근무 공간 편의시설을 위한 공간 AI

직장 편의시설을 위한 공간 AI는 직원의 자연어 요청을 승인된 사무실 공간, 내부 서비스, 그리고 승인된 근처 장소와 연결해서 접근성, 이용 가능성, 다음 업무에 맞는 옵션을 추천할 수 있어요. 언어 모델은 다음 회의 근처의 조용한 방 같은 복합 의도를 이해합니다. 예약, 출입증, 운영 상태는 여전히 직장 시스템이 권한을 가지고 관리해요. 지리 정보 서비스는 도보 거리와 캠퍼스 내 관계를 계산하고, 그 후 공간 AI가 지도를 기반으로 추천 리스트를 설명해 줍니다.

아래 섹션에서는 내부 편의 시설과 주변 공공 장소를 구분한 후, 정체성, 자격 요건, 근무일 맥락, 개인 정보, Kaleidr의 공개 지도, 평가 및 제한적 파일럿에 대해 다룹니다. 관련 참고 문헌으로는 Local Amenities: How to Map Nearby Places, Grounded Spatial AI for Business Data, Spatial AI for Multi-Location Businesses, Private Location Data for AI Map Workflows가 있습니다. 글의 나머지 부분은 이미 근무지 애플리케이션을 보유하고 있고 그 주위에 공간 레이어가 필요한 팀을 위한 내용이며, 시설 플랫폼을 새로 구입하려는 팀을 위한 내용은 아닙니다.

직장 편의 시설 필수 요소

• 업무가 먼저: 장식용 사무실 지도보다 직원 업무에서 시작하세요.
• 소유자는 분리 유지: 내부 방과 주변 카페는 하나의 기록 시스템을 공유하지 않습니다.
• 조회 전 승인 필수: 모델이 출입증이나 예약 엔진은 아닙니다.
• 사용 가능함이 가까움보다 우선: 닫혀 있거나, 가득 차 있거나, 경로에서 벗어난 공간은 먼저 제외됩니다.
• 업무 측정: 단순히 채팅 길이만 보는 것보다 유효한 선택, 전달, 결과 없는 지리 정보가 더 중요해요.

Workplace Spatial AI는 직원 의도를 승인된, 사용 가능한 공간과 근무일 지리와 연결할 때 진짜 유용해져요.

왜 Workplace Amenities를 위한 Spatial AI가 업무 공간 설계 문제인가요?

일반적인 로컬 검색 도우미는 핀 주변의 식당이나 공원을 나열할 수 있어요. 하지만 업무용 제품은 직원이 어느 집중실에 들어갈 수 있는지, 여섯 시 이후에도 열려 있는 테넌트 라운지는 어디인지, 다음 회의 전에 여전히 영업 중인 카페는 어디인지, 방문자가 출입증 없이 갈 수 있는 캠퍼스 건물은 어디인지 등의 질문에 답해야 하죠. 이런 답은 출입 정책, 예약 상황, 운영 시간, 층이나 건물 정보, 직원의 다음 일정 등에 따라 달라집니다. 따라서 언어 모델이 이런 정보를 학습 메모리에서 임의로 만들어 내서는 안 돼요.

Cushman & Wakefield가 2022년 대규모 오피스 리스 분석에서 편의 시설 수요를 더 넓은 '품질 추구(flight-to-quality)' 패턴의 일부로 다뤘습니다. 접근 편의성(주차와 근처 교통 포함), 건물 내나 근처 식사 옵션, 웰니스 기능 등이 일반적인 건물 속성으로 나타납니다(Cushman & Wakefield, 2026). 같은 보고서에서, 편의 시설을 추가한다고 해서 임차인의 참여나 출석 문제까지 해결된다는 의미는 아니라고 명시했습니다. 따라서 제품 기회는 단순히 AI로 만든 혜택 카탈로그가 아니라는 거죠. 위치, 업무 환경 상태, 직원 의도는 기존 출입 및 예약 시스템을 대체하지 않으면서도 사무실 내부와 주변에서의 마찰을 줄여야 합니다.

직장 편의 시설로 무엇을 포함해야 할까요?

