Un conserje de IA para huéspedes es un asistente orientado al hotel que responde preguntas sobre la propiedad, recomienda lugares cercanos aprobados y guía a los huéspedes hacia indicaciones, reservas, solicitudes de servicio o ayuda del personal. Una versión consciente del mapa utiliza la propiedad activa, sus servicios, el catálogo de socios y el contexto de viaje para destacar lugares y rutas en un mapa interactivo. Los sistemas del hotel siguen siendo la autoridad sobre reservas, políticas y registros de huéspedes; el modelo de lenguaje interpreta la intención frente a esas fuentes.
Las secciones siguientes explican la tarea del huésped, las cuatro capas de información, la elegibilidad y el estado cartográfico compartido, los límites de reservas y privacidad, un piloto de bajo riesgo y el lugar que ocupa Kaleidr actualmente. Como lecturas relacionadas, consulte Mapas de experiencia del cliente con inteligencia de ubicación, Cómo crear un asistente de IA consciente del mapa y Cómo crear un mapa turístico impulsado por IA.
Principios esenciales del conserje de IA
- Primero la propiedad: mantenga un hotel activo como ancla espacial y de contenido.
- Catálogo aprobado: recomiende socios que el hotel realmente quiera mostrar a sus huéspedes.
- Filtros estrictos antes de clasificar: abierto, accesible y conforme a las políticas pesa más que «cercano» o «mejor».
- La IA interpreta la intención: los servicios geoespaciales calculan rutas; los sistemas del hotel controlan los hechos.
- Derive pronto: servicio, seguridad, pagos y cambios de reserva corresponden al personal o a los sistemas anfitriones.
¿Qué es un conserje de IA para huéspedes?
Es una interfaz conversacional diseñada para los flujos de trabajo de un hotel, no para una búsqueda web genérica. Los huéspedes preguntan cuándo comienza el desayuno, dónde está el gimnasio, qué restaurante recomienda el hotel, cómo llegar desde el aeropuerto o a quién contactar por un problema en la habitación. Algunos productos se limitan a recuperar preguntas frecuentes. Otros añaden mensajería, tickets de servicio, ventas adicionales o enlaces de reserva. La versión consciente del mapa incorpora la geografía de la propiedad, un catálogo cercano aprobado, relaciones de viaje y el estado activo del mapa, de modo que el asistente pueda responder tanto dónde como qué.
La página actual de Spatial AI de Kaleidr presenta la hospitalidad como un AI guest concierge que ayuda a los viajeros a explorar propiedades, servicios y socios cercanos con IA consciente del mapa. También señala que las respuestas pueden basarse en el catálogo, la voz de marca y las políticas de una empresa, en lugar de depender únicamente de una búsqueda web genérica (AI Map Chat for Customer Discovery). Esa página es la fuente de autoridad sobre el posicionamiento de Kaleidr. La arquitectura siguiente funciona como un contrato de producto para hoteles: el modelo de lenguaje interpreta la solicitud; los sistemas hoteleros, de reservas y espaciales siguen siendo las fuentes de verdad.
Una pregunta compuesta sirve como buena prueba: «Tengo dos horas antes de cenar. ¿A dónde puedo ir caminando desde el hotel que sea apropiado para niños y siga abierto?» Incluye un origen, un modo de desplazamiento, un presupuesto de tiempo, un público y una restricción de horario. El modelo puede recuperar esos campos como estado inspeccionable. La identidad del lugar, los horarios, la aprobación del socio y el tiempo de ruta deben seguir procediendo de los sistemas que controlan esos datos.
¿Por qué la hospitalidad es un problema espacial?
Los hoteles concentran decisiones dependientes de la ubicación en un área pequeña y durante una estancia corta. Un huésped puede necesitar encontrar una entrada, un aparcamiento, un servicio dentro del recinto, un restaurante asociado dentro de un límite a pie, un establecimiento de camino a otro destino o una parada práctica antes de salir. Una respuesta solo textual como «el museo está en la calle Mayor» aún obliga al huésped a inferir distancia, modo y si llegará antes del siguiente compromiso. Una respuesta espacialmente fundamentada puede indicar el tiempo a pie calculado por el servicio de rutas, resaltar el lugar en un mapa centrado en el hotel y ofrecer indicaciones o derivación al personal.
