根拠に基づく空間AIは、顧客の自然言語によるリクエストを、承認済みの業務記録、資格要件、および決定論的な空間計算に結び付け、企業が実際に対応可能な場所を推奨します。言語モデルは、「帰宅途中に在庫品を受け取りたい」といった複合的な意図を解釈します。在庫、営業時間、権限、および移動に関しては、在庫管理システム、ポリシー、およびルーティングシステムが引き続き権威を持ちます。空間AIは、グラウンデッドな候補リストを地図上に表示します。
以下のセクションでは、現在のエビデンスとモデルの動作を分離し、認可、取得、ランキング、Kaleidrマッピング、評価、および小規模パイロットについて説明します。関連資料として、Private Location Data for AI Map Workflows、How to Build a Map-Aware AI Assistant、およびSpatial AI for Multi-Location Businessesを参照してください。既に会話を既存の地図に紐付けているチームは、Kaleidrマッピングのセクションに進んでください。ソース所有権の特定をまだ行っているチームは、まずグラウンデッドの意味から始める必要があります。
空間AIの基本原則
- 事実は所有者に留まる: 在庫、ポリシー、価格、および権限は、モデルの作成から生じるものではありません。
- 空間は計算される: 距離、経路、範囲、および移動時間は、地理空間サービスに属します。
- 取得前に承認: モデルは権限エンジンではありません。
- ランク付け前に適格性: 閉鎖済み、空、エリア外、または承認されていないレコードは、最初にセットから削除されます。
- タスクを測定: 有効な選択、引き継ぎ、および結果なしの地理情報は、チャットの長さだけよりも重要です。
根拠に基づく空間AIは、ビジネスシステムと地理空間システムが事実に関して権威を維持する一方で、モデルが要求を解釈する場合に機能します。
根拠に基づく空間AIがビジネスアーキテクチャ上の問題となる理由
一般的なアシスタントは、公共の場所に関する大まかな質問に答えることができます。一方、ビジネス製品は、どの店舗がピックアップに対応できるか、どの提携レストランがショー終了後も営業しているか、通勤時間制限内でどのリスティングがまだ有効か、どのプロバイダーが指定された時間帯に実際に住所にサービスを提供できるかといった質問に答える必要があります。これらの回答は、在庫状況、営業時間、サービスエリア、リスティングの状態、パートナーの資格、アカウント権限、および運用状況に依存します。言語モデルは、これらのフィールドをトレーニングメモリから作り出すべきではありません。
Kaleidrは現在、ビジネスデータ、位置情報、既存システムを連携させることで、空間AIが企業が既に保有している情報と連携できるようにし、AI応答のための位置情報に基づくビジネス知識基盤（Kaleidr, 2026）について説明しています。AI Map Chat for Customer Discoveryページでは、位置情報に基づくチャットを、ホストの場所、在庫、ビジネスルールに基づいた推奨事項として位置付けています。これらのページは、Kaleidr自身のポジショニングに関する権威ある情報です。これらのページは、Kaleidrが独自の在庫台帳、CRM、営業時間フィード、フランチャイズディレクトリを運用しているという証拠にはなりません。
3つの隣接する問題を区別して扱います。プライベートロケーションに関する記事では、ホストが公開しないレコードの認証と最小化について説明します。マップ対応アシスタントに関する記事では、共有マップ状態と検証済みマップアクションについて説明します。マルチロケーションガイドでは、ブランチネットワーク全体における正規ID、適格性、およびランキングについて説明します。このガイドは、これらのジャーニーが共有する真の情報源となるアーキテクチャです。つまり、最新の証拠、決定論的な空間計算、そして事実を所有することなくモデルが説明できるコンパクトなコンテキストパッケージを提供します。
このアーキテクチャにおける「グラウンデッド」とは何を意味するのでしょうか？
グラウンデッド・レスポンスとは、リクエスト時にアプリケーションが利用できる承認済みソースから、その根拠となる主張が導き出されるレスポンスのことです。顧客がユニオンスクエア近くの店舗でMサイズのジャケットがあるかどうかを尋ねた場合、製品はSKUとサイズを特定し、該当する店舗を検索し、現在の在庫状況を読み取り、指定された出発地との地理的な位置関係を計算し、有効な店舗をランク付けし、その後初めてモデルが同じ地図上に結果を説明するようにします。表現は会話調で構いません。在庫記録と移動距離の計算は、主張を裏付けることができるシステムから取得する必要があります。