직장 편의 시설은 내부에 있거나 외부에 있을 수 있으며, 직원들은 이런 데이터베이스 경계에 대해 생각하지 않습니다. 내부 예시로는 회의실, 집중실, 전화 부스, 카페, 주방, 피트니스 센터, 웰니스 룸, 락커, 샤워, 자전거 보관소, 주차장, 접수, 우편 서비스, IT 지원, 협업 공간, 테라스, 임차인 라운지가 있습니다. 가까운 외부 예시로는 레스토랑, 커피숍, 약국, 교통역, 주차장, 슈퍼마켓, 체육관, 공원, 그리고 사무실 주변의 기타 서비스가 있습니다. 육아나 다른 민감한 카테고리는 사용자가 요청하고 호스트가 출처를 승인한 경우에만 나타나야 합니다.

복합 작업이 핵심이에요. 회의까지 45분 남은 직원은 완전한 디렉토리를 원하는 게 아니라, 사용 가능한 공간이나 제시간에 돌아올 수 있는 식사를 찾고 있는 거죠. 고정된 편의시설 목록은 무엇이 있는지 알려주지만, 직장 내 편의시설을 위한 공간 AI는 어떤 허가받은, 현재 사용 가능한 옵션이 작업, 출발지, 다음 장소에 맞는지 알려줘요.

왜 내부 편의시설과 주변 장소를 따로 두어야 할까요?

모든 편의 시설을 하나의 일반 장소 데이터베이스로 합치지 마세요. 직장 시스템은 내부 신원, 운영 상태, 접근 정책, 수용 인원, 예약 상태, 내부 서비스 세부 정보를 관리합니다. 승인된 장소 소스는 주변 외부 업체, 공공 주소, 카테고리, 지원되는 경우 공공 운영 정보를 관리합니다. 라우팅 또는 도보 서비스는 경로, 거리, 예상 이동 시간을 관리합니다. 호스트 직장 애플리케이션은 직원 신원, 사무실 배치, 방문자 권한, 서비스 요청을 관리합니다. AI 계층은 의도 해석, 설명 요청, 설명, 지원되는 지도 또는 워크플로우 작업을 관리합니다.

소유자 분리는 신뢰 모델이에요. 카페 시간 피드는 잠긴 포커스 룸을 허가할 수 없고, 방 예약 기록은 공개 레스토랑을 대신할 수 없어요. 소유자를 확인 가능하게 유지해서 잘못된 추천이 나왔을 때, 그 추천을 생성한 시스템을 추적할 수 있어야 해요.

AI 계층은 직장과 주변 맥락을 조율하지만, 예약, 출입, 시설 시스템을 대체하지는 않아요.

직장 Spatial AI는 어떻게 설계해야 할까요?

생산 순서는 직원 요청, 신원 및 근무 환경, 허가된 편의시설, 엄격한 적격성, 가용성 및 공간 계산, 상황별 순위, 근거 있는 설명, 지도와 목록, 그런 다음 호스트 소유 예약이나 서비스 조치 순으로 진행될 수 있어. 순서가 중요해. 언어 모델이 모든 개인실 기록을 받은 다음 사용자가 무엇에 접근할 수 있는지 추측하도록 하면 안 돼. 권한 부여는 조회 이전에 있어야 하고, 이건 다른 테넌트 관리 기록에 대해 Private Location Data for AI Map Workflows가 설정한 패턴과 같아.

장식용 사무실 지도 대신 직원의 업무에서 시작하세요. 일반적인 업무 예시는 이름이 있는 방 근처 조용한 공간 찾기, 팀 구역 근처에서 출력하기, 다음 회의 전에 식사 후 돌아오기, 방문자의 이동 경로를 위해 두 사무실 비교하기, 출입증으로 열 수 있는 테넌트 라운지 확인하기, 혹은 집중 블록을 계획한 뒤 역 근처 카페 가기 등이 있습니다. 이런 제약 조건이 한 문장에 여러 개 등장하면 일반 필터는 번거로워집니다. AI 레이어는 가용성을 만들어낼 때가 아니라, 직장 시스템이 답해야 하는 질문을 명명할 때 유용합니다.

왜 표준 편의 시설 ID가 중요한가요?