La inteligencia de ubicación orientada al cliente sigue el mismo esquema Descubrir → Comparar → Actuar. Descubrir recupera servicios o socios elegibles. Comparar hace inspeccionables el tiempo de viaje, los horarios y la aprobación del hotel. Actuar significa indicaciones, enlace de reserva, solicitud de servicio o escalación humana. La distancia en línea recta suele ser una mala métrica cerca de un hotel: carreteras, agua, zonas restringidas y entradas peatonales cambian qué significa «cerca». El producto debe calcular la relación que la pregunta realmente exige y mostrarla como explicación.
La navegación paso a paso en interiores es una capacidad aparte. Un mapa de la propiedad puede resaltar gimnasio, spa o recepción cuando el hotel dispone de coordenadas o plano de planta. Afirmar que existe navegación interior sin un sistema de cartografía y posicionamiento interior exagera la capa espacial. Las acciones del mapa deben ajustarse a la geometría que la propiedad publica.
¿En qué se diferencia de un asistente de preguntas frecuentes?
Un asistente hotelero tradicional sigue una ruta corta: pregunta, búsqueda en el contenido del hotel y respuesta textual. Un conserje consciente del mapa añade contexto de propiedad y huésped, conocimiento aprobado, lugares cercanos aprobados, cálculo espacial, elegibilidad, clasificación, respuesta fundamentada y después una acción cartográfica, hotelera o derivación humana. Estos pasos adicionales existen porque las preguntas de hospitalidad suelen combinar condiciones y porque el siguiente paso útil suele ser un lugar, una ruta o una persona, no otro párrafo.
El hotel debe controlar su capa de recomendaciones. Una base de datos genérica puede enumerar restaurantes cerca de una coordenada. Un conserje necesita responder cuáles recomienda esta propiedad, para qué situaciones y con qué exclusiones. Socios aprobados, categorías preferidas, notas de accesibilidad, afinidad de marca y listas estacionales deben estar en un catálogo controlado por el hotel, aunque el mapa público siga proporcionando calles y tiempo de viaje. La clasificación debe explicar por qué aparece un resultado: aprobado por el hotel, abierto a la hora solicitada, accesible dentro del límite a pie o compatible con una preferencia recuperada. Un «mejor cercano» sin definición oculta la política.
La elegibilidad estricta se aplica antes de las preferencias. Para «un restaurante recomendado por el hotel, abierto ahora y a menos de 15 minutos a pie», el conjunto estricto debe estar aprobado, vinculado a la propiedad activa, pertenecer a la categoría restaurante, estar abierto y ser accesible dentro del límite. Después, la clasificación flexible puede considerar cocina, adecuación familiar, prioridad del hotel o accesibilidad. Clasificar primero y verificar después eleva lugares cerrados o no aprobados porque su descripción obtuvo buena puntuación.
¿Cómo encaja la IA espacial en el viaje del huésped?
El viaje del huésped es mejor punto de partida que una lista de funciones. Antes de llegar surgen preguntas sobre ruta aeropuerto-hotel, aparcamiento, comparación de propiedades, distancia a pie de un evento y reglas publicadas de check-in. En la llegada: entrada, aparcamiento, recepción, parada del transporte y edificio asignado. Durante la estancia: servicios, horarios y orientación dentro de la propiedad. El descubrimiento local incluye restaurantes y atracciones aprobados. El servicio hotelero abarca toallas, mantenimiento, salida tardía y transporte. La salida incluye checkout, guardaequipaje y tiempo al aeropuerto. Cada fase usa la misma propiedad como ancla con distinta mezcla de datos públicos, cálculo espacial y datos autenticados del huésped.
Las afirmaciones específicas como «su habitación está lista» o «le corresponde el edificio B» deben provenir del sistema de reservas o gestión de propiedades después de que el anfitrión autentique al huésped. Los hechos públicos y listas aprobadas pueden servir a visitantes sin autenticar. El asistente no debe mezclar modos: una sesión sin autenticar se limita al contenido publicado; un flujo específico de estancia recupera únicamente los campos mínimos autorizados.
El servicio hotelero no es principalmente una tarea cartográfica. Pedir toallas, informar de un aire acondicionado averiado, disputar un pago o quedarse fuera de la habitación debe crear un ticket operativo o derivar al personal, no generar otro párrafo. La capa espacial sigue ayudando cuando hay un lugar: qué entrada usar, dónde para el transporte o cuánto tarda el trayecto al aeropuerto. En esos casos, el asistente debe dejar de recomendar y dirigir el flujo a recepción, limpieza, mantenimiento o reservas.
