Particle, la startup de lectura de noticias fundada por antiguos ingenieros de Twitter, cambia de rumbo. La compañía presenta Radar, un motor de búsqueda que transcribe podcasts y entiende su contenido. El objetivo va más allá de facilitar la escucha. Radar convierte el audio hablado en datos estructurados que tanto personas como agentes de inteligencia artificial pueden consultar. La herramienta ya transcribe más de 130.000 podcasts y suma miles de episodios nuevos cada día. Detrás de la idea hay una convicción clara: los agentes de IA rastrean texto con soltura, pero apenas pueden acceder al contenido hablado si nadie lo transcribe antes. Radar quiere ser esa capa intermedia entre el audio y las máquinas.

De función secundaria a producto independiente

Radar no nace de cero. La idea surgió dentro de la propia aplicación de Particle, que ya usaba una API propia para extraer fragmentos interesantes de podcasts y mostrarlos junto a las noticias relacionadas en el feed de la app. Esta función se ganó rápido el cariño de los usuarios. El equipo de Particle se dio cuenta de que ese motor de análisis de audio tenía un valor que superaba con creces su papel de complemento dentro del lector de noticias. Con el auge de los agentes autónomos de IA, la compañía decidió separar esa tecnología y construir alrededor de ella un producto propio, con API y protocolo MCP incluidos, pensado para que otras empresas y desarrolladores la integren directamente en sus sistemas.

La CEO y cofundadora Sara Beykpour lo resume con una frase reveladora sobre el punto ciego de los sistemas actuales: los rastreadores web están hechos para texto y no perciben el audio salvo que alguien lo haya convertido antes en palabras escritas. Radar rellena ese hueco ofreciendo transcripciones enriquecidas, con etiquetas de interlocutor y metadatos que identifican personas, marcas, empresas y temas mencionados en cada episodio.

Cómo funciona la indexación técnica

El volumen de datos que maneja Radar da una idea de la escala del proyecto. La plataforma cubre los 200 podcasts más escuchados de Apple repartidos en 135 categorías temáticas distintas. A ese catálogo se suman 20.000 episodios nuevos cada día, lo que convierte a Radar en el mayor servicio de transcripción de podcasts que existe actualmente. Cada transcripción no es un simple volcado de texto: incorpora reconocimiento de interlocutores, extracción de entidades nombradas y capacidad de generar clips autocontenidos con marca de tiempo, listos para escuchar o leer sin necesidad de reproducir el episodio completo. Esta arquitectura permite, además, rastrear la aparición de una misma entidad —una persona, una marca, un producto— a través de miles de conversaciones distintas y enviar alertas cuando se detecta una mención relevante, ya sea en el momento en que ocurre o agrupada en un resumen diario o semanal.

Ese sistema de alertas se puede personalizar con filtros bastante finos. Un usuario puede pedir que solo le avisen cuando aparezca un invitado concreto hablando de un tema específico, o limitar la búsqueda exclusivamente a los podcasts más populares. Las notificaciones llegan por correo electrónico, Slack o mediante webhook, lo que facilita integrarlas en flujos de trabajo ya existentes dentro de una empresa.

El producto principal: la API y el protocolo MCP

Aunque Radar ofrece una interfaz web completa donde cualquier persona puede explorar transcripciones, buscar menciones o revisar los clips destacados de un episodio, el verdadero núcleo del negocio es otro: la API y el soporte para MCP, el protocolo que permite a los agentes de inteligencia artificial consultar la información de forma programática. Es aquí donde Particle ve el mayor potencial comercial. Según explica Beykpour, los primeros clientes de mayor volumen no han sido periodistas ni investigadores, sino fondos de cobertura interesados en datos que sus propios sistemas automatizados no pueden ver por sí solos. A ellos se suman plataformas de búsqueda basadas en IA y revendedores de datos, entre los que destaca Exa, proveedor de API de búsqueda para agentes, que figura ya como socio de Radar.

El modelo de precios de Radar está pensado para escalar según el tipo de cliente. La suscripción individual cuesta 29 dólares al mes por usuario, mientras que el plan empresarial, con veinte plazas incluidas, se sitúa en 399 dólares mensuales. Para el acceso a través de la API, la compañía aplica tarifas personalizadas en función del volumen y las necesidades de cada cliente. Este esquema de precios revela con claridad hacia dónde apunta realmente el negocio: no tanto hacia el usuario individual que quiere buscar un podcast concreto, sino hacia empresas y sistemas automatizados dispuestos a pagar por acceso estructurado a conversaciones habladas.

Más allá de la búsqueda y las alertas, Radar incorpora funciones pensadas específicamente para el mundo publicitario y de análisis de audiencia. Existe un buscador dedicado a rastrear anuncios dentro de podcasts, capaz de identificar en qué episodios aparece la publicidad de una marca concreta y cómo evoluciona esa presencia con el tiempo. A esto se añaden herramientas de análisis de sesgo político, datos de rankings, estimaciones de audiencia, información sobre patrocinios y evaluaciones de idoneidad de marca. Son piezas orientadas claramente a agencias de publicidad y equipos de comunicación que necesitan entender dónde y cómo se habla de sus productos en el ecosistema del podcasting.

Planes de expansión más allá del podcast

Particle no se conforma con dominar el terreno del audio hablado en formato podcast. La compañía ya ha anunciado que planea extender el servicio a otros tipos de contenido audiovisual, incluyendo vídeos de YouTube y piezas informativas en formato clip. La lógica es coherente con la visión original del proyecto: construir una capa de inteligencia sobre todo el audio y el vídeo disponible en la red, de forma que los agentes de IA dejen de estar ciegos ante cualquier contenido que no esté ya transcrito en texto plano. Se puede consultar más información sobre la propuesta técnica de Radar en su documentación de la plataforma, donde se detallan las opciones de integración disponibles para desarrolladores.

Para entender el contexto de la empresa que hay detrás, conviene recordar que Particle nació como una aplicación de noticias impulsada por inteligencia artificial, fundada por antiguos ingenieros de Twitter.. Aquella primera etapa sirvió de laboratorio para pulir la tecnología de análisis de audio que ahora se independiza como negocio propio.

Reflexiones adicionales

Radar llega en un momento en el que la carrera por alimentar a los agentes de IA con datos de calidad se ha convertido en un negocio en sí mismo. La jugada de Particle tiene sentido estratégico: en lugar de competir por captar usuarios finales para una app de noticias, la empresa apuesta por vender infraestructura de datos a quienes construyen los propios agentes. El interés temprano de fondos de cobertura resulta especialmente revelador, porque confirma que el valor de esta información no está solo en el consumo humano, sino en la capacidad de detectar señales de mercado antes que la competencia. Queda por ver si Radar logrará mantener la calidad de sus transcripciones a medida que el volumen de contenido indexado crezca, y si la expansión hacia vídeo y noticias diluirá o reforzará su posición como referencia en inteligencia de audio.