모든 내부 편의 시설은 직장 디렉터리, 지도 기능, 가용성 피드, 예약 동작, AI 설명, 분석 등에서 공유될 수 있는 내구성 있는 식별자를 유지해야 합니다. 'Focus Room 3' 같은 표시 이름은 층과 건물을 넘어서 반복되므로, 이것은 식별이 아니라 라벨입니다. 유용한 계층 구조는 조직, 캠퍼스 또는 사이트, 건물, 층, 편의 시설을 보존합니다. 그 계층 구조가 없으면 '내 근처 방'은 다른 타워에서 비슷한 이름의 공간을 반환할 수 있습니다.

다음 비교는 편집상의 내용이며, 문서화된 Kaleidr 스키마가 아닙니다. 실제 구현에서는 호스트가 이미 운영 중인 시스템에서 동일한 열을 채워야 합니다.

왜 적격성과 이용 가능성을 순위보다 먼저 확인해야 하나요?

일부 공간은 현재 요청에 단순히 사용할 수 없습니다: 직원이 접근할 수 없거나, 방이 예약되어 있거나, 시설이 닫혀 있거나, 수용 인원이 부족하거나, 건물이 닫혀 있거나, 방문자가 허용되지 않는 경우입니다. 이것들은 엄격한 제약 조건입니다. 승인된 후보자는 먼저 적격성 검사를 통과하고, 그 다음 공간 계산을 하고, 마지막으로 순위를 매겨야 합니다. 제한된 방은 가까이 있다고 해서 절대 최우선 추천이 되어서는 안 됩니다.

지도에 존재한다고 해서 사용할 수 있는 것은 아니다. 체육관이 존재해도 문을 닫을 수 있다. 카페가 존재해도 세 시에 영업을 종료할 수 있다. 주차 시설이 존재해도 해당 배지 그룹에 가득 찰 수 있다. 실제 운영 시스템이 현재 사용 가능성을 소유해야 하며, 호스트가 확인하기 전에 예약을 재확인해야 한다. 다른 직원이 몇 초 전에 방을 예약했다면, 애플리케이션은 그렇게 알려주고 다음 가능한 옵션을 제공해야 한다. 언어 모델은 절대 예약 권한을 가져서는 안 된다.

공간적 맥락이 남은 선택지를 유용하게 만든다. 같은 건물, 같은 층, 도보 시간, 층 변경, 특정 방이나 입구로부터 거리, 교통까지 이동 시간, 다음 미팅과의 관계는 대화적 장식이 아니라 지리적 사실이다. Place Ranking API는 이러한 계산 후 남은 적합한 위치들을 순위 매기는 것을 다룬다.

다중 앵커 직장 검색은 가장 가까운 방 검색과 어떻게 다를까요?

단순 거리 기준으로 가장 가까운 곳을 선택하는 것은 종종 잘못된 직장 규칙입니다. 세 개의 편집 집중실을 예로 들어보겠습니다: A는 1분 거리지만 사용할 수 없고, B는 3분 거리지만 사용 가능하며 다음 회의 장소로 가는 길에 있습니다. C는 2분 거리, 사용 가능하지만 되돌아가야 합니다. A는 조건에서 제외됩니다. 업무 상황(context)에 따라 C가 더 가깝더라도 B가 우선 순위가 될 수 있습니다. 그 이유는 직원이 이미 다음 회의로 향하고 있기 때문이죠. 어떤 방을 우선 순위로 둘지는 위치 정보 문제이지 단순한 마커 정렬 문제는 아닙니다.

많은 직원 업무는 한 장소 이상과 관련이 있습니다. 예를 들어, 현재 책상과 고객 미팅 사이의 조용한 장소이거나, 팀 일부는 기차로 도착하고 고객은 공항에서 오는 경우에 맞는 사무실 등이 있습니다. 시간도 같은 맥락에 속합니다. 다음 미팅 전 45분이라는 시간은 걸어가는 시간과 근무 시간에 대한 제약이지, 장식용 시계가 아닙니다. 실내 길 안내는 선택 사항이며 별도로 제공됩니다. 많은 유용한 워크플로우는 AI Wayfinding Assistant for Venues가 실내 위치를 대화형 검색의 전제 조건이 아닌 추가 인프라로 다루는 것처럼, 선택한 사무실, 건물, 층, 회의실 또는 수동 기준점에서 실행될 수 있습니다.