¿Qué sistemas deben controlar los datos del hotel?
Un conserje de producción suele leer cuatro capas con responsables distintos. El conocimiento de la propiedad incluye servicios, horarios, políticas y contactos. El catálogo de lugares aprobado incluye socios, atracciones y transporte preferido. El contexto espacial público incluye coordenadas, tiempo de ruta y geometría de calles. El contexto específico del huésped incluye reserva, fechas, propiedad asignada y elegibilidad de servicio. La cuarta capa requiere los controles más estrictos. El modelo no debe inventar valores que viven en estos sistemas.
| Pregunta del huésped | Fuente de autoridad |
|---|---|
| ¿A qué hora es el desayuno? | Contenido de la propiedad |
| ¿Está abierto el spa? | Fuente operativa del hotel |
| ¿Qué restaurante recomienda el hotel? | Catálogo aprobado de socios |
| ¿Cuánto se tarda caminando? | Servicio de rutas |
| ¿Está lista mi habitación? | PMS o sistema de reservas |
| ¿Puedo reservar esta habitación? | Motor de reservas |
| ¿Dónde está la propiedad? | Registro verificado |
| ¿Qué hay cerca del hotel? | Catálogo aprobado más servicios espaciales |
| ¿Puedo acceder a esta zona? | Política del hotel o derecho del huésped |
La geometría exacta corresponde a un motor espacial. OGC Simple Feature Access, publicado también como ISO 19125, define la arquitectura común de geometrías simples y las operaciones espaciales para puntos, curvas, superficies y colecciones (Simple Feature Access — Part 1). Las W3C and OGC Spatial Data on the Web Best Practices recalcan usar arquitectura web para que los objetos geográficos sean descubribles y reutilizables. El modelo puede seleccionar una operación; un motor o base geoespacial debe calcular distancia, ruta, intersección e inclusión.
La regla compacta es: el modelo controla interpretación y explicación; los sistemas fuente, los hechos hoteleros; los sistemas espaciales, la geografía. La aplicación valida las acciones propuestas antes de que lleguen a reservas, pagos o acceso a habitaciones.
¿Cómo modelar propiedades, socios y elegibilidad?
Un grupo con varias propiedades necesita registros estables, no nombres libres como claves. Cada propiedad debe tener identificador duradero, coordenadas verificadas, zona horaria, servicios, estado y enlace de reserva. Los lugares asociados deben relacionarse con uno o más ID de propiedad mediante una relación explícita —por ejemplo, socio recomendado— además de categoría, coordenadas y bandera de aprobación. Las consultas posteriores filtran por activePropertyId, no por un nombre visible que marketing puede cambiar.
La selección de propiedad es estado de sesión de primer nivel. Cambiar del Hotel A al Hotel B debe cambiar a la vez servicios, políticas, socios, enlace de reserva y cámara del mapa. Si Chat responde para la nueva propiedad mientras el mapa aún muestra socios de la anterior, es un error de estado compartido, no de estilo. El mismo principio se aplica al patrón general de asistentes cartográficos: conversación, lista y mapa comparten ID candidatos, filtros y lugar seleccionado.
El grupo puede mantener una sola experiencia de marca. El flujo útil es seleccionar propiedad, mostrar resumen y servicios, cargar recomendaciones aprobadas, aceptar una pregunta y actualizar mapa y acción. Cada propiedad conserva coordenadas, políticas y catálogo local. El asistente siempre debe saber cuál está activa antes de recuperar o clasificar.
¿Cómo comparten estado el mapa, la lista y la conversación?
La interfaz suele incluir chat, mapa, tarjetas de lugares, selector de propiedad y filtros. Todos deben leer un estado común: propiedad activa, lugares aprobados cercanos, restricciones actuales, ID visibles y lugar seleccionado. Cuando el huésped pregunta «¿cuál de estos está más cerca?» o «muestra algo como el segundo, pero más cerca del hotel», el asistente necesita identificadores estructurados, no un resumen en prosa.
