Cem Dilmegani
Berufserfahrung und Erfolge
Im Laufe seiner Karriere war Cem als Technologieberater, Technologieeinkäufer und Technologieunternehmer tätig. Über ein Jahrzehnt lang beriet er Unternehmen bei McKinsey & Company und Altman Solon in ihren Technologieentscheidungen. Er veröffentlichte zudem einen McKinsey-Bericht zur Digitalisierung. Bei einem Telekommunikationsunternehmen leitete er die Technologiestrategie und -beschaffung und berichtete direkt an den CEO. Darüber hinaus verantwortete er das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos, das innerhalb von zwei Jahren von null auf einen siebenstelligen jährlichen Umsatz und eine neunstellige Unternehmensbewertung wuchs. Cems Arbeit bei Hypatos wurde von führenden Technologiepublikationen wie TechCrunch und Business Insider thematisiert. [6], [7]Forschungsschwerpunkte
Cems Arbeitsschwerpunkt liegt darauf, wie Unternehmen neue Technologien in den Bereichen KI, agentenbasierte KI, Cybersicherheit (einschließlich Netzwerk- und Anwendungssicherheit) und Daten, insbesondere Webdaten, nutzen können. Seine praktische Erfahrung mit Unternehmenssoftware fließt in seine Arbeit ein. Weitere KI-Branchenanalysten und das technische Team unterstützen Cem bei der Konzeption, Durchführung und Auswertung von Benchmarks.Ausbildung
Er schloss 2007 sein Studium der Informatik an der Bogazici-Universität ab. Während seines Studiums beschäftigte er sich mit maschinellem Lernen, damals noch unter dem Begriff „Data Mining“ bekannt, und die meisten neuronalen Netze besaßen nur wenige verborgene Schichten. 2012 erwarb er einen MBA an der Columbia Business School. Cem spricht fließend Englisch und Türkisch. Seine Deutschkenntnisse sind fortgeschritten, seine Französischkenntnisse liegen auf Anfängerniveau.Externe Veröffentlichungen
- Cem Dilmegani, Post-KI-Banking: Millionen von Arbeitsplätzen in Gefahr, da Banken ihre Kernfunktionen automatisieren . International Banker.
- Cem Dilmegani, Bengi Korkmaz und Martin Lundqvist (1. Dezember 2014). Digitalisierung des öffentlichen Sektors: Die Billionen-Dollar-Herausforderung , McKinsey & Company.
Medien-, Konferenz- und sonstige Veranstaltungspräsentationen
- Antworten auf die Fragen von Korea24 zum Thema Arbeitsplatzverlust durch KI, Korea24
- Immobilien und Technologie , präsentiert vom Wilbur F. Breslin Center for Real Estate Studies der Hofstra University und der Frank G. Zarb School of Business in den Jahren 2023 und 2024.
- Radar AI- Session (22. Juni 2023): „Steigerung der Wirkung von Data Science mit ChatGPT“.
- Generative AI Atlanta Meetup: Generative KI für Unternehmenstechnologie .
Quellen
- Warum Microsoft, IBM und Google ihre Bemühungen im Bereich KI-Ethik verstärken , Business Insider.
- Microsoft investiert 1 Milliarde Dollar in OpenAI, um künstliche Intelligenz zu entwickeln, die intelligenter ist als wir , Washington Post.
- Stärkung der KI-Führungskräfte: KI-Toolkit für die C-Suite , Weltwirtschaftsforum.
- Wissenschafts-, Forschungs- und Innovationsleistung der EU , Europäische Kommission.
- Die EU investiert 200 Milliarden Euro in KI, wodurch Geld in Rechenzentren fließt, doch der Chipmarkt bleibt eine Herausforderung , IT Brew.
- Hypatos erhält 11,8 Millionen Dollar für einen Deep-Learning-Ansatz zur Dokumentenverarbeitung , TechCrunch.
- Wir haben einen exklusiven Einblick in die Präsentation erhalten, mit der das KI-Startup Hypatos 11 Millionen Dollar eingesammelt hat , Business Insider.
Neueste Artikel von Cem
Generative KI für Unternehmen: 11 Anwendungsfälle und Best Practices
Generative KI (GenAI) eröffnet Unternehmen im Vergleich zu mittelständischen Unternehmen oder Startups neue Möglichkeiten. Allerdings birgt GenAI auch Herausforderungen, die speziell für große Organisationen gelten. Beispielsweise: Entdecken Sie unsere praktischen Anwendungsfälle für KI in Unternehmen und erfahren Sie, wie große Unternehmen ihre eigenen generativen KI-Modelle effektiv entwickeln, implementieren und verwalten können.
Die besten RPA-Tools / Anbieter und ihre Funktionen
Basierend auf unseren Erfahrungen mit RPA-Software im Rahmen unseres RPA-Benchmarks sowie externen Marktpräsenzkennzahlen wie der Anzahl der Bewertungen und Mitarbeiter haben wir die führenden und aufstrebenden RPA-Anbieter ausgewählt.
Die 10 wichtigsten Anwendungsfälle und Fallstudien zu ERP-KI
Enterprise-Resource-Planning-Systeme (ERP-Systeme) unterstützen Unternehmen bei der Verwaltung zentraler Geschäftsprozesse wie Finanzen, Betrieb und Personalwesen auf einer einzigen Plattform. Da Geschäftsprozesse immer komplexer und datengetriebener werden, integrieren Unternehmen zunehmend KI-Funktionen wie maschinelles Lernen und dialogbasierte KI in ihre ERP-Systeme, um Aufgaben zu automatisieren, die Entscheidungsfindung zu verbessern und die Effizienz zu steigern.
Generative KI in der Mode: Die 13 wichtigsten Anwendungsfälle und Beispiele
89 % aller Unternehmen branchenübergreifend setzen auf digitale Technologien, und die generative KI in der Modebranche bildet da keine Ausnahme. McKinsey berichtet, dass Modemarken und -unternehmen rund 2 % ihres Umsatzes in Zukunftstechnologien investiert haben. Bis 2030 soll dieser Anteil auf 3,5 % steigen.
Vergleichen Sie Google Dialogflow und seine Konkurrenten
Technologiegiganten wie Amazon, Facebook und andere investieren in dialogbasierte KI, um Entwicklern die Erstellung von Chatbots zu erleichtern. Diese KI-gestützten Chatbots können verschiedene Routineaufgaben automatisieren, wie beispielsweise das Versenden von E-Mails oder die Informationssuche in Suchmaschinen. Wir haben wichtige Informationen zu Dialogflow