グラウンディングは、より大きなプロンプトではなく、アプリケーションアーキテクチャです。モデルは意図を解釈し、システムが回答すべき質問を明確にします。在庫、ポリシー、在庫状況、ルーティングの所有者は、記録システムとして残ります。主張を裏付けるソースが存在しない場合は、製品がそもそもその主張を行うべきかどうかを問います。
以下の所有権表は編集上のものであり、公式に文書化されたKaleidrスキーマではありません。ソース境界の検査を容易にするために使用してください。実際のデプロイメントでは、ホスト上で既に稼働しているシステムから同じ列を取得する必要があります。
| クレーム | 信頼できる情報源 |
|---|---|
| 在庫あり | 在庫管理システム |
| チェックイン開始時刻 | ポリシー管理システム |
| 掲載情報が有効 | 掲載システム |
| プロバイダーがこの地域に対応 | サービスエリアシステム |
| 座標 | 承認済み場所情報源 |
| 移動時間 | ルーティングサービス |
| ユーザーはレコードを閲覧可能 | 本人確認／認証 |
| このオプションが1位になった理由 | 上記に関するAIによる説明 |
グラウンディングは、ファインチューニング、RAG、プロンプトとどう違うのか？
チームはしばしば、4つの異なる業務を1つの単語にまとめてしまう。グラウンディングは、要求時に最新のビジネス情報と空間情報を提供する。検索拡張生成は、関連するレコードやドキュメントを取得し、グラウンディング手法の一つとなり得る。ファインチューニングは、例に基づいてモデルの動作や出力スタイルを変更する。プロンプトは、実行時指示とタスクコンテキストを提供する。リアルタイムの在庫状況、空室状況、掲載状況、サービスエリアルール、現在の移動時間は、モデルメモリではなく、最新の証拠情報として扱うべきである。
グラウンディングは、最新の証拠情報のためのアプリケーションアーキテクチャであり、ファインチューニングやより大規模なプロンプトの別名ではない。
RAGは、ポリシーテキスト、アメニティの説明、ブランドガイドラインに役立ちます。在庫数、ステータス、価格、開店状況、サービスエリアポリゴンなどの構造化フィールドは、ランキングの前にハードフィルターを実行できるように、入力されたままにしておく必要があります。微調整は、トーンと出力の形状を調整するのに役立ちます。微調整は、今日の午後に変更された事実については、一般的に誤った情報源となります。プロンプトは、アシスタントの話し方を制限できます。プロンプトだけでは、事実の権威性は高まりません。
空間グラウンディングに独自のレイヤーが必要な理由
ビジネスアシスタントは文書に基づいていても、空間的な位置関係を誤っている可能性があります。2つの店舗に在庫があっても、次の目的地に到着する前にアクセスできるのは片方の店舗だけという場合があります。言語モデルは店舗の説明からこのような関係性を推定すべきではありません。アプリケーションには、出発地、目的地、移動手段、ネットワークを入力として受け取り、顧客が確認できる移動関係を返す地理空間サービスが必要です。
したがって、根拠に基づく空間AIは、ビジネスグラウンディングと空間グラウンディングを組み合わせたものです。ビジネスデータは、候補について何が真実であるかを示します。地理空間レイヤーは、候補が空間的にどのように関連しているかを示します。AIが質問を選択し、空間サービスが関係性を計算するという明確な境界があります。Place Ranking APIは、これらの計算が完了した後、次の目的地が既に移動経路に含まれている場合も含め、残りの候補地をランク付けする方法について説明します。
グラウンディングにはどのような正規レコードを使用すべきでしょうか？
Grounded Spatial AI には安定した ID が必要です。各ロケーション、リスト、SKU、サービス、プロバイダーは、ビジネス データベース、マップ マーカー、AI コンテキスト、分析、予約またはピックアップの引き渡し全体で共有される永続的な ID を保持する必要があります。表示名を ID として扱わないでください。ブランド ボイスや会社全体のポリシーなどの組織情報は継承できます。営業時間、ローカル在庫、ピックアップ資格などのロケーション情報は、支店に保持する必要があります。第 3 層である運用状態には、在庫、キャパシティ、一時的な閉鎖が明確な鮮度タイムスタンプとともに保持されます。これは、昨日の在庫がランキング機能ではないためです。
座標、時間、ステータス値、単位、カテゴリラベルは、リクエスト前に正規化して、決定論的フィルタを実行できるようにします。型付きエンティティにより、店舗IDが製品IDとして扱われたり、建物がリストとして扱われたりすることを防ぎます。正確なフィールドリストは製品固有です。負荷を支える契約は、場所ごとに1つのIDと、アシスタントが行うすべてのクレームに対する明示的なソース所有権です。