Mantenga pequeño y explícito el vocabulario de acciones: mostrar propiedad, mostrar servicio, mostrar lugares, abrir lugar, encuadrar lugares, mostrar ruta, abrir reserva, abrir indicaciones, solicitar ayuda humana. El modelo propone; el producto anfitrión valida contra la política y ejecuta. El modelo no debe emitir scripts arbitrarios ni escribir reservas. OWASP Top 10 for LLM Applications 2025 describe Excessive Agency como acciones dañinas derivadas de salidas inesperadas, ambiguas o manipuladas cuando se conceden demasiadas funciones, permisos o autonomía (OWASP Top 10 for LLM Applications 2025). Un conserje capaz de cambiar reservas, reembolsar o abrir puertas desde una llamada generada es la versión hotelera de ese riesgo.
La inyección de prompts es el fallo relacionado: un mensaje del huésped o contenido recuperado de un socio altera el comportamiento de forma no prevista. OWASP LLM01:2025 señala que puede causar acceso no autorizado a funciones y ejecución de comandos, y recomienda limitar el comportamiento, validar formatos, usar mínimo privilegio y aprobación humana para acciones de alto riesgo (LLM01:2025 Prompt Injection). Los permisos pertenecen a la aplicación y la infraestructura, nunca al modelo.
¿Dónde están los límites de reservas, datos y privacidad?
El conserje puede dirigir hacia una reserva, pero el estado pertenece al motor de reservas. Puede decir que una propiedad parece ajustarse a una preferencia de ubicación y abrir la página para comprobar tarifas y disponibilidad. No debe inventar disponibilidad, tarifas, cancelaciones, confirmaciones o cambios salvo que una integración autorizada devuelva esos valores y el anfitrión valide la escritura.
Los PMS contienen nombres, habitaciones, fechas, contactos, estado de pago y notas de servicio. Un conserje público no necesita el registro completo. Autentique en el sistema anfitrión, identifique la estancia, autorice los campos, recupere el mínimo contexto y responda. No cargue una exportación PMS sin restricciones en el modelo. Datos de ubicación privados para flujos cartográficos de IA explica este patrón de recuperación posterior a la autorización.
La ubicación del dispositivo es contexto opcional. La especificación W3C Geolocation, Candidate Recommendation Snapshot del 26 de marzo de 2026, permite acceso solo con permiso expreso y no garantiza la ubicación real. Muchas preguntas pueden usar la propiedad activa, un punto seleccionado, una dirección escrita o una entrada conocida. El NIST Privacy Framework considera la minimización un principio central: recopilar y conservar solo lo necesario y limitar identificación e inferencias innecesarias (NIST Privacy Framework: A Tool for Improving Privacy through Enterprise Risk Management, Version 1.0). Son reglas de plataforma y gestión de riesgo, no asesoría jurídica para un hotel o jurisdicción.
Una página para huéspedes nunca debe contener credenciales privilegiadas. El modelo de desarrolladores de Kaleidr utiliza claves publicables en navegador y claves de servidor para backends confiables, con alcances (Auth & Scopes). Autenticación de API cartográfica explica restricciones de origen y separación de claves.
¿Cuándo debe derivar al personal?
La derivación humana es una función central. Escale de inmediato emergencias, seguridad, asuntos médicos, incidentes, disputas de pago, quejas sensibles y bloqueos de acceso que el hotel ya envía al personal. Escale tras la clasificación inicial mantenimiento, limpieza, cambios de reserva, salida tardía, adaptaciones de accesibilidad y transporte. Automatice solo respuestas fundamentadas: horarios, ubicación de servicios, restaurante aprobado, indicaciones calculadas, contactos o políticas publicadas.
Los huéspedes multilingües son una audiencia natural, pero la calidad de traducción es solo parte del reto. Nombres de propiedades, servicios de marca, categorías de habitación, políticas y socios requieren coherencia. Para políticas o seguridad de alto impacto, use traducciones aprobadas y no dependa únicamente de traducción improvisada del modelo. Lo mismo se aplica a accesibilidad: describa hechos publicados; no invente una adaptación no confirmada.
¿Cómo debe medirlo un hotel?
El conserje aporta valor si reduce fricción o ayuda a actuar. Eventos útiles: abrir asistente, enviar pregunta, seleccionar propiedad o servicio, elegir lugar cercano, abrir ruta, abrir reserva, pedir ayuda humana, resolver pregunta y sin resultado. Son recomendaciones editoriales para instrumentación del anfitrión, no eventos automáticos documentados de Kaleidr Analytics. Kaleidr Analytics se centra hoy en interacción con mapas y lugares, como sesiones, vistas, interacciones, actividad de audiencia y tendencias espaciales (Map Engagement and Location Analytics).
