La diferencia entre GeoAI e IA espacial es, ante todo, una cuestión de alcance. GeoAI e IA geoespacial suelen designar la misma práctica: aplicar aprendizaje automático o métodos relacionados a datos geográficos, SIG, teledetección y análisis espacial. La IA espacial es más amplia. La etiqueta puede incluir GeoAI y también describir sistemas que interpretan o actúan sobre la posición, la distancia, la inclusión, el movimiento, el estado del mapa o la estructura de una escena 3D en mapas, ciudades, robótica y observación de la Tierra.
Las secciones siguientes separan estos términos, muestran cómo los datos y el resultado suelen determinar cuál es el más adecuado y sitúan a Kaleidr dentro de este vocabulario. Como lecturas relacionadas, consulte ¿Qué es la IA espacial?, Mapeo con IA, Mapeo digital y ¿Qué es una API de inteligencia de ubicación?. Para conocer una arquitectura de producto cartográfico, consulte Cómo crear un asistente de IA consciente del mapa.
Puntos esenciales de la comparación
- GeoAI ≈ IA geoespacial: IA aplicada a datos geográficos, SIG, imágenes y análisis geoespacial.
- La IA espacial es más amplia: mapas, GeoAI, robótica, escenas 3D, ciudades y sistemas a escala terrestre pueden formar parte de este ámbito.
- La inteligencia de ubicación es un resultado: la decisión posterior a una clasificación, una ruta o un análisis de emplazamiento; no es sinónimo de ninguno de los dos campos.
- El mapeo con IA es una categoría de producto: creación, conversación, edición y acciones sobre mapas, que pueden utilizar GeoAI como uno de sus componentes.
- Intención ≠ geometría: los modelos de lenguaje interpretan solicitudes; los motores espaciales calculan distancias, inclusión y rutas.
¿En qué se diferencian GeoAI e IA espacial?
Ningún organismo de normalización publica una distinción oficial entre ambas expresiones, por lo que las páginas de proveedores, los estudios de investigación y los equipos de producto las utilizan con alcances superpuestos, aunque no idénticos. La distinción útil es práctica. GeoAI suele estar anclada en los datos geográficos, los SIG o la ciencia geoespacial y los métodos de IA. La IA espacial puede operar sobre esa misma pila tecnológica, o sobre el estado de un mapa, trayectorias, escenas robóticas u otras representaciones espaciales que no son principalmente capas SIG. Un estudio de 2025 sobre inteligencia espacial impulsada por modelos de lenguaje aborda el campo de investigación a través de agentes corpóreos, sistemas urbanos y ciencias de la Tierra, y no solo como SIG (Feng et al., 2025). Por eso, tratar ambas etiquetas como sinónimos exactos oculta la diferencia que los lectores realmente necesitan conocer: qué problema espacial resuelve el sistema y qué datos y cálculos requiere.
| Término | Definición de trabajo | Datos típicos | Resultado típico |
|---|---|---|---|
| IA geoespacial | IA aplicada a datos geográficos y problemas geoespaciales | Capas SIG, imágenes, vectores, rásteres, nubes de puntos | Clasificación, predicción, extracción, análisis espacial |
| GeoAI | Abreviatura habitual de inteligencia artificial geoespacial | Los mismos que en IA geoespacial | Los mismos que en IA geoespacial |
| IA espacial | IA más amplia que utiliza contexto y relaciones espaciales | Mapas, coordenadas, escenas, entornos 3D, trayectorias, datos de lugares | Apoyo al razonamiento, navegación, recomendaciones, acciones cartográficas, decisiones espaciales |
| Inteligencia de ubicación | Uso del contexto de ubicación orientado a decisiones | Registros empresariales más datos geográficos | Decisión sobre emplazamiento, mercado, rutas, servicio u operaciones |
| Mapeo con IA | Categoría de producto en la que la IA crea, analiza o interactúa con mapas | Datos cartográficos más contexto de IA | Generación de mapas, búsqueda conversacional, edición, flujos de trabajo espaciales |
¿Qué es la IA geoespacial y GeoAI significa lo mismo?