なぜ取得の前に認可が必要なのか？
危険なパターンは、広範囲のビジネスデータを取得し、それをモデルに渡して、ユーザーが何を見ることができるかをモデルに尋ねることです。より安全な順序は、認証、テナントの解決、オブジェクトとフィールドの認可を行い、必要最小限のデータを取得し、そのパッケージのみをモデルに渡すことです。ユーザーにはプロバイダーの場所は表示できますが、内部マージンは表示できない場合があります。取得レイヤーは、コンテキストがAI境界を越える前に、2番目のフィールドを削除する必要があります。
モデルは、ユーザーが取得できるデータを決定するコンポーネントであってはなりません。認可はAIコンテキスト境界の前に配置する必要があります。
Kaleidr は現在、ブラウザで公開可能なキーとサーバーキーの分離について文書化しており、ベアラーとして提示された公開可能なキーは拒否されると述べています (Kaleidr, 2026)。同じ文書は現在、ホストがそのサーフェスで公開することを選択したアップロードされた組織データをチャットが参照できるようにする vendor スコープについて説明しており、公開可能なキーは料金やホストが公開しないものには不適切な場所であると警告しています。この分離は、公開資格情報契約として扱ってください。ホストの在庫、非公開の場所、および顧客レコードは、プロンプト内ではなく、ホスト自身の認証の背後に引き続き配置する必要があります。
マップビューポートはリクエストの一部であり、権限付与ではありません。管理者のプライベートアセットがビューポート内にある場合、カメラが移動したという理由だけで、他のユーザーのAIコンテキストに侵入してはなりません。現在のチャットエンドポイントは、location、map_zoom、言語、セッションコンテキスト（Kaleidr, 2026）などのフィールドを記録します。これらのフィールドは、会話をマップに関連付けます。マップコンテキストは、オブジェクトおよびフィールドの認証に取って代わるものではありません。
適格性、ランキング、および説明はどのように分離されるべきか？
ハード制約はバイナリであり、ランキングの前に場所、在庫、およびルーティングの所有者に属します。現在閉店、要求されたバリアントの在庫切れ、サービスエリア外、非アクティブ、必要なサービスの欠如、または認可の欠如は、候補から除外する必要があります。わずかに短い移動などのソフトな優先順位は、残りの有効なセットをランク付けします。グラウンディングは、何が真実であるかを答えます。ランキングは、どの有効なオプションが要求に適合するかを答えます。説明は、ショートリストが存在する理由についてのグラウンディングされた説明です。
言語モデルは、「今日帰宅途中にこの商品を受け取りたい」といったリクエストを、出発地、商品、開店条件、受け取り方法、移動制限といった検証可能なフィールドに変換できます。これらのフィールドは、既に事実を保有しているシステムに対するクエリです。顧客が既に制約条件を指定しているにもかかわらず、モデルに旅行時間を捏造するよう要求しないでください。閉店した旗艦店が有名だからといって、上位にランク付けしないでください。予約、購入、受け取りといった影響力の大きいアクションの前に、在庫状況、利用可能時間、および時間を再検証してください。顧客が選択肢を比較している間に、推奨スナップショットが古くなる可能性があるためです。
コンパクトなコンテキストパッケージには、顧客が利用できるショートリストのみを含めるべきであり、すべてのメタデータフィールドがモデルに表示されていなくても、ソースと鮮度はアプリケーションに認識されている必要があります。データベース全体をプロンプトに含めると、情報漏洩、レイテンシ、古いレコード、そして誰も検査できないデバッグ領域が発生します。最小化はセキュリティ制御であり、製品制御でもあります。
Kaleidrは、根拠付けスタックのどこに位置づけられるのか？
Kaleidrの実装では、ホストが既に運用しているマップと位置情報スタックに会話型の空間レイヤーをアタッチできます。Kaleidrは現在、Chatを、ホストが既にレンダリングしているマップ上にマウントされ、解決済みの場所をプロットし、会話によって場所が解決されるにつれてカメラをフレーム化する製品として文書化しており、Mapbox、MapLibre、Google Maps、Leaflet（Kaleidr, 2026）の自動検出機能を備えています。アタッチ契約では、現在の公開開発者向けインターフェースにマップ対応の会話機能が存在することが確認されています。ただし、同じ文書では、ネイティブの在庫カタログ、予約エンジン、または営業時間フィードの提供は保証されていません。