Las métricas de resolución incluyen tasa de respuestas fundamentadas, sin resultado, derivación y tiempo hasta una respuesta útil. Las espaciales incluyen selección de recomendaciones, indicaciones abiertas, interacción con servicios y comparación de propiedades. Las de negocio incluyen aperturas de reserva, referidos de socios, consultas iniciadas y solicitudes completadas. El número de mensajes es secundario. La meta es que el huésped complete la tarea dependiente de ubicación.
Las preguntas sin resultado son backlog de producto, no solo defecto de calidad. Solicitudes repetidas sobre un servicio sin mapear, categoría ausente, información de transporte faltante o área demasiado estrecha indican qué contenido o catálogo corregir. Revise esos temas frente al registro y los socios, no añada más prosa generada.
¿Qué incluye un piloto de bajo riesgo?
No hace falta conectar todos los sistemas el primer día. Un primer despliegue puede usar una propiedad, FAQ y servicios verificados, catálogo cercano aprobado, chat consciente del mapa, indicaciones o reservas, derivación humana y medición. Deje fuera modificaciones de reserva, pagos, credenciales de habitación, compensación automática y decisiones de emergencia. Las integraciones sensibles pueden esperar a que el camino público fundamentado sea estable.
Recopile preguntas recurrentes de recepción, conserjería, búsqueda del sitio, mensajes y reseñas cuando exista permiso. Cree pruebas de hechos, servicios, llegada, restaurantes, atracciones, indicaciones, transporte, solicitudes, escalación y preguntas no admitidas. Incluya prompts que deben rechazarse: check-in temprano sin garantía, «mejor restaurante cercano» sin definición y cambio de propiedad («¿y aquí?» tras cambiar hotel). Ante un check-in no garantizado, devuelva la política o contacto publicados; no convierta incertidumbre en promesa.
¿Dónde encaja Kaleidr en la pila hotelera?
Kaleidr describe tres pasos: conectar lugares, fundamentar la IA en catálogo y políticas y desplegar en web, app o mapa del anfitrión (AI Map Chat for Customer Discovery). En hospitalidad, los lugares incluyen propiedades, servicios, socios aprobados y catálogo de destino. La fundamentación distingue una recomendación controlada por el hotel de una lista web genérica. El despliegue conserva el renderizador y los sistemas existentes.
Un producto que ya muestra mapa puede adjuntar Chat a esa instancia. La documentación describe Chat sobre Mapbox, MapLibre, Google Maps o Leaflet mientras el anfitrión mantiene el renderizador (Chat attach). Cómo añadir chat de IA a un mapa explica el patrón. Studio sirve para guías de barrio, mapas de socios, resorts y eventos sin estado de reserva en vivo (AI Map Maker for Branded Interactive Maps). La plantilla de template.kaleidr.com inicia ese camino. Reservas en vivo, identidad y PMS siguen en una integración de desarrollador.
Kaleidr Enterprise agrupa infraestructura de inteligencia de ubicación, API de inferencia, clasificación, analítica, SDK y soporte de despliegue (Location Intelligence APIs and Map SDK). Puede ser necesario para múltiples propiedades, catálogos privados, uso personalizado o soporte contractual. El sistema hotelero sigue siendo autoridad para reservas, identidad y operaciones sensibles.
¿Qué errores deben evitar los equipos?
Un asistente solo FAQ deja la geografía al huésped. Políticas inventadas crean falsas promesas. Recomendar cualquier lugar cede el control. Tratar el más cercano como el mejor ignora ruta y elegibilidad. Mezclar propiedades muestra servicios y enlaces erróneos. Dar PMS sin restricciones aumenta riesgos. Permitir modificaciones por el modelo es agencia excesiva. Sin derivación humana, los casos sensibles se estancan. Medir volumen confunde actividad con valor. Prometer navegación interior sin infraestructura exagera el mapa.