La inteligencia artificial geoespacial es IA aplicada a información geográfica, datos espaciales y ciencia geoespacial. Esri define actualmente GeoAI como la combinación de IA con datos, ciencia y tecnología geoespaciales para acelerar la comprensión de oportunidades comerciales, impactos ambientales y riesgos operativos (What Is GeoAI?). La documentación de ArcGIS Pro enumera clasificación, agrupamiento, predicción, pronóstico, extracción de entidades, análisis de imágenes y métodos explícitamente espaciales, y mantiene en el analista la responsabilidad de formular el problema y comunicar los resultados (GeoAI in ArcGIS Pro). En la mayoría de los textos de producto e investigación, GeoAI, IA geoespacial e inteligencia artificial geoespacial nombran el mismo conjunto. Crear páginas SEO separadas para cada sinónimo suele provocar canibalización, salvo que la intención de búsqueda sea realmente distinta.
Una canalización típica de GeoAI prepara imágenes o entidades SIG, entrena o aplica un modelo y escribe una predicción o extracción de vuelta en una capa geográfica. Extraer huellas de edificios de imágenes aéreas, clasificar la cobertura del suelo, detectar cambios, pronosticar el riesgo de incendios forestales o automatizar un paso de geoprocesamiento son ejemplos claros de GeoAI incluso sin una interfaz conversacional ni un mapa para consumidores. NASA Earthdata describe la IA y el aprendizaje automático como herramientas para encontrar patrones en grandes conjuntos de datos de observación de la Tierra y mejorar el análisis del planeta (Earth Observation Data and Artificial Intelligence). Sistemas de investigación como OmniGeo exploran modelos multimodales que reciben imágenes satelitales, metadatos geoespaciales y texto como entradas de GeoAI (Yuan et al., 2025). En cambio, la analítica geoespacial no requiere IA: áreas de influencia, intersecciones, pruebas de punto en polígono, rutas de red y estadísticas zonales siguen siendo operaciones SIG deterministas hasta que un modelo aprendido aporta clasificación, extracción, predicción o clasificación de resultados.
¿Qué incluye la IA espacial que GeoAI no incluye?
La IA espacial es la idea más amplia de una inteligencia artificial capaz de interpretar, predecir o actuar sobre relaciones y entornos espaciales. La posición, distancia, dirección, orientación, inclusión, adyacencia, visibilidad, movimiento, accesibilidad, topología, contexto del lugar y estructura de escenas 3D pueden considerarse contexto espacial. Un robot que navega por una habitación, un asistente cartográfico que interpreta «muestra los que están al este del río», un modelo que ordena opciones de movilidad urbana y un clasificador de observación de la Tierra pueden describirse como IA espacial; solo los dos últimos son también GeoAI clásica. Llamar GeoAI al caso robótico suele ser engañoso porque el problema no es fundamentalmente geográfico.
Esta amplitud también explica por qué ahora es más difícil separar los términos que cuando GeoAI significaba sobre todo SIG más aprendizaje automático y la IA espacial aparecía principalmente en robótica, visión por computadora y SLAM. Los sistemas multimodales combinan hoy texto, imágenes satelitales, imágenes a nivel de calle, mapas, coordenadas, trayectorias, geometría vectorial, nubes de puntos y datos estructurados de lugares. En un modelo conceptual, la IA espacial sigue siendo el paraguas más amplio, no una taxonomía normativa formal: GeoAI se sitúa dentro de él junto a productos conscientes del mapa, sistemas espaciales corpóreos, inteligencia de escenas 3D y navegación. La inteligencia espacial humana es aún más amplia —es una capacidad cognitiva— y no debe interpretarse automáticamente como una categoría de software. En el lenguaje de producto, la inteligencia espacial es la capacidad; la IA espacial es la familia de sistemas que la implementa.
¿En qué se diferencian la GeoAI clásica y los flujos conscientes del mapa?
Una ciudad que quiera identificar edificios con alto riesgo de incendio forestal puede combinar imágenes satelitales o aéreas, relieve, vegetación, huellas de edificios e historial de incendios. Un modelo puede extraer edificios, clasificar la cobertura del suelo, predecir el riesgo o detectar daños posteriores; a continuación, los SIG unen esos resultados con pendientes, acceso por carretera, zonas de evacuación y parcelas. Este flujo de trabajo es GeoAI clásica y solo IA espacial en el sentido más amplio. GeoAI es la etiqueta más precisa porque el trabajo se centra en datos y análisis geoespaciales.