現在の公開プラットフォーム API リストには、SDK セッション交換、ストリーミング チャット、ルート、POI エンリッチメント、およびデザイン エンドポイントが含まれています。このリストには現在、汎用的な知識アップロード、RAG インデックス、または在庫接続ルートは公開されていません。Kaleidr の製品ページでは、場所の接続と、ビジネス在庫およびポリシーに基づく AI の基盤について説明しています。マーケティング コピーを取り込み API として扱うのではなく、デプロイメントの統合パスを確認してください。How to Add AI Chat to Mapbox, Google Maps, and MapLibre では、レンダラー固有のアタッチ手順について説明しています。Location Intelligence APIs and Map SDK ページでは、空間製品の SDK、ランキング、および分析について説明しています。開発者向けドキュメントを統合契約として扱い、マーケティング ページでは使用例を説明し、在庫フィード リストについては説明しないでください。
フォーカス、候補表示、ルート表示などのセマンティックマップアクションは、アシスタントによって提案され、レンダラーが実行する前にホストによってIDと権限に基づいて検証される必要があります。自然言語出力は、任意のマップコードを実行してはなりません。共有マップ、リスト、チャットの状態は、単一の正規ロケーションIDを保持する必要があります。これにより、より近い場所を尋ねる際に、同じアイテムと営業時間のルールが維持されます。
グラウンディングはマッピングに特有のものではありません。Google Cloudは現在、ホテルカタログ、不動産リスト、レストランディレクトリなどの構造化されたビジネスデータセットに対するカスタム検索についてドキュメント化しており、接続されたデータからのグラウンディングAIによる回答生成についても別途説明しています（Introduction to custom search, 2026）。空間AIの場合、追加の要件は地理的計算です。このGoogle Cloudのページは、Google独自の検索製品について説明しています。このページはKaleidrコネクタではありません。
チームは根拠に基づく空間AIをどのように評価すべきか？
流暢な回答であっても、間違っている可能性があります。取得の正確性、認可の正確性、ビジネスルールの正確性、空間的な正確性、説明の忠実性、アクションの有効性、および鮮度を個別のチェック項目として測定します。グラウンディングされたシステムは、場合によっては適切な選択肢を返さないこともあります。多くのB2Bワークフローでは、結果が出ないことよりも誤検出の方が大きな損害をもたらします。単なる失敗フラグではなく、「現在閉店中」「在庫切れ」「エリア外」「遠すぎる」「営業時間不明」「認証されていない」など、構造化された結果が出ない理由をログに記録します。
グラウンディング品質は測定可能です。事実と空間の正確性は、製品が改善するように設計された顧客アクションと結びついている必要があります。
OWASP は現在、プロンプトインジェクションを主要な言語モデルアプリケーションリスクとして特定しており、RAG と微調整ではそれを完全に防ぐことはできないと述べています (LLM01:2025 Prompt Injection)。ユーザー入力と取得コンテンツは、信頼できない可能性があるものとして扱います。OWASP はまた、ポイズンされた取得コンテンツ、テナント間の漏洩、埋め込みへの不正アクセスなど、ベクターと埋め込みの脆弱性についても文書化しています (LLM08:2025 Vector and Embedding Weaknesses)。グラウンディングには、単に取得セットを大きくするだけでなく、ソースの信頼性、テナントのパーティショニング、およびアクションのホスト検証が必要です。NIST は、AI ライフサイクル全体にわたる信頼性を確保するための AI リスク管理フレームワークの補足として、2024 年 7 月に生成人工知能プロファイルを公開しました (Generative Artificial Intelligence Profile, 2024)。グラウンディングは、事実の切り替えとしてではなく、そのより大きなシステムの一部として評価します。
Kaleidr Analyticsは現在、地図と場所のエンゲージメント、場所の比較、空間パターン、および製品、在庫、成長チームが活用できるアクティビティを記録しています（Kaleidr, 2026）。在庫と予約はホストシステムが管理しています。このループを利用して、在庫検索が行われているにもかかわらず該当する支店がない郵便番号、顧客を失う移動時間帯、需要があるにもかかわらず入力項目が不足している市場などを特定できます。これらの質問は、ページビューではなく地理的な質問です。Spatial Analytics vs. Web Analyticsでは、ページビューだけではこれらの質問に答えられない理由について説明しています。この記事で提案されているイベント名は編集上の推奨事項であり、Kaleidr Analyticsの自動イベント名として文書化されているものではありません。