| Error | Resultado | Mejor enfoque |
|---|---|---|
| Asistente solo FAQ | El huésped infiere la geografía | Añadir contexto de propiedad y mapa |
| Política inventada | Falsas promesas | Usar fuente aprobada |
| Cualquier lugar cercano | Se pierde control de recomendación | Mantener catálogo aprobado |
| Siempre gana el más cercano | Simplifica demasiado el ajuste | Usar ruta, elegibilidad e intención |
| Contexto de propiedad mezclado | Servicios y enlaces erróneos | Hacer explícita la propiedad activa |
| PMS sin restricciones | Riesgo de privacidad e inyección | Autorizar y minimizar campos |
| Escrituras de reserva por el modelo | Riesgo de error consecuente | Mantener autoridad del motor de reservas |
| Sin derivación humana | Casos sensibles se estancan | Definir rutas de escalación |
| Solo volumen de chat | Uso parece éxito | Medir tareas resueltas |
| Rutas interiores sin infraestructura | Promesa excesiva | Ajustar acciones a geometría publicada |
Cree un conserje consciente del mapa
Descubra cómo un mapa conversacional, catálogos aprobados y API espaciales empresariales encajan en una pila hotelera existente sin sustituir el renderizador ni el PMS. Explore Kaleidr Enterprise para conocer API, SDK y soporte de despliegue actuales.
Preguntas frecuentes
¿Qué es un conserje de IA para huéspedes?
Es un asistente digital específico para hoteles que responde preguntas, ofrece información, recomienda lugares o servicios y guía hacia indicaciones, reservas, solicitudes o ayuda humana.
¿Qué lo hace consciente del mapa?
Recibe contexto estructurado de propiedad y geografía: hotel activo, servicio seleccionado, lugares cercanos, rutas y estado del mapa. Puede devolver respuesta y acción cartográfica.
¿Es igual que un chatbot hotelero?
No necesariamente. Un FAQ básico solo responde preguntas frecuentes. Un conserje combina información, recomendaciones aprobadas, contexto espacial, acciones y escalación durante el viaje.
¿Debe sustituir al personal?
No. Es adecuado para preguntas rutinarias fundamentadas y descubrimiento. Asuntos sensibles, ambiguos, consecuentes o de recuperación de servicio requieren derivación humana.
¿Puede recomendar restaurantes cercanos?
Sí. Puede combinar recomendaciones aprobadas con datos actuales y tiempos de viaje. El hotel debe definir si son curadas, algorítmicas o ambas.
¿Debe usar la ubicación exacta del huésped?
Solo cuando sea necesario y con consentimiento adecuado. Muchas preguntas usan la propiedad, un lugar seleccionado o un origen escrito.
¿Puede acceder al PMS?
El anfitrión puede integrar datos en flujos autenticados, pero debe autenticar, autorizar y proporcionar solo los campos necesarios. El modelo no debe recibir datos PMS sin restricciones.
¿Puede cambiar una reserva?
Solo mediante un flujo explícitamente autorizado conectado al sistema correspondiente. No debe inventar disponibilidad, tarifas, cancelaciones ni estado de reserva.
¿Qué debe medir el hotel?
Tasa de respuestas fundamentadas, resolución, ausencia de resultados, indicaciones abiertas, recomendaciones elegidas, acciones, derivaciones y retorno. El volumen solo no es resultado de negocio.
¿Funciona Kaleidr con un mapa existente?
Sí. La documentación actual permite adjuntar Chat a una instancia activa mientras la aplicación conserva su renderizador y flujo de negocio.
¿Qué puede hacer Kaleidr Studio para hotelería?
Studio crea y publica mapas interactivos de marca: guías de destino, mapas de propiedad, socios y experiencias curadas. Reservas en vivo y flujos específicos del huésped deben permanecer integrados con sistemas anfitriones.
