Bayangkan seorang analis riset di Jakarta sedang menyusun laporan tentang kebijakan fiskal 2025. Ia bukan membuka dokumen PDF atau jurnal akademik, melainkan mengetikkan perintah ke asisten AI internal: "Cari argumen ekonomi dari diskusi podcast Kompas TV dengan mantan Menkeu pada April 2024." Dua detik kemudian, sistem mengembalikan kutipan tepat, transkrip terverifikasi, dan konteks waktu — lengkap dengan tautan ke segmen asli. Ini bukan fiksi ilmiah. Ini sudah nyata, berkat Radar — platform kecerdasan podcast baru dari startup Particle.
Apa yang Berubah dari 'Dengar' Jadi 'Baca dan Gunakan'
Radar bukan alat transkripsi biasa. Ia memproses lebih dari 130.000 podcast aktif secara otomatis — mulai dari kanal lokal seperti 'Ngobrol Bareng Ekonom' hingga serial global seperti 'The Daily' — lalu mengonversi setiap kata menjadi data terstruktur yang bisa diindeks, dikueri, dan dihubungkan ke sistem lain. Yang paling krusial: Particle tidak hanya membuat konten audio bisa dicari lewat mesin pencari, tapi juga membukanya untuk AI agents melalui API dan protokol Model Context Protocol (MCP). Artinya, agen AI bukan lagi mengandalkan ringkasan generik atau metadata dangkal; ia bisa mengakses isi sebenarnya . Nuansa, perbandingan, bahkan kontradiksi antar-episod , sebagai bahan pengambilan keputusan.
Dilansir TechCrunch AI, pendekatan ini berbeda dari layanan transkripsi podcast konvensional seperti Descript atau Otter.ai, yang fokus pada editing manusia dan distribusi konten. Radar justru memposisikan podcast sebagai knowledge layer — lapisan pengetahuan tambahan yang setara dengan database jurnal atau repositori kode. Platform ini juga tidak mengunci akses hanya untuk klien premium; Particle membuka API-nya ke developer publik, dengan skema pricing berbasis pemakaian — bukan langganan bulanan kaku.
Baca juga: Stability AI Kumpulkan $76 Juta, Total Pendanaan Capai $232 Juta
Kenapa Podcast Lokal Masih Terpinggirkan di Infrastruktur AI
Meski jumlah podcast Indonesia tumbuh 42% tahun lalu menurut laporan Kominfo 2023, hampir seluruh konten tersebut tetap 'tidak terlihat' oleh model bahasa besar (LLM). Alasannya teknis: tanpa transkripsi terstandarisasi, tanpa anotasi topik, dan tanpa integrasi ke sistem eksternal, podcast adalah gudang suara tanpa katalog. Sebuah episode podcast 'Kabar Pasar' yang membahas regulasi fintech di OJK, misalnya, tak akan muncul dalam hasil pencarian internal perusahaan fintech — apalagi di respons AI yang diminta menganalisis risiko regulasi. Particle menyadari celah ini: mereka tidak hanya mengindeks podcast berbahasa Inggris, tapi juga telah mengaktifkan dukungan multibahasa termasuk Bahasa Indonesia, dengan model NLP khusus yang mengenali istilah teknis seperti 'sistem pembayaran elektronik' atau 'izin prinsip OJK' — tidak hanya menerjemahkan kata per kata.
Particle tidak membangun infrastruktur dari nol. Mereka memanfaatkan open-source Whisper v3 untuk transkripsi awal, lalu menambahkan lapisan analisis semantik buatan sendiri — termasuk deteksi tokoh, identifikasi klaim faktual, dan pemetaan relasi antar-konsep. Hasilnya, sebuah episode berdurasi 48 menit bisa dipecah menjadi 17 entitas pengetahuan terpisah, masing-masing dengan timestamp dan confidence score. Ini memungkinkan perusahaan media atau regulator membangun sistem pemantauan opini publik berbasis podcast — bukan hanya 'berapa kali disebut', tapi juga 'dalam konteks apa dan dengan nada bagaimana'.
Baca juga: HP Mati Total Meski Baterai 100%: Fenomena yang Makin Sering di Indonesia
Di sisi bisnis, model monetisasi Radar juga menghindari jebakan umum platform konten: tidak ada paywall untuk akses dasar. Developer bisa menguji API gratis hingga 1.000 permintaan/hari. Untuk perusahaan, Particle menawarkan paket enterprise dengan SLA garansi 99,9% uptime dan integrasi langsung ke tools seperti Notion, Slack, dan Salesforce. Artinya, tim compliance di bank bisa mengatur notifikasi otomatis saat podcast tertentu menyebut nama perusahaan atau produk tertentu — tanpa harus mendengarkan ratusan jam rekaman.
Tantangan terbesar bukan teknis, tapi budaya: banyak podcaster lokal belum memahami nilai data podcast mereka di luar jumlah download. Particle justru mengajak mereka berkolaborasi — bukan sebagai sumber konten pasif, tapi sebagai mitra dalam membangun knowledge graph nasional. Mereka telah menjalin kerja sama dengan komunitas podcast independen di Bandung dan Yogyakarta untuk uji coba pelabelan topik berbasis komunitas, bukan algoritma semata.
Fakta tambahan yang jarang disorot: Particle tidak menyimpan rekaman asli podcast. Mereka hanya menyimpan transkripsi dan metadata terenkripsi — dan semua data bisa dihapus permanen atas permintaan pemilik hak cipta dalam waktu kurang dari 72 jam. Ini tidak hanya kepatuhan GDPR, tapi juga bentuk desain etis yang sengaja dibangun sejak hari pertama — sesuatu yang masih langka di ekosistem AI startup global.