최고의 직장 편의 시설은 종종 가장 가까운 거리에 있는 것이 아니라 다음 작업에 맞는 것입니다.

권한 부여와 위치 프라이버시는 어떻게 작동해야 할까요?

사용자를 인증하고, 역할이 볼 수 있는 공간과 필드를 결정한 후, 해당 기록만 가져와서 AI 레이어에 작은 컨텍스트 패키지를 제공하세요. 현재 Kaleidr는 Chat attach 페이지(Kaleidr, 2026)에서 게시 가능한 키에 대한 브라우저 출처 및 범위 검사를 문서화하고 있습니다. 세션 교환과 범위 기반 런타임 호출은 공개 Platform API endpoints에 나타납니다. Auth & scopes 페이지는 Kaleidr 자체 키와 출처 게이트에 대한 계약입니다. Kaleidr의 공개 인증 페이지는 호스트의 배지 매트릭스나 룸 ACL을 대체하지 않습니다.

직원 좌표는 민감합니다. 많은 작업에서는 연속적인 정확한 위치 대신 선택한 사무실, 층, 회의실 또는 단기 '여기서 시작' 지점을 사용할 수 있습니다. 업무 공간 검색 제품은 종종 현재 작업의 시작점, 선택된 목적지, 임시 경로 컨텍스트로도 충분히 작동할 수 있습니다. 지나간 방, 방문한 편의 시설, 하루 종일 걸은 경로의 기본 기록을 저장하지 마세요. 개별 이동 감시와 집계된 업무 공간 분석은 분리해야 합니다. '조용함'도 마찬가지로 출처가 필요합니다: 검증된 공간 속성, 예약 유형, 명확한 필터 등, 모델 형용사가 아닙니다.

이것이 지역 편의 시설 지도와 어떻게 다른가요?

Kaleidr는 이미 Local Amenities: How to Map Nearby Places를 발행했는데, 이는 특정 위치 주변 장소를 분류하고 지도화하는 것을 다룬다. 그런데 직장 관련 아티클은 다른 B2B 업무야: 사설 내부 공간, 출입, 이용 가능성, 근무일 상황, 승인된 외부 서비스, 그리고 호스트가 주도하는 행동 등. '디스커버리'는 예약이 아니야. 예약은 시스템상 기록에 커밋되는 것이지. 시설 관리와 공간 계획도 인접한 문제들이야; 실시간 직원 검색을 포트폴리오 프로그램과 혼동하면 안 돼. 동네 카페는 두 제품에 모두 등장할 수 있지만, 직장용 제품은 여전히 직원이 출입증 범위를 벗어날 수 있는지, 다음 회의가 곧 시작하는지, 호스트가 예약을 제공할 수 있는지 알아야 해.

Kaleidr는 직장용 스택에서 어디에 위치할까?

Kaleidr는 현재 홈페이지(Kaleidr, 2026)에서 편의 시설(Amenities)을 공간 AI(Spatial AI) 분야로 소개하고 있어요. AI Map Chat for Customer Discovery 페이지에서는 기존 지도에 AI 기반 검색, 추천, 인사이트, 위치 인식 경험을 추가할 수 있지만, 호스트 플랫폼을 다시 구축할 필요는 없다고 설명하고 있습니다. Chat attach 페이지에서는 product="chat"를 이미 호스트가 제공하는 지도 위에 대화형 레이어로 문서화하여, 장소를 확인하고 대화가 위치를 식별할 때 카메라를 조정하는 방식입니다. 자연스러운 B2B 패턴은 기존의 업무용 애플리케이션, 지도, 편의 시설 시스템에 Kaleidr의 대화형 공간 레이어를 추가하는 것이며, 기존 업무용 소프트웨어를 대체하는 것은 아닙니다.

