擴展前的企業 Spatial AI 試點

一個企業 Spatial AI 試點應先驗證一項與地點相關的客戶或營運成果，然後組織才會將對話型 Spatial AI 擴展到每個地圖、市場和工作流程中。最理想的初期窗口是單一客戶任務、單一核准的資料領域、單一受限地理區域，以及單一可衡量的行動。業務系統仍然是庫存、權限、價格、排程和交易的權威來源；地理空間服務計算地理關係；語言模型解釋意圖並在地圖上說明有據可循的結果。

以下各節將展示如何將示範與接近正式環境的試點分開，然後涵蓋範圍、證明、Kaleidr 的附加模型、評估門檻及擴展。相關閱讀包括 Grounded Spatial AI for Business Data、Spatial AI for Multi-Location Businesses、How to Build a Map-Aware AI Assistant 和 Private Location Data for AI Map Workflows。文章其餘部分是為已經擁有地圖或客戶應用的產品、平台及營運團隊撰寫，而非為正在尋找替換庫存、CRM 或排程系統的團隊。

企業 Spatial AI 試點要點

先做一件事： 全公司範圍的助手是擴展目標，而非第一個試點範圍。

擁有者保持分離： 庫存、權限、價格和預約不與地圖共用同一個記錄系統。

先落地再說明： 語言模型不是業務資料庫。

先驗證再擴展： 投影片演示並不是以實際運作為基準的試點。

衡量任務： 可用目的地、開啟的路線和啟動的行動比對話量更重要。

一個 Kaleidr Spatial AI 試點從一個客戶任務、一個資料領域、一個地理區域和一個商業行動開始，然後利用授權、資格認定、空間計算、排序和有根據的答案來產生可衡量的商業成果，接著組織再決定是否擴展、迭代、縮小或停止。

一個 Spatial AI 試點應該先驗證一個有根據的成果，然後組織再擴展它。

為什麼企業 Spatial AI 試點要優先進行？

一個通用地圖助手可以列出附近的標記。企業產品則必須回答在給定授權、庫存、營業時間、服務區域、旅行時間以及下一步業務行動的情況下，客戶或營運人員實際可以使用的地點。這些答案取決於標準位置身份、目前營運狀態以及主機擁有的工作流程。語言模型不應該從訓練記憶中虛構這些欄位。

失敗模式很熟悉：在一張無法完成真實任務的地圖上進行的精心對話。助理會命名一個已關閉的分支、未授權的地點或服務區域外的地方。營運人員隨後將 Spatial AI 當作示範，而不是基礎設施。Kaleidr 目前以更限定的流程來結束其企業行動呼籲：先從試點開始，然後在組織準備好時擴展 (Kaleidr, 2026)。那個首頁的描述是一種產品立場，而不是聲稱每個會話地圖都已準備好進行公司範圍的部署。

因此，第一個試點範圍應該足夠小以便於操作，又足夠大以具有重要性。一個有用的第一項工作是客戶或營運人員已經嘗試完成的任務：找到合適的服務地點，比較能夠滿足請求的附近分支機構，或者在公司實際能提供服務的地方開始預約。Spatial AI 針對多地點業務涵蓋了該工作的目錄和資格部分。Grounded Spatial AI for Business Data涵蓋了授權庫存的相同邊界：模型解釋了基於實際資料的記錄；該模型並不會成為系統中的正式記錄。

NIST 的 人工智慧風險管理框架 (AI RMF 1.0) 是一個自願性的、與使用情境無關的資源，供設計、開發、部署或使用 AI 系統的組織用以管理 AI 風險 (NIST, 2023)。Spatial AI 試點是將這個概念在有限地理範圍內操作化的一種方式：在組織將系統的結果複製到每個通道之前，測量系統是否產生可用、授權且空間正確的結果。該框架並未規定 Kaleidr 架構。

團隊應如何界定企業 Spatial AI 試點的範圍？

同時在四個軸上界定第一個試點範圍：一個客戶或營運人員工作、一個批准的資料領域、一個地理區域，以及宿主應用程式可以完成的一個操作。一個例如「找到合適的服務地點並預約」的工作是可測試的。一個例如公共位置記錄加上可用性的資料領域是可檢查的。單一都市或服務區域在地理上是有限的。一個例如請求預約、取得路線或打開預訂頁面的操作是可觀察的。在第一個試點範圍之前擴展任何軸會增加失敗模式，而不是證明價值。