Una solicitud como «restaurantes aptos para familias cerca del paseo marítimo, a menos de 15 minutos a pie de mi hotel y que sigan abiertos esta noche» necesita una pila diferente. La aplicación debe interpretar el tipo de entidad, la preferencia, el área, el origen, la restricción de desplazamiento y la hora; después debe recuperar lugares, horarios, rutas, clasificación, estado del mapa y acciones cartográficas estructuradas. Esta solicitud se describe mejor como IA espacial o IA consciente del mapa que como GeoAI tradicional, porque la tarea no consiste principalmente en analizar imágenes o automatizar SIG. Cómo crear un asistente de IA consciente del mapa explica el estado compartido del mapa y las acciones validadas para este patrón.
En ambos flujos, la geometría exacta sigue correspondiendo a un motor espacial. OGC Simple Feature Access, publicado también como ISO 19125, define la arquitectura común de la geometría de entidades simples y las operaciones espaciales que las implementaciones exponen para puntos, curvas, superficies y colecciones (Simple Feature Access — Part 1). Las investigaciones que evalúan modelos fundacionales sobre geometrías vectoriales y relaciones topológicas concluyen que el razonamiento geoespacial sigue siendo un reto activo, sobre todo para la representación precisa y las relaciones espaciales formales (Ji et al., 2025). Por ello, los sistemas de producción deben dejar que el modelo de lenguaje interprete la intención y elija una operación, mientras un motor o una base de datos geoespacial calcula distancia, ruta, intersección e inclusión. No se debe llamar IA a la geometría determinista solo porque el resultado aparezca en un mapa habilitado con IA.
¿Cómo deben elegir los equipos entre términos cercanos?
El término más útil suele depender de la combinación de datos, tarea, resultado y audiencia, no de una preferencia de marketing. Imágenes, vectores, rásteres y capas SIG apuntan a GeoAI o IA geoespacial. Estado del mapa, lugares, intención del usuario, rutas y registros empresariales apuntan a IA espacial, IA consciente del mapa o IA consciente de la ubicación. Profundidad, objetos y robots apuntan a IA espacial o inteligencia espacial corpórea. El contexto de decisión empresarial apunta a inteligencia de ubicación. Crear mapas o interactuar con ellos apunta al mapeo con IA. Varias rutas pueden solaparse; elija la etiqueta que más revele al lector sobre el trabajo real.
La inteligencia de ubicación está orientada al resultado: en qué mercado entrar, qué tienda está mejor situada, qué propiedad encaja con un trayecto, qué territorio está desatendido o qué almacén debe atender un pedido. SIG, GeoAI, rutas, demografía e IA espacial pueden alimentar esa decisión. ¿Qué es una API de inteligencia de ubicación? explica la forma de la API. El mapeo con IA es una categoría de producto y flujo de trabajo —crear mapas, buscarlos de forma conversacional, generar capas, aplicar estilos, ordenar lugares o automatizar flujos geográficos—, no un sinónimo de GeoAI. Un modelo GeoAI puede extraer carreteras de imágenes; un producto de mapeo con IA permite ver, editar, analizar y comentar esas carreteras. Mapeo con IA ofrece la taxonomía de esa clase de producto. Mapeo digital explica el renderizador y la pila de datos subyacentes.
| Pregunta | GeoAI / IA geoespacial | IA espacial |
|---|---|---|
| ¿Es la geografía central? | Sí | A veces |
| ¿Son habituales los SIG? | Muy habituales | Opcionales |
| ¿Es habitual la teledetección? | Muy habitual | Posible |
| ¿Incluye robótica? | Normalmente no | Sí |
| ¿Incluye comprensión de escenas 3D? | A veces | Sí |
| ¿Incluye búsqueda cartográfica conversacional? | Posible | Interpretación habitual en productos |
| ¿Es relevante el estado del mapa? | A veces | A menudo |
| ¿Son relevantes las operaciones espaciales exactas? | Sí | Sí |
| ¿Se requiere una interfaz conversacional? | No | No, pero es cada vez más común |
| ¿Está estandarizada la categoría? | No hay un único estándar universal | No hay un único estándar universal |
Use GeoAI cuando el producto analiza principalmente imágenes, automatiza SIG, predice fenómenos geográficos, extrae entidades geoespaciales o sirve a especialistas SIG. Use IA espacial cuando el producto interpreta el contexto del mapa, admite preguntas de ubicación en lenguaje natural, coordina herramientas espaciales o abarca mapas y otros entornos espaciales. Use inteligencia de ubicación cuando el producto clasifica ubicaciones, evalúa mercados o combina contexto empresarial y geográfico para tomar una decisión. Use mapeo con IA cuando el producto crea, edita, diseña o conversa con mapas. Una plataforma puede utilizar honestamente más de un término cuando describen capas diferentes.