현재 공개된 Platform API endpoints 목록에는 SDK 세션 교환, 스트리밍 채팅, 경로, POI 강화, 디자인 엔드포인트가 포함되어 있습니다. 현재 목록에는 전용 /rooms, 데스크 예약, 근무지 가용성, 출입 통제 경로는 게시되어 있지 않습니다. 근무지 관련 글이 Kaleidr가 룸 예약 소프트웨어, 출입증 시스템, 점유 플랫폼 또는 시설 시스템을 대체한다고 암시해서는 안 됩니다. 이러한 시스템들은 지원되는 엔터프라이즈 배포가 별도로 명시하지 않는 한 호스트 통합 상태로 남습니다. Location Intelligence APIs and Map SDK 페이지는 현재 공간 제품에 대한 SDK, 순위 및 분석을 설명하고 있습니다. 구성에 따라 Kaleidr는 브랜드 캠퍼스, 방문자, 또는 근처 지역 환경을 지원할 수 있지만, 비공개 작업은 여전히 호스트 인증이 필요합니다. 공개 방문자 레이어와 직원 레이어는 동일한 편의 시설을 노출할 필요가 없습니다.

팀은 근무지 공간 AI를 어떻게 평가해야 할까요?

Kaleidr Analytics는 현재 지도와 장소 참여, 장소 비교, 공간 패턴, 그리고 제품, 재고, 성장 팀이 활용할 수 있는 활동을 문서화하고 있어요 (Kaleidr, 2026). 예약과 배지는 여전히 호스트 시스템이 관리하고 있어요. 이 루프를 사용해서 초점 회의실 검색이 있지만 적합한 방이 없는 층, 직원을 놓치는 시간대, 그리고 수요가 있으나 속성이 누락된 사이트를 찾아보세요. Spatial Analytics vs. Web Analytics에서는 페이지 뷰만으로는 왜 이런 질문에 답할 수 없는지 다루고 있어요. 이 글에서 제안된 이벤트 이름들은 편집 추천일 뿐, 공식적인 Kaleidr Analytics 자동 이벤트 이름이 아니에요.

유용한 결과 측정에는 유효 결과율, 결과 없음 사유, 편의시설 선택, 예약 또는 서비스 전달, 사이트별 반복 수요, 가용성 실패 등이 포함됩니다. 접근 규칙, 근무 시간, 도보 환경이 일정하게 유지될 때만 사무실을 비교하세요. 직장 분석에서 프라이버시는 직원 이름이 기록된 추적이 아니라 집계된 구역과 작업 결과를 의미합니다.

직장 공간 AI는 집계된 수요와 결과 없음 패턴이 팀이 경험을 개선하도록 돕는 경우 더욱 가치가 있으며, 지도가 직원 감시 시스템으로 변하지 않게 합니다.

직장 파일럿은 어떻게 시작해야 할까요?

하나의 사무실과 한 가지 고가치 작업부터 시작해 보세요. 예를 들어 다음 회의로 가는 길에 권한 있는 포커스 룸을 추천하는 것처럼요. 신원, 접근 권한, 예약 정보는 이미 관리 중인 시스템에 그대로 두세요. 기존 지도에 대화형 맵 인터랙션을 추가하세요. 후보 공간은 권한 있는 곳으로 제한하고, 현재 사용 가능 여부를 확인하며, 다음 목적지와의 도보 관계를 계산하고 예약 전에 다시 확인하세요. 선택과 이어지는 호스트 행동도 측정하세요. 첫 번째 창이 잘 작동할 때만 편의 시설 종류, 층, 근처 외부 장소를 확장하세요.

대화형 발견 기능은 배지 규율, 시간 갱신, 예약 동시성을 대체하지 않습니다. 도보 시간은 여전히 추정치입니다. 실내 위치 추적은 선택 사항입니다. 기존 지도에 어시스턴트를 연결하는 것이 렌더러를 교체하는 것보다 일반적으로 비용이 적게 들지만, 호스트는 여전히 권한과 다음 업무 조치를 소유해야 합니다. 누락된 데이터는 통과로 처리하지 말고 알 수 없음으로 처리하며, 모든 캠퍼스가 아닌 사이트별로 순차적으로 배포하세요.