Referencias
- Kaleidr. AI Map Chat for Customer Discovery. Accessed 23 August 2026. https://kaleidr.com/ai
- Kaleidr. AI Map Maker for Branded Interactive Maps. Accessed 23 August 2026. https://kaleidr.com/studio
- Kaleidr. Auth & Scopes. Kaleidr Developer Docs. Accessed 23 August 2026. https://docs.kaleidr.com/platform-api/auth-and-scopes
- Kaleidr. Chat attach. Kaleidr Developer Docs. Accessed 23 August 2026. https://docs.kaleidr.com/sdk/chat-attach
- Kaleidr. Location Intelligence APIs and Map SDK. Accessed 23 August 2026. https://kaleidr.com/enterprise
- Kaleidr. Map Engagement and Location Analytics. Accessed 23 August 2026. https://kaleidr.com/analytics
- National Institute of Standards and Technology. NIST Privacy Framework: A Tool for Improving Privacy through Enterprise Risk Management, Version 1.0. NIST.CSWP.01162020. 16 January 2020. https://nvlpubs.nist.gov/nistpubs/CSWP/NIST.CSWP.01162020.pdf
- Open Geospatial Consortium. Simple Feature Access — Part 1: Common Architecture. OGC 06-103r4 / ISO 19125. Accessed 23 August 2026. https://www.ogc.org/standards/sfa/
- OWASP Gen AI Security Project. LLM01:2025 Prompt Injection. Accessed 23 August 2026. https://genai.owasp.org/llmrisk/llm01-prompt-injection/
- OWASP Gen AI Security Project. OWASP Top 10 for LLM Applications 2025. Accessed 23 August 2026. https://owasp.org/www-project-top-10-for-large-language-model-applications/assets/PDF/OWASP-Top-10-for-LLMs-v2025.pdf
- W3C. Geolocation. W3C Candidate Recommendation Snapshot, 26 March 2026. Accessed 23 August 2026. https://www.w3.org/TR/geolocation/
- W3C and OGC. Spatial Data on the Web Best Practices. W3C Group Draft Note, 19 September 2023. Accessed 23 August 2026. https://www.w3.org/TR/sdw-bp/
@misc{kaleidr_ai_hospitality_2026_08_23, title={AI Map Chat for Customer Discovery}, author={{Kaleidr}}, note={Accessed 23 August 2026}, url={https://kaleidr.com/ai}}
@misc{kaleidr_studio_hospitality_2026_08_23, title={AI Map Maker for Branded Interactive Maps}, author={{Kaleidr}}, note={Accessed 23 August 2026}, url={https://kaleidr.com/studio}}
@misc{kaleidr_auth_scopes_2026_08_23, title={Auth \& Scopes}, author={{Kaleidr}}, note={Kaleidr Developer Docs; accessed 23 August 2026}, url={https://docs.kaleidr.com/platform-api/auth-and-scopes}}
@misc{kaleidr_chat_attach_2026_08_23, title={Chat attach}, author={{Kaleidr}}, note={Kaleidr Developer Docs; accessed 23 August 2026}, url={https://docs.kaleidr.com/sdk/chat-attach}}
@misc{kaleidr_enterprise_hospitality_2026_08_23, title={Location Intelligence APIs and Map SDK}, author={{Kaleidr}}, note={Accessed 23 August 2026}, url={https://kaleidr.com/enterprise}}
@misc{kaleidr_analytics_hospitality_2026_08_23, title={Map Engagement and Location Analytics}, author={{Kaleidr}}, note={Accessed 23 August 2026}, url={https://kaleidr.com/analytics}}
@techreport{nist_privacy_framework_2020, title={NIST Privacy Framework: A Tool for Improving Privacy through Enterprise Risk Management, Version 1.0}, author={{National Institute of Standards and Technology}}, number={NIST.CSWP.01162020}, institution={National Institute of Standards and Technology}, year={2020}, month=jan, url={https://nvlpubs.nist.gov/nistpubs/CSWP/NIST.CSWP.01162020.pdf}}
@misc{ogc_sfa_hospitality_2026_08_23, title={Simple Feature Access -- Part 1: Common Architecture}, author={{Open Geospatial Consortium}}, note={OGC 06-103r4 / ISO 19125; accessed 23 August 2026}, url={https://www.ogc.org/standards/sfa/}}
@misc{owasp_llm01_prompt_injection_2025, title={LLM01:2025 Prompt Injection}, author={{OWASP Gen AI Security Project}}, note={Accessed 23 August 2026}, url={https://genai.owasp.org/llmrisk/llm01-prompt-injection/}}
@misc{owasp_llm_top10_2025, title={OWASP Top 10 for LLM Applications 2025}, author={{OWASP Gen AI Security Project}}, note={Accessed 23 August 2026}, url={https://owasp.org/www-project-top-10-for-large-language-model-applications/assets/PDF/OWASP-Top-10-for-LLMs-v2025.pdf}}
@misc{w3c_geolocation_2026_03_26, title={Geolocation}, author={{W3C}}, note={W3C Candidate Recommendation Snapshot, 26 March 2026; accessed 23 August 2026}, url={https://www.w3.org/TR/geolocation/}}
@misc{w3c_ogc_sdw_bp_2023, title={Spatial Data on the Web Best Practices}, author={{W3C and OGC}}, note={W3C Group Draft Note, 19 September 2023; accessed 23 August 2026}, url={https://www.w3.org/TR/sdw-bp/}}