas Claude Desktop o cualquier cliente compatible con MCP, conectar Radar es un buen caso piloto para entender cómo se siente un agente con acceso a datos de audio. Te lleva 30 minutos y te muestra el patrón que después puedes aplicar a tus propias fuentes.
Calcular el costo de no tener esa capa. Si tu equipo de investigación consume más de 5 horas semanales escuchando podcasts para extraer datos, el plan empresarial de US$399 al mes paga por sí solo muy rápido. El ROI no es teórico: es horas de analista devueltas al trabajo de mayor valor.

Conclusión

Radar no es una app para escuchar podcasts: es infraestructura para que la enorme cantidad de conocimiento que se publica en audio deje de estar oculta. Para founders que construyen productos basados en IA, la pregunta ya no es «si voy a necesitar acceso a podcasts», sino «qué decisiones estoy dejando sobre la mesa mientras no lo tengo».