根拠付けを用いるパイロットプロジェクトはどう始めるべきか？
まず、単一の都市圏内で、職場から自宅までの経路にある在庫のある受け取り場所を1つ推奨するなど、価値の高いタスクを1つ実行します。場所のディレクトリ、営業時間、在庫状況は、既にそれらを管理しているシステムに保持します。既存の地図に会話型の地図操作を追加します。候補を承認済みの支店に限定し、要求された商品の開店州と在庫を必須とし、指定された出発地からの移動距離を計算し、受け取り前に再検証し、選択とそれに続くホストのアクションを測定します。最初のウィンドウがうまく機能する場合にのみ、カテゴリ、都市、フランチャイズテナントを拡張します。
会話型検索は、カタログの品質、鮮度、フルフィルメントの規律を代替するものではありません。移動時間はあくまでも推定値です。在庫状況は、その背後にある在庫ソースの信頼性に依存します。既存のマップにアシスタントを追加することは、レンダラーを交換するよりも通常は安価ですが、ホストは依然として認証、サプライヤー契約、および次のビジネスアクションを管理する必要があります。欠落データはパスではなく未知として扱い、すべてのデータセットを一度に展開するのではなく、市場ごとに展開してください。
Explore Kaleidr Spatial AI 既存のマップに会話型位置情報検索を追加する。 Explore Kaleidr Enterprise 既に運用しているスタックにSDKとランキングをアタッチする。 Explore Kaleidr Analytics 移動経路周辺の場所へのエンゲージメントと地理的需要を測定する。この記事の例を本番環境の機能仕様として扱う前に、現在の公開ページを確認してください。
よくある質問
根拠に基づく空間AIとは？
根拠に基づく空間AIは、承認済みの最新のビジネスデータと決定論的な地理計算を用いて、場所、在庫、利用可能性、資格、旅行に関するAIの回答をサポートします。言語モデルはリクエストを解釈して説明しますが、ビジネスシステムと地理空間システムは事実に関する権威を維持します。
グラウンディングはRAGと同じですか？
いいえ。検索拡張生成はグラウンディング手法の一つです。実稼働中の空間AIシステムは、構造化クエリ、認可、ビジネスルール、ランキング、ルーティング、ジオメトリ計算、およびライブ運用APIも使用できます。
グラウンディングはファインチューニングと同じですか？
いいえ。ファインチューニングはモデルの動作を変更します。グラウンディングは実行時に最新の証拠を提供します。在庫や利用可能性など、急速に変化する事実は、権威のあるビジネスシステムに保持されるべきです。
ビジネスデータベース全体をモデルにアップロードする必要がありますか？
いいえ。タスクに必要な承認済みのレコードとフィールドのみを取得します。モデルに到達する前にコンテキストを最小限に抑えます。
在庫と在庫状況は誰が管理すべきですか？
在庫、在庫状況、価格、掲載状況、プロバイダーのキャパシティなどの運用上の事実については、ホストビジネスシステムが権威を持つべきです。
距離と移動時間は誰が計算すべきですか？
適切な地理空間サービスまたはルーティングサービスを使用します。アシスタントはどの関係が重要かを解釈し、結果を説明できますが、正確な空間計算を考案してはなりません。
根拠付けされたAIでも幻覚を見ることがありますか？
はい。グラウンディングはサポートされていない回答を減らしますが、モデルのエラーを完全に排除するわけではありません。アプリケーションは構造化された出力を検証し、アクションを制限し、説明の忠実度を評価し、結果なしの動作をサポートする必要があります。
RAGはプロンプトインジェクションを防ぎますか？
いいえ。OWASPは、RAGとファインチューニングだけではプロンプトインジェクションを完全に防ぐことはできないと指摘しています。データ取得、ツール権限、モデルアクションには、アプリケーションレベルのセキュリティ制御が依然として必要です。
Kaleidrはビジネスインベントリとポリシーを使用できますか？
Kaleidrの現在のAIページでは、ホストの場所、インベントリ、ビジネスルールに関するグラウンディング推奨事項が記載されています。正確なデータ統合パスはデプロイメントによって異なるため、エンタープライズユースケースに合わせて確認する必要があります。
Kaleidrは汎用的なナレッジベース取り込みAPIを公開していますか？
現在の公開プラットフォームAPIドキュメントには、汎用的なナレッジアップロード、RAGインデックス、または任意のエンタープライズデータベース取り込みエンドポイントは記載されていません。SDKセッション、チャット、ルーティング、POIエンリッチメント、およびデザインエンドポイントが記載されています。