¿Dónde encaja Kaleidr?
Kaleidr utiliza IA espacial como su principal marco de producto porque el sistema se centra en el contexto de los lugares y los mapas, y no solo en flujos de aprendizaje automático para SIG. La página actual de Spatial AI describe esta capacidad como IA aplicada a lugares y datos de ubicación: qué es un lugar, qué hay cerca y por qué puede ser relevante (Kaleidr Spatial AI). Explore admite el descubrimiento de lugares en lenguaje natural; Studio, la creación de mapas a partir de prompts; Chat conecta IA consciente del mapa con un mapa existente; Analytics mide la interacción espacial; y Enterprise agrupa API de inteligencia de ubicación, clasificación e infraestructura espacial (Kaleidr Enterprise). La mezcla resultante está más cerca de IA espacial más inteligencia de ubicación más mapeo con IA que de un producto GeoAI tradicional de teledetección.
La IA espacial no sustituye la pila subyacente. Un sistema de producción puede seguir necesitando Mapbox, Google Maps, MapLibre, bases de datos SIG, geocodificación, rutas, teselas vectoriales, imágenes y sistemas empresariales. El producto actual de Kaleidr permite conectar Chat con implementaciones cartográficas existentes y fundamentar las respuestas al cliente en ubicaciones y políticas de la empresa. Los sistemas anfitriones deben seguir siendo la autoridad para datos, permisos, reglas de negocio, renderizado de mapas y cálculos geográficos exactos. La capa de IA espacial facilita consultar e interactuar con esos sistemas; no se convierte en la fuente de verdad de la geometría ni del inventario.
¿Qué errores terminológicos deben evitar los equipos?
Tratar GeoAI e IA espacial como sinónimos exactos borra los usos más amplios de la IA espacial. Reducir GeoAI a IA de imágenes ignora la predicción, el agrupamiento y la automatización de SIG. Llamar IA a todo cálculo espacial confunde geometría determinista con métodos aprendidos. Llamar SIG a todo producto cartográfico confunde una interfaz de consumo con la infraestructura. Etiquetar como IA espacial a un asistente solo de texto que nunca recibe el estado del mapa ni coordenadas infla la categoría. Pedir a un modelo de lenguaje que realice geometría exacta ignora tanto las operaciones de entidades de OGC como las evaluaciones actuales del razonamiento topológico. Crear cinco páginas casi duplicadas para GeoAI, IA geoespacial, inteligencia artificial geoespacial, IA espacial e IA SIG suele dividir un mismo grupo temático en vez de reforzarlo.
Una agrupación interna más clara incluye una página de definición de IA espacial, esta comparación, la taxonomía del mapeo con IA, una guía sobre API de inteligencia de ubicación y artículos de implementación. La página comparativa debe responder preguntas terminológicas y dirigir al lector al pilar que corresponda a su caso de uso, en lugar de repetir íntegramente cada guía adyacente. Así, los motores de búsqueda y respuesta resuelven un solo nodo de vocabulario en vez de cinco páginas casi idénticas que compiten entre sí.
Veredicto final
GeoAI e IA geoespacial se entienden mejor como la misma categoría: inteligencia artificial aplicada a datos geográficos, SIG, teledetección y análisis geoespacial. La IA espacial es más amplia. El término incluye problemas geoespaciales y también puede describir sistemas que utilizan relaciones espaciales, contexto cartográfico, navegación, entornos 3D, escenas corpóreas y otras formas del espacio. La relación resumida es: GeoAI es IA geoespacial; GeoAI suele formar parte de la IA espacial; la IA espacial no se limita a GeoAI.