保持來源所有權可檢查。位置目錄可以擁有地點身份和座標。可用性或營業時間來源可以擁有開放狀態。授權來源可以擁有使用者或租戶可以查看哪些位置。排程或商務系統可以擁有預約或結帳。地理空間服務計算服務區域包含性、旅行時間及途中關係。AI 地圖助手解讀請求，說明基礎的候選清單，並提出地圖操作。應用程式層驗證每個操作。權限保留在應用程式和基礎設施中；語言模型從不授予訪問權限。

相比之下，一個可以「回答關於我們所有位置的任何問題」的全公司助理，其實就是多個產品的集合。這個請求混合了目錄搜尋、資格審核、路由、政策和下游工作流程。每一個這些界面都可能單獨失效。《如何建立一個地圖感知的 AI 助理》將選定的地點、視窗和活動篩選條件視為關鍵情境，而不是裝飾性的聊天記憶。一個初步的試點應該重複使用這種地圖上下文來完成一項工作，而不是讓模型從文字敘述重建整個企業。

以下比較為編輯性質，並非已記錄的 Kaleidr 架構。實際部署應該從宿主已發佈的地圖和營運資料中填寫相同的欄位。

階段	它證明了什麼	它沒有證明什麼
示範	地圖可以說話	資料、資格與操作品質
原型	一個順利流程的查詢可以完成	失敗情況、授權和測量
試點	一個生產型工作在一個地理區域運作	全公司範圍推廣
推出	額外的工作、資料集、市場或渠道	第二個地圖堆疊

一個企業Spatial AI試點範圍為一個客戶任務、一個資料領域、一個地理區域以及一個業務行動，包含服務區域地圖、可用性篩選器和預約請求結果。

第一個Spatial AI窗口應為一個工作、一個資料領域、一個地理區域和一個行動。

四到八週的期間是一個規劃啟發式，而不是Kaleidr服務水平協議。實用的限制是，團隊在第一次客戶會談開始前，能夠說出工作、資料負責人、地理位置、行動和規模門檻。如果這五個名稱中的任何一個仍然是口號，這項工作仍然只是原型。

Spatial AI試點應該證明什麼？

證明已完成的任務，而非更長的對話。已完成的 Spatial AI 任務通常有四個可觀察的步驟：助手返回一個合格地點、地圖聚焦或指引到該地點、客戶或營運人員啟動主機操作，以及當目錄無法滿足請求時顯示無結果地理位置。對話量、會話長度和模型流暢性可以用於支援診斷。僅憑這些互動指標本身並不能證明產品找到了組織可以提供服務的地點。

硬篩選應該在空間排序之前進行。如果使用者無權查看某個候選地點、地點已關閉或缺貨、地點位於服務區之外，或者交通時間會耗盡剩餘的預約時間，則該附近候選地點不可使用。AI 地圖工作流程的私有位置資料對租戶記錄設定相同的順序：授權、最小化，然後計算。對通過篩選的候選地點的排序可以使用交通時間、途徑關係和剩餘容量。語言模型應該解釋排序後的候選清單，而不是發明一個因硬篩選而失敗的更近位置點。

支援的操作應該是一個簡短、由主機驗證的清單：聚焦某個地點、顯示簡短清單、顯示步行或駕車關係，或打開主機的約會、路線或結帳頁面。避免模型發出任意 JavaScript 或無限制的地圖指令。室內逐步導航、加盟店全域庫存同步及原生 CRM 寫入是獨立產品。不要將這些功能作為首次企業 Spatial AI 試點的先決條件，也不要將本文視為這些系統的第二整合規格。

測量應保持地理性。Kaleidr 目前記錄地圖和地點互動、地點比較、空間模式，以及產品、庫存和成長團隊可以在 Map Engagement and Location Analytics 頁面上採取行動的活動。主機系統仍然擁有庫存和預訂。使用該循環來找到範圍內搜尋但沒有合格地點的郵遞區號、導致客戶流失的旅行時間範圍，以及有需求但缺少資料的市場。空間分析與網頁分析說明了僅頁面瀏覽量無法回答這些問題的原因。本文中建議的事件名稱是編輯建議，而非已記錄的自動 Kaleidr Analytics 事件名稱。