Explore Kaleidr Spatial AI: 기존 지도에 대화형 위치 검색 추가. Explore Kaleidr Enterprise: 이미 운영 중인 스택에 SDK와 순위 매기기 추가. Explore Kaleidr Analytics: 그 여정을 따라 장소 참여와 지리적 수요 측정. 이 글의 예제를 실제 계약처럼 취급하기 전에 현재 공개 페이지를 확인하세요.

자주 묻는 질문

직장 편의시설을 위한 공간 AI(Spatial AI)란 무엇인가요?

직장 편의 시설용 공간 AI는 자연어 의도와 지도 정보를 활용해 직원이나 방문자가 사용 가능한 직장 공간, 서비스, 근처 자원을 찾는 데 도움을 줍니다. 권한 있는 직장 시스템은 여전히 접근, 이용 가능 여부, 예약을 관리합니다.

이게 사무실 디렉토리랑 어떻게 다른가요?

디렉토리는 무엇이 있는지 나열합니다. 공간 AI 경험은 사용자의 현재 직장 위치, 접근 권한, 이용 가능 여부, 이동 관계, 시간 제약, 다음 작업 등을 고려해 옵션을 추천할 수 있습니다.

공간 AI가 사용 가능한 회의실을 찾을 수 있나요?

어시스턴트는 요청을 해석하고 호스트 앱에서 제공하는 현재 이용 가능 여부에 따라 권한 있는 회의실 후보를 비교하는 데 도움을 줄 수 있습니다. 방 예약 시스템은 여전히 권위를 유지하며 예약 전에 회의를 다시 확인해야 합니다.

Kaleidr가 직장 예약 소프트웨어를 대체하나요?

아니요. Kaleidr는 기존 지도와 업무용 애플리케이션 주변에 대화형 공간 인텔리전스를 추가할 수 있지만, 예약, 출입, 시설 시스템은 여전히 권한 있는 시스템으로 유지됩니다.

업무용 AI에 주변 음식점과 서비스도 포함될 수 있나요?

네. 업무 환경 경험은 내부 편의 시설과 승인된 외부 장소 데이터를 결합할 수 있어서, 직원들이 사무실과 주변 지역에 대해 복합적인 질문을 할 수 있습니다.

실내 위치 추적이 필요하나요?

아니요. 많은 유용한 워크플로는 선택한 사무실, 건물, 층, 회의실, 또는 수동 기준에서 작동할 수 있습니다. 정확한 실내 턴바이턴 내비게이션은 별도의 기능입니다.

업무용 출입 통제는 AI와 어떻게 작동해야 할까요?

사용자를 인증하고, 그들이 접근할 수 있는 공간과 필드를 확인한 후, 해당 기록만 가져와 AI 층에 승인된 컨텍스트를 제공하세요. 모델 자체가 권한 부여를 수행해서는 안 됩니다.

직장 보조자가 직원 위치를 계속 추적해야 할까요?

기본적으로는 아니에요. 작업에 필요한 최소한의 위치 컨텍스트만 사용하세요. 많은 워크플로우가 지속적인 정확한 직원 좌표 없이도 운영될 수 있어요.

회사가 측정해야 할 직장 편의 시설 지표는 무엇일까요?

유용한 지표로는 유효 결과 비율, 결과 없음 사유, 편의 시설 선택, 예약 또는 서비스 전달, 사이트나 지역별 반복 수요, 이용 가능 실패 등이 있어요. 단순한 채팅 수보다는 결과를 측정하세요.

건물 소유주가 입주사 편의시설에 공간 AI를 활용할 수 있나요?

예. 건물 소유주나 입주사 경험 플랫폼은 공용 라운지, 회의 시설, 주차, 방문자 서비스, 주변 편의시설에 동일한 구조를 적용할 수 있습니다. 다만 출입 및 예약 시스템은 계속해서 권한을 가진 기준 시스템으로 유지되어야 합니다.

이게 Kaleidr의 ‘지역 편의 시설’ 기사와 어떻게 다른가요?

‘지역 편의 시설’ 기사는 특정 위치 주변 장소를 분류하고 지도화하는 방법을 설명해요. 직장 관련 기사는 기업 워크플로우에 초점을 두고 있어요: 개인 내부 공간, 접근, 이용 가능성, 근무일 상황, 외부 주변 서비스, 그리고 호스트가 관리하는 액션 등이 포함됩니다.

