Byg din egen vidensdatabase med podcasts og AI
6 min læsetid0 visninger
Jeg lytter til cirka 15 podcasts om ugen. Det er måske 10-12 timers indhold. Gode samtaler, skarpe analyser, boganbefalinger, tech-indsigter, founder-historier.
Hvor meget af det husker jeg en måned senere?
Måske 5%. Hvis jeg er gavmild.
Resten forsvinder ind i det sorte hul af "ting jeg engang hørte men ikke kan finde igen". Det er spild af tid. Og det er ikke fordi indholdet er dårligt - det er fordi vores hjerne ikke er bygget til at huske lyd.
Podcasts er fantastiske til at fylde dødtid. Du lytter mens du løber, kører bil, laver mad. Men det er netop problemet: du laver noget andet imens. Din opmærksomhed er delt. Og selv når du er fokuseret, er lyd et flygtigt medie.
Du kan ikke søge i lyd.
Du kan ikke kopiere et citat fra lyd.
Du kan ikke linke til et specifikt minut i en samtale uden at bruge fem minutter på at finde det.
Hvis jeg hører en bogtitel nævnt i en podcast, og jeg ikke skriver den ned med det samme, er den væk. For evigt. Jeg har mistet tællingen over hvor mange gode bøger jeg aldrig fik læst fordi jeg var ude at løbe og tænkte "den husker jeg lige" - hvilket jeg naturligvis aldrig gjorde.
Jeg har prøvet alt det oplagte:
Det her er ikke et "bare prøv hårdere"-problem. Det er et medieproblem. Lyd er lineært og flygtigt. Du kan ikke skimme det. Du kan ikke Ctrl+F i det.
Det her er grunden til at jeg byggede EchoNote.
Når du transskriberer en podcast med AI, forvandler du lyd til tekst. Og tekst kan du søge i. Tekst kan du kopiere fra. Tekst kan du linke til. Tekst kan du bearbejde, analysere, opsummere.
Men det er kun begyndelsen. Den virkelige værdi kommer når du bygger en vidensdatabase.
Forestil dig at hver podcast du lytter til automatisk bliver:
Det er ikke en podcast-app. Det er et eksternt hukommelsessystem.
Jeg kan søge efter "hvad sagde Morten Münster om adfærdsdesign i den der podcast fra januar?" og få svaret på tre sekunder. Jeg kan finde alle bøger der er blevet anbefalet på tværs af 200 podcasts. Jeg kan se mønstre: hvilke emner går igen, hvilke founders refererer til de samme kilder, hvilke trends dukker op i samtaler på tværs af shows.
Før EchoNote: jeg hørte en bog anbefalet, glemte titlen, fandt den aldrig.
Nu: hver gang nogen nævner en bog i en podcast jeg lytter til, bliver den automatisk registreret. Jeg har en voksende liste over "bøger nævnt i podcasts" som jeg kan trække på når jeg skal vælge min næste læsning. Det er som at have en personlig bibliotekar der har hørt alle de samme samtaler som mig.
Et konkret eksempel: jeg lyttede til Børnehjernen-podcasten hvor de nævnte "The Anxious Generation" af Jonathan Haidt. Normalt ville jeg have glemt det. I stedet dukkede den op i min vidensdatabase, jeg søgte på den, fandt ud af at den også var nævnt i to andre podcasts jeg havde lyttet til, og læste den. Den bog ændrede hvordan jeg tænker om børn og skærmtid. Uden transskription havde jeg aldrig læst den.
Jeg lytter til tech-podcasts hvor startups og etablerede virksomheder bliver diskuteret. Før var det bare baggrundsstøj. Nu er det markedsintelligence.
Når nogen nævner en konkurrent til EchoNote - eller et tilstødende produkt - bliver det fanget. Jeg kan søge på "konkurrent" eller et firmanavn og se alt der nogensinde er blevet sagt om dem i de podcasts jeg følger. Hvilke features roser folk? Hvad klager de over? Hvilke prispunkter nævnes?
Det er ikke erstatning for seriøs markedsanalyse, men det er et fantastisk tidligt varslingssystem. Jeg opdager trends og nye spillere måneder før de dukker op i traditionelle medier.
Når jeg skriver blogindlæg (som dette), trækker jeg på min vidensdatabase. Jeg søger efter et emne og finder øjeblikkeligt alle relevante podcast-klip hvor emnet er blevet diskuteret. Citater, statistikker, eksempler - alt sammen med kilden angivet.
Før brugte jeg timer på at grave efter kilder. Nu tager det minutter.
For de teknisk interesserede: EchoNote bruger OpenAI's Whisper til transskription og GPT-4o til opsummering og analyse. Systemet kører som en automatiseret pipeline:
Det smukke er at det kører i baggrunden. Du lytter som du altid har gjort. Systemet bygger vidensdatabasen.
Vi bruger mere tid på lyd end nogensinde før. Podcasts, lydbøger, YouTube-videoer der i praksis er podcasts med billeder. Men vores værktøjer til at fastholde viden fra lyd er stort set ikke-eksisterende.
Det svarer til at læse 15 bøger om måneden uden at tage noter, uden at markere passager, uden noget system til at finde tilbage til det du har læst. Det ville være vanvittigt. Men det er præcis sådan vi behandler podcasts.
AI-transskription ændrer det. Det gør lyd til et førsteklasses vidensmedie på niveau med tekst.
Hvis du lytter til mere end et par podcasts om ugen, og du oprigtigt gerne vil have noget ud af det ud over underholdning, så er det værd at sætte et system op.
Du kan gøre det manuelt med eksisterende værktøjer - download lydfiler, kør dem gennem transskriptions-API'er, byg din egen database. Det er meget arbejde, men det virker.
Eller du kan bruge EchoNote som gør det hele automatisk. Jeg byggede det fordi jeg selv havde brug for det, og jeg bruger det hver dag.
Pointen er ikke hvilket værktøj du bruger. Pointen er at du stopper med at spilde den viden du allerede bruger tid på at tilegne dig.
Din fremtidige dig vil takke dig for at kunne søge i alt hvad du nogensinde har hørt.