En los productos de mapas y ubicación, la terminología resulta útil cuando describe un límite real del sistema. El modelo de lenguaje interpreta la intención. Los sistemas de confianza aportan los hechos. Los motores espaciales calculan relaciones. La aplicación ejecuta el resultado. Kaleidr utiliza IA espacial porque sus interfaces actuales combinan descubrimiento de lugares en lenguaje natural, interacción consciente del mapa, creación de mapas, clasificación e inteligencia de ubicación, mientras el renderizador cartográfico existente y los sistemas empresariales siguen siendo la autoridad.
Explore la IA espacial con Kaleidr
Descubra cómo funcionan el descubrimiento de lugares en lenguaje natural y las recomendaciones conscientes del mapa dentro de un mapa interactivo. Explore Kaleidr Spatial AI y conozca las interfaces actuales de Explore, Studio, Chat y Enterprise.
Preguntas frecuentes
¿GeoAI es lo mismo que IA geoespacial?
Sí, en la mayoría de los usos actuales. GeoAI es una abreviatura habitual de inteligencia artificial geoespacial: IA aplicada a datos geoespaciales, SIG, teledetección y flujos de análisis espacial.
¿GeoAI es lo mismo que IA espacial?
No exactamente. GeoAI se centra en datos geográficos y geoespaciales. IA espacial es un término más amplio que puede incluir GeoAI, además de robótica, comprensión de escenas 3D, navegación, mapas conversacionales y otros sistemas con conciencia espacial.
¿La IA espacial es más amplia que GeoAI?
Sí. Esa es la distinción práctica más útil. La IA espacial puede operar en entornos espaciales geográficos, físicos, virtuales y corpóreos, mientras GeoAI se centra en datos y problemas geográficos.
¿Cuáles son algunos ejemplos de GeoAI?
Entre ellos se incluyen extraer edificios de imágenes satelitales, clasificar la cobertura terrestre, pronosticar el riesgo de incendios, detectar cambios geográficos, automatizar flujos SIG y predecir patrones espaciales.
¿Cuáles son algunos ejemplos de IA espacial?
Por ejemplo, un robot que navega por una habitación, un asistente cartográfico de IA que interpreta un área seleccionada, un sistema que ordena lugares por tiempo de viaje y contexto, un modelo de escena 3D y el razonamiento geoespacial a escala terrestre.
¿La inteligencia de ubicación es lo mismo que GeoAI?
No. La inteligencia de ubicación suele ser la decisión empresarial u operativa derivada del contexto de ubicación. GeoAI es una tecnología que puede contribuir a esos flujos.
¿El mapeo con IA es lo mismo que GeoAI?
No. El mapeo con IA es una categoría de producto y flujo que incluye creación de mapas, búsqueda conversacional, edición asistida por IA, análisis espacial y otras interacciones cartográficas impulsadas por IA. GeoAI puede ser un componente de un sistema de mapeo con IA.
¿GeoAI requiere SIG?
No necesariamente como interfaz visible, pero normalmente trabaja con datos geoespaciales, sistemas de referencia geográfica o métodos geoespaciales. La tecnología SIG es muy común en sus flujos.
¿La IA espacial requiere un mapa?
No. Puede operar en robótica, escenas 3D, entornos físicos, sistemas de navegación y otros contextos en los que importan las relaciones espaciales.
¿Puede un modelo de lenguaje realizar análisis geoespacial por sí solo?
Puede interpretar muchas preguntas geográficas, pero la geometría precisa y el razonamiento topológico siguen siendo difíciles. Los sistemas de producción deben usar motores espaciales deterministas para rutas, distancias, intersecciones e inclusión.
¿Por qué Kaleidr utiliza el término IA espacial?
El producto actual de Kaleidr va más allá del análisis geoespacial e incluye descubrimiento de lugares en lenguaje natural, recomendaciones conscientes del mapa, creación de mapas, clasificación y experiencias espaciales orientadas al cliente. IA espacial es, por tanto, un paraguas mejor que la etiqueta GeoAI más estrecha y centrada en SIG.