Kaleidr는 어디에 맞춰지나요?

Kaleidr는 현재 편의시설(Amenities)을 공간 AI(Spatial AI) 비즈니스 분야로 포지셔닝하고 있으며, 기존 지도에 대화형 AI를 연결할 수 있도록 지원하고, 위치 인식(location-aware) 제품 스택을 위한 엔터프라이즈 인프라를 제공합니다. Kaleidr를 방, 출입증, 시설 정보의 출처로 보기보다는 업무용 시스템 주변의 공간 지능 및 상호작용 계층으로 이해하세요.

참고문헌

1. Kaleidr. Build Your Own Spatial AI with Kaleidr. Accessed 14 September 2026. https://kaleidr.com/
2. Kaleidr. AI Map Chat for Customer Discovery. Accessed 14 September 2026. https://kaleidr.com/ai
3. Kaleidr. Chat — attach AI to your map. Developer documentation. Accessed 14 September 2026. https://docs.kaleidr.com/sdk/chat-attach
4. Kaleidr. Endpoints. Developer documentation. Accessed 14 September 2026. https://docs.kaleidr.com/platform-api/endpoints
5. Kaleidr. Auth & scopes. Developer documentation. Accessed 14 September 2026. https://docs.kaleidr.com/platform-api/auth-and-scopes
6. Kaleidr. Location Intelligence APIs and Map SDK. Accessed 14 September 2026. https://kaleidr.com/enterprise
7. Kaleidr. Map Engagement and Location Analytics. Accessed 14 September 2026. https://kaleidr.com/analytics
8. Cushman & Wakefield. Which Amenities Are Driving Leasing Activity? Analysis of large 2022 office leases. 2026. Accessed 14 September 2026. https://www.cushmanwakefield.com/en/united-states/insights/which-amenities-are-driving-leasing-activity
9. Kaleidr. Local Amenities: How to Map Nearby Places. Accessed 14 September 2026. https://kaleidr.com/blog/what-are-local-amenities-how-to-map-them

@misc{kaleidr_workplace_home_2026,
  title  = {Build Your Own Spatial AI with Kaleidr},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Accessed 14 September 2026},
  url    = {https://kaleidr.com/}
}

@misc{kaleidr_workplace_ai_2026,
  title  = {AI Map Chat for Customer Discovery},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Accessed 14 September 2026},
  url    = {https://kaleidr.com/ai}
}

@misc{kaleidr_workplace_chat_attach_2026,
  title  = {Chat -- attach AI to your map},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Developer documentation; accessed 14 September 2026},
  url    = {https://docs.kaleidr.com/sdk/chat-attach}
}

@misc{kaleidr_workplace_endpoints_2026,
  title  = {Endpoints},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Developer documentation; accessed 14 September 2026},
  url    = {https://docs.kaleidr.com/platform-api/endpoints}
}

@misc{kaleidr_workplace_auth_2026,
  title  = {Auth \& scopes},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Developer documentation; accessed 14 September 2026},
  url    = {https://docs.kaleidr.com/platform-api/auth-and-scopes}
}

@misc{kaleidr_workplace_enterprise_2026,
  title  = {Location Intelligence APIs and Map SDK},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Accessed 14 September 2026},
  url    = {https://kaleidr.com/enterprise}
}

@misc{kaleidr_workplace_analytics_2026,
  title  = {Map Engagement and Location Analytics},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Accessed 14 September 2026},
  url    = {https://kaleidr.com/analytics}
}

@misc{cushman_amenities_leasing,
  title  = {Which Amenities Are Driving Leasing Activity?},
  author = {{Cushman \& Wakefield}},
  year   = {2026},
  note   = {Analysis of large 2022 office leases; page states no publication year; access year used for the parenthetical; accessed 14 September 2026},
  url    = {https://www.cushmanwakefield.com/en/united-states/insights/which-amenities-are-driving-leasing-activity}
}

@misc{kaleidr_local_amenities_2026,
  title  = {Local Amenities: How to Map Nearby Places},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Accessed 14 September 2026},
  url    = {https://kaleidr.com/blog/what-are-local-amenities-how-to-map-them}
}