Kaleidr 在試點架構中適合放在哪裡？

Kaleidr 的設計是將對話式 Spatial AI、地圖渲染和分析功能附加到主機已經運作的地圖和業務系統，而不是取代這些系統。目前 Location Intelligence APIs and Map SDK 頁面描述了推理 API、排名、分析，以及 SDKs，這些功能向團隊已經運行的系統堆疊添加了聊天、編輯、自訂圖磚和可嵌入的查看器。將該頁面視為 Kaleidr 自身的定位。同一頁面並不能證明 Kaleidr 運作原生庫存帳冊、CRM、營業時間資訊或預約引擎。

目前公開的對話地圖互動附加文件是 Chat — attach AI to your map。已記錄的 product="chat" 安裝在主機已渲染的地圖上，並自動偵測 Mapbox、MapLibre 或 Google。Leaflet 不在該供應商列表中。所需的範圍是 ai，並且已記錄的最低計劃是 Pro。沒有地圖的無頭聊天也有記錄；第一個企業 Spatial AI 試點仍然需要地圖，因為客戶任務是一個地點和一個行動，而不是一個筆錄。如何將 AI 聊天添加到地圖涵蓋渲染器特定的附加步驟作為單獨的操作指南。

Endpoints 頁面目前列出了 SDK 會話交換、串流聊天、路由、POI 增強和設計路線。該列表目前尚未發佈通用知識上傳、RAG 索引、庫存連接或預約寫入路線。請確認部署的整合路徑，而非將行銷文案視為資料匯入 API。Auth & scopes 目前區分可發佈的瀏覽器密鑰和伺服器密鑰，並將 vendor 當作是否允許聊天查詢已上傳供應商資料的刻意修飾符。供應商範圍的可發佈密鑰僅應用於宿主系統會向該頁面每位訪客顯示的資料。價目表、成本基礎、未發佈的庫存，以及任何會在公開頁面上讓公司尷尬的資料都不應該置於瀏覽器密鑰後面。

在實務上，清晰的分工是：Kaleidr 協調會話檢索、地圖行為和分析；主機仍然負責身份、庫存、資格、價格和交易。一個 Kaleidr 實作可以在現有地圖上支援這種分工。根據配置，沒有生產地圖的團隊可以發佈 Kaleidr 地圖，同時仍將業務系統作為記錄系統。不要匯入權杖、複製客戶憑證，或詢問語言模型使用者可能看到哪些列。

團隊應該如何評估和控制擴展規模？

評估試點專案的四個編輯維度：可用性、答案品質、營運所有權和商業價值。可用性指的是客戶或操作人員是否能在沒有專家在旁協助的情況下完成任務。答案品質指的是返回的地點是否被授權、符合資格、空間位置正確且資訊最新。營運所有權指的是是否有指定團隊負責位置目錄、可用性資訊流、授權規則和事件處理流程。商業價值則指完成的操作是否值得擴展。若會話數量高但行動啟動數低，則在最後一個維度上會失敗。

NIST 於 2026 年 8 月 7 日公布的 TEVV-Athlon 框架初步公開草案，描述了一種結構化且可自訂的方法，用於評估人工智慧系統的實際影響和結果，並指出人工智慧風險管理框架要求測試、評估、驗證和確認的方法學 (NIST, 2026)。該文件為草案，而非完成的 Kaleidr 認證。對於 Spatial AI 試點計畫的有用含義較為狹窄：將評估自訂為產品聲稱完成的工作，然後在將助手複製到每個市場之前收集該工作影響的證據。

以下評分表屬編輯性質。請根據觀察到的任務指標、來源新鮮度以及主機系統結果填寫，而非根據模型流暢度。

維度	試點證據	微弱信號
可用性	任務在沒有專家協助下完成	長時間對話卻從未聚焦於某個地方
回答品質	授權、符合資格、空間上正確的地點	附近但無法使用的建議
操作所有權	命名的資料負責人、事件路徑及更新頻率	沒有正式環境負責人的示範資料集
商業價值	已開始、預訂或交接的行動	無主辦工作流程的參與
規模準備度	明確的下一個工作、資料集、市場或渠道	“全面推廣”但沒有門檻