Referencias
- Esri. GeoAI in ArcGIS Pro. ArcGIS Pro documentation. Consultado el 21 de agosto de 2026. https://doc.esri.com/en/arcgis-pro/latest/help/analysis/ai/geoai.html
- Esri. What Is GeoAI? Consultado el 21 de agosto de 2026. https://www.esri.com/en-us/capabilities/geoai/overview
- Feng, Jie, Jinwei Zeng, Qingyue Long, et al. A Survey of Large Language Model-Powered Spatial Intelligence Across Scales: Advances in Embodied Agents, Smart Cities, and Earth Science. arXiv:2504.09848, 2025. https://arxiv.org/abs/2504.09848
- Ji, Yuhan, Song Gao, Ying Nie, Ivan Majić, and Krzysztof Janowicz. Foundation Models for Geospatial Reasoning: Assessing Capabilities of Large Language Models in Understanding Geometries and Topological Spatial Relations. arXiv:2505.17136, 2025. https://arxiv.org/abs/2505.17136
- Kaleidr. AI Maps You Can Talk To — Spatial AI. Consultado el 21 de agosto de 2026. https://kaleidr.com/ai
- Kaleidr. Kaleidr Enterprise. Consultado el 21 de agosto de 2026. https://kaleidr.com/enterprise
- NASA Earthdata. Earth Observation Data and Artificial Intelligence. Consultado el 21 de agosto de 2026. https://www.earthdata.nasa.gov/learn/earth-observation-data-basics/artificial-intelligence
- Open Geospatial Consortium. Simple Feature Access — Part 1: Common Architecture. OGC 06-103r4 / ISO 19125. Consultado el 21 de agosto de 2026. https://www.ogc.org/standards/sfa/
- Yuan, Long, Fengran Mo, Kaiyu Huang, et al. OmniGeo: Towards a Multimodal Large Language Models for Geospatial Artificial Intelligence. arXiv:2503.16326, 2025. https://arxiv.org/abs/2503.16326
@misc{esri_geoai_2026,
title = {What Is GeoAI?},
author = {{Esri}},
note = {Accessed 21 August 2026},
url = {https://www.esri.com/en-us/capabilities/geoai/overview}
}
@misc{esri_arcgis_pro_geoai_2026,
title = {GeoAI in ArcGIS Pro},
author = {{Esri}},
note = {ArcGIS Pro documentation; accessed 21 August 2026},
url = {https://doc.esri.com/en/arcgis-pro/latest/help/analysis/ai/geoai.html}
}
@article{feng2025spatialintelligence,
title = {A Survey of Large Language Model-Powered Spatial Intelligence Across Scales: Advances in Embodied Agents, Smart Cities, and Earth Science},
author = {Feng, Jie and Zeng, Jinwei and Long, Qingyue and others},
year = {2025},
journal = {arXiv preprint arXiv:2504.09848},
url = {https://arxiv.org/abs/2504.09848}
}
@article{yuan2025omnigeo,
title = {OmniGeo: Towards a Multimodal Large Language Models for Geospatial Artificial Intelligence},
author = {Yuan, Long and Mo, Fengran and Huang, Kaiyu and others},
year = {2025},
journal = {arXiv preprint arXiv:2503.16326},
url = {https://arxiv.org/abs/2503.16326}
}
@article{ji2025geospatialreasoning,
title = {Foundation Models for Geospatial Reasoning: Assessing Capabilities of Large Language Models in Understanding Geometries and Topological Spatial Relations},
author = {Ji, Yuhan and Gao, Song and Nie, Ying and Maji{\'c}, Ivan and Janowicz, Krzysztof},
year = {2025},
journal = {arXiv preprint arXiv:2505.17136},
url = {https://arxiv.org/abs/2505.17136}
}
@misc{nasa_earthdata_ai_2026,
title = {Earth Observation Data and Artificial Intelligence},
author = {{NASA Earthdata}},
note = {Accessed 21 August 2026},
url = {https://www.earthdata.nasa.gov/learn/earth-observation-data-basics/artificial-intelligence}
}
@misc{ogc_sfa_part1_2026,
title = {Simple Feature Access -- Part 1: Common Architecture},
author = {{Open Geospatial Consortium}},
note = {OGC 06-103r4 / ISO 19125; accessed 21 August 2026},
url = {https://www.ogc.org/standards/sfa/}
}
@misc{kaleidr_spatial_ai_2026_08_21,
title = {AI Maps You Can Talk To -- Spatial AI},
author = {{Kaleidr}},
note = {Accessed 21 August 2026},
url = {https://kaleidr.com/ai}
}
@misc{kaleidr_enterprise_2026_08_21,
title = {Kaleidr Enterprise},
author = {{Kaleidr}},
note = {Accessed 21 August 2026},
url = {https://kaleidr.com/enterprise}
}