Kaleidrは既存のマップに根拠付けされたAIを添付できますか？
はい。現在公開されているチャット添付ドキュメントでは、ホストが既にレンダリングしているマップ（Mapbox、MapLibre、Google Maps、Leafletなど）上で会話が展開されることが説明されています。ホストは引き続き位置情報カタログと次のビジネスアクションを所有します。
空間AIの有効性はどのように評価すべきでしょうか？
取得の正確性、認可の正確性、ビジネスルールへの準拠、空間情報の正確性、説明の忠実性、鮮度、検索結果なしの場合の正確性、有効なアクション、および下流のビジネス成果。チャット量だけでは、成功の指標としては不十分です。
参考文献
- Kaleidr. Build Your Own Spatial AI with Kaleidr. Accessed 13 September 2026. https://kaleidr.com/
- Kaleidr. AI Map Chat for Customer Discovery. Accessed 13 September 2026. https://kaleidr.com/ai
- Kaleidr. Auth & scopes. Developer documentation. Accessed 13 September 2026. https://docs.kaleidr.com/platform-api/auth-and-scopes
- Kaleidr. Endpoints. Developer documentation. Accessed 13 September 2026. https://docs.kaleidr.com/platform-api/endpoints
- Kaleidr. Chat attach. Developer documentation. Accessed 13 September 2026. https://docs.kaleidr.com/sdk/chat-attach
- Kaleidr. Location Intelligence APIs and Map SDK. Accessed 13 September 2026. https://kaleidr.com/enterprise
- Kaleidr. Map Engagement and Location Analytics. Accessed 13 September 2026. https://kaleidr.com/analytics
- OWASP Gen AI Security Project. LLM01:2025 Prompt Injection. Accessed 13 September 2026. https://genai.owasp.org/llmrisk/llm01-prompt-injection/
- OWASP Gen AI Security Project. LLM08:2025 Vector and Embedding Weaknesses. Accessed 13 September 2026. https://genai.owasp.org/llmrisk/llm082025-vector-and-embedding-weaknesses/
- Google Cloud. Introduction to custom search. Accessed 13 September 2026. https://docs.cloud.google.com/generative-ai-app-builder/docs/about-generic-search
- NIST. Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile. Published 26 July 2024. Accessed 13 September 2026. https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence
@misc{kaleidr_home_grounded_2026_09_13,
title = {Build Your Own Spatial AI with Kaleidr},
author = {{Kaleidr}},
note = {Accessed 13 September 2026},
url = {https://kaleidr.com/}
}
@misc{kaleidr_ai_grounded_2026_09_13,
title = {AI Map Chat for Customer Discovery},
author = {{Kaleidr}},