一個 Spatial AI 評估記分卡評分可用性、回答品質、操作所有權、商業價值及規模準備度，然後建議擴展、迭代、縮小或停止。

僅當試點可用、準確、操作上可控且在商業上有正當理由時才擴展規模。

根據該表有四個門檻。當第一個工作在接近生產的條件下完成且下一個軸線已命名時擴展規模。當工作本身正確但排名、覆蓋範圍或解釋質量較弱時，進行迭代。當窗口混合了太多工作、資料集或市場時，進行縮小。當組織無法指定資料負責人、無法完成主機操作或無法證明結果優於現有地圖搜尋時，則停止。即使在試點成功之後，提示注入、工具驗證和不受信任的檢索內容仍然是主機的責任。應用程式仍必須拒絕模型提出的超出允許範圍的操作。

成功的試點應該如何擴展？

每次擴展一個軸。額外的客戶任務可以重複使用相同的位置目錄和地圖。額外的資料領域可以重複使用相同的授權和分析。額外的地理區域可以重複使用具有本地覆蓋的相同排名策略。額外的渠道——網頁、應用內、自助服務機或合作夥伴嵌入——可以重複使用相同的基礎候選清單，而不是建立第二個對話堆疊。將整個架構一次性複製到新的呈現器、新的目錄和新的工作流程中，會在更大規模上重現原始演示問題。

在足跡成長的同時保持相同的記錄系統。位置身份、可用性和預約不應該分叉成目錄的並行「AI 副本」。Map SDK vs. Map API vs. Map Platform 說明了為什麼附加而非替換是一種整合選擇，而不是品牌選擇。成功的部署仍然需要對不可逆操作進行人工確認，能夠審核是哪個來源產生了建議，以及在不等待工作階段到期的情況下撤回供應商範圍金鑰的途徑。這些控制措施應該位於主機應用程式和密鑰策略中，而不是在提示中。

成功的 Spatial AI 試點將從單一工作、單一資料集、單一市場和單一渠道擴展到額外的工作、資料領域、地理區域和渠道，同時重複使用相同的地圖、資料、AI 和分析基礎。

一個成功的Spatial AI試點是透過更多的工作、更多的資料、更多的市場以及更多的渠道來擴展，而不是透過第二個地圖堆疊。

首頁順序仍然是擴展的規則：先從試點開始，當證據支援時再擴展。Explore Kaleidr Spatial AI 用於在現有地圖上附加對話式位置搜尋。Explore Kaleidr Enterprise 用於將SDKs和排名添加到你已經運行的堆疊中。Explore Kaleidr Analytics 用於衡量第一個工作的地點參與度和地理需求。在將本文中的任何範例視為正式上線的功能承諾之前，請先確認目前的公開頁面。

常見問題

為什麼不從公司範圍的Spatial AI助理開始？

一個全公司範圍的助理整合了目錄搜尋、資格認定、路由、政策以及多個工作流程。這些不同的界面都可能各自出錯，因此第一個結果很難衡量，也很難安排人員。位於某個地理區域的有限工作可以產生證據，使組織能夠決定是否擴展、迭代、縮小範圍或停止。

示範、原型、試點和全面推出有什麼區別？

示範顯示地圖可以對話。原型展示了一條成功的主要查詢路徑。試點展示一個接近正式環境的工作、一個資料領域、一個地理區域，以及一個在明確責任下的主機操作。全面推出則是將已驗證的範圍複製到額外的工作、資料集、市場或渠道上，而不是發明第二個系統。

Spatial AI試點是否可以重複使用現有的地圖？

目前的Kaleidr附帶文件支援Mapbox、MapLibre以及Google maps，主機已經可以呈現。重複使用生產地圖可以保持位置身份、視口上下文及分析與客戶應用程式的一致。更換渲染器是另一個決策，並不是啟動時所必須的。

企業Spatial AI試點應該運行多久？

四到八週的時間窗口是一個規劃啟發式，而不是平台SLA。實用的限制是團隊必須在啟動第一個接近正式環境對話之前，能夠命名工作、資料負責人、地理位置、行動及規模門檻。

如果第一個使用案例太小而無關緊要該怎麼辦？

第一個試點範圍即使很窄也可以具有商業價值，只要完成的行動是組織已經重視的，例如選定的合格地點或開始的預約。沒有完成任務的廣度，是導致Spatial AI計劃停滯的模式。

試點應該衡量 AI 地圖助理的互動嗎？

對話量可以作為輔助診斷。主要指標仍應保持在任務完成上：返回合格地點、採取地圖行動、啟動主機工作流程，以及無結果的地理位置。沒有完成行動的互動不能作為試點準備擴展的證據。

Kaleidr是否取代庫存、CRM或預約系統？

商業系統應保持對庫存、權限、價格、排程和交易的權威性。Kaleidr 的設計目的是在這些系統上協調會話檢索、地圖行為和分析。目前的公共端點文件未發佈通用庫存或預約寫入 API。

團隊在開始之前是否需要新的地圖堆疊？

當主機已經運行 Mapbox、MapLibre 或 Google 時，新的地圖堆疊並不是建議的第一步。將會話 Spatial AI 附加到客戶已使用的地圖上，然後在第一個任務運作後擴展渠道。當團隊尚未擁有生產畫布時，已發佈的 Kaleidr 地圖是一個選項。

Kaleidr 目前能支援首個企業 Spatial AI 試點嗎？

目前 Kaleidr 開發者文件支援將 product="chat" 附加到主機地圖、範圍鍵、公眾聊天與設計端點，以及地圖分析。請確認試點將公開的資料的來源允許名單、ai 範圍和供應商範圍政策。確認庫存、授權和下游操作的主機整合路徑。

參考資料

Kaleidr. Build Your Own Spatial AI with Kaleidr. Accessed 18 September 2026. https://kaleidr.com/
National Institute of Standards and Technology. Artificial Intelligence Risk Management Framework (AI RMF 1.0). 26 January 2023. https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-ai-rmf-10
National Institute of Standards and Technology. The TEVV-Athlon Framework for Evaluating AI Systems. Announced 7 August 2026. https://www.nist.gov/artificial-intelligence/ai-research/tevv-athlon-framework-evaluating-ai-systems
Kaleidr. Location Intelligence APIs and Map SDK. Accessed 18 September 2026. https://kaleidr.com/enterprise
Kaleidr. Chat — attach AI to your map. Developer documentation. Accessed 18 September 2026. https://docs.kaleidr.com/sdk/chat-attach
Kaleidr. Endpoints. Developer documentation. Accessed 18 September 2026. https://docs.kaleidr.com/platform-api/endpoints
Kaleidr. Auth & scopes. Developer documentation. Accessed 18 September 2026. https://docs.kaleidr.com/platform-api/auth-and-scopes
Kaleidr. Map Engagement and Location Analytics. Accessed 18 September 2026. https://kaleidr.com/analytics
Kaleidr. AI Map Chat for Customer Discovery. Accessed 18 September 2026. https://kaleidr.com/ai
Kaleidr. Grounded Spatial AI for Business Data. Accessed 18 September 2026. https://kaleidr.com/blog/grounded-spatial-ai-business-data
Kaleidr. Spatial AI for Multi-Location Businesses. Accessed 18 September 2026. https://kaleidr.com/blog/spatial-ai-for-multi-location-businesses
Kaleidr. Map-Aware AI Assistant: How to Build One. Accessed 18 September 2026. https://kaleidr.com/blog/how-to-build-a-map-aware-ai-assistant
Kaleidr. Private Location Data for AI Map Workflows. Accessed 18 September 2026. https://kaleidr.com/blog/private-location-data-for-ai-map-workflows
Kaleidr. Spatial Analytics vs. Web Analytics. Accessed 18 September 2026. https://kaleidr.com/blog/spatial-analytics-vs-web-analytics
Kaleidr. Map SDK vs. Map API vs. Map Platform. Accessed 18 September 2026. https://kaleidr.com/blog/map-sdk-vs-map-api-vs-map-platform
Kaleidr. How to Add AI Chat to a Map. Accessed 18 September 2026. https://kaleidr.com/blog/add-ai-chat-mapbox-google-maps-maplibre