note = {Accessed 13 September 2026},
url = {https://kaleidr.com/ai}
}
@misc{kaleidr_auth_grounded_2026_09_13,
title = {Auth \& scopes},
author = {{Kaleidr}},
note = {Developer documentation; accessed 13 September 2026},
url = {https://docs.kaleidr.com/platform-api/auth-and-scopes}
}
@misc{kaleidr_endpoints_grounded_2026_09_13,
title = {Endpoints},
author = {{Kaleidr}},
note = {Developer documentation; accessed 13 September 2026},
url = {https://docs.kaleidr.com/platform-api/endpoints}
}
@misc{kaleidr_chat_attach_grounded_2026_09_13,
title = {Chat attach},
author = {{Kaleidr}},
note = {Developer documentation; accessed 13 September 2026},
url = {https://docs.kaleidr.com/sdk/chat-attach}
}
@misc{kaleidr_enterprise_grounded_2026_09_13,
title = {Location Intelligence APIs and Map SDK},
author = {{Kaleidr}},
note = {Accessed 13 September 2026},
url = {https://kaleidr.com/enterprise}
}
@misc{kaleidr_analytics_grounded_2026_09_13,
title = {Map Engagement and Location Analytics},
author = {{Kaleidr}},
note = {Accessed 13 September 2026},
url = {https://kaleidr.com/analytics}
}
@misc{owasp_llm01_prompt_injection_2025,
title = {LLM01:2025 Prompt Injection},
author = {{OWASP Gen AI Security Project}},
note = {Accessed 13 September 2026},
url = {https://genai.owasp.org/llmrisk/llm01-prompt-injection/}
}
@misc{owasp_llm08_vector_embedding_2025,
title = {LLM08:2025 Vector and Embedding Weaknesses},
author = {{OWASP Gen AI Security Project}},
note = {Accessed 13 September 2026},
url = {https://genai.owasp.org/llmrisk/llm082025-vector-and-embedding-weaknesses/}
}
@misc{google_cloud_custom_search_2026,
title = {Introduction to custom search},
author = {{Google Cloud}},
note = {Accessed 13 September 2026},
url = {https://docs.cloud.google.com/generative-ai-app-builder/docs/about-generic-search}
}
@misc{nist_genai_profile_2024,
title = {Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile},
author = {{National Institute of Standards and Technology}},
note = {Published 26 July 2024; accessed 13 September 2026},
url = {https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence}
}