@misc{kaleidr_pilot_home_2026,
  title  = {Build Your Own Spatial AI with Kaleidr},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Accessed 18 September 2026},
  url    = {https://kaleidr.com/}
}

@techreport{nist_ai_rmf_2023,
  title       = {Artificial Intelligence Risk Management Framework (AI RMF 1.0)},
  author      = {{National Institute of Standards and Technology}},
  year        = {2023},
  month       = jan,
  number      = {NIST AI 100-1},
  institution = {National Institute of Standards and Technology},
  note        = {Published 26 January 2023; accessed 18 September 2026},
  url         = {https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-ai-rmf-10},
  doi         = {10.6028/NIST.AI.100-1}
}

@misc{nist_tevv_athlon_2026,
  title  = {The TEVV-Athlon Framework for Evaluating AI Systems},
  author = {{National Institute of Standards and Technology}},
  year   = {2026},
  month  = aug,
  note   = {Initial public draft announced 7 August 2026; accessed 18 September 2026},
  url    = {https://www.nist.gov/artificial-intelligence/ai-research/tevv-athlon-framework-evaluating-ai-systems}
}

@misc{kaleidr_pilot_enterprise_2026,
  title  = {Location Intelligence APIs and Map SDK},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Accessed 18 September 2026},
  url    = {https://kaleidr.com/enterprise}
}

@misc{kaleidr_pilot_chat_attach_2026,
  title  = {Chat -- attach AI to your map},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Developer documentation; accessed 18 September 2026},
  url    = {https://docs.kaleidr.com/sdk/chat-attach}
}

@misc{kaleidr_pilot_endpoints_2026,
  title  = {Endpoints},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Developer documentation; accessed 18 September 2026},
  url    = {https://docs.kaleidr.com/platform-api/endpoints}
}

@misc{kaleidr_pilot_auth_2026,
  title  = {Auth \& scopes},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Developer documentation; accessed 18 September 2026},
  url    = {https://docs.kaleidr.com/platform-api/auth-and-scopes}
}

@misc{kaleidr_pilot_analytics_2026,
  title  = {Map Engagement and Location Analytics},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Accessed 18 September 2026},
  url    = {https://kaleidr.com/analytics}
}

@misc{kaleidr_pilot_ai_2026,
  title  = {AI Map Chat for Customer Discovery},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Accessed 18 September 2026},
  url    = {https://kaleidr.com/ai}
}

@misc{kaleidr_pilot_grounded_2026,
  title  = {Grounded Spatial AI for Business Data},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Accessed 18 September 2026},
  url    = {https://kaleidr.com/blog/grounded-spatial-ai-business-data}
}

@misc{kaleidr_pilot_multilocation_2026,
  title  = {Spatial AI for Multi-Location Businesses},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Accessed 18 September 2026},
  url    = {https://kaleidr.com/blog/spatial-ai-for-multi-location-businesses}
}

@misc{kaleidr_pilot_map_aware_2026,
  title  = {Map-Aware AI Assistant: How to Build One},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Accessed 18 September 2026},
  url    = {https://kaleidr.com/blog/how-to-build-a-map-aware-ai-assistant}
}

@misc{kaleidr_pilot_private_location_2026,
  title  = {Private Location Data for AI Map Workflows},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Accessed 18 September 2026},
  url    = {https://kaleidr.com/blog/private-location-data-for-ai-map-workflows}
}

@misc{kaleidr_pilot_spatial_analytics_2026,
  title  = {Spatial Analytics vs. Web Analytics},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Accessed 18 September 2026},
  url    = {https://kaleidr.com/blog/spatial-analytics-vs-web-analytics}
}

@misc{kaleidr_pilot_map_sdk_2026,
  title  = {Map SDK vs. Map API vs. Map Platform},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Accessed 18 September 2026},
  url    = {https://kaleidr.com/blog/map-sdk-vs-map-api-vs-map-platform}
}

@misc{kaleidr_pilot_add_ai_chat_2026,
  title  = {How to Add AI Chat to a Map},
  author = {{Kaleidr}},
  year   = {2026},
  note   = {Accessed 18 September 2026},
  url    = {https://kaleidr.com/blog/add-ai-chat-mapbox-google-maps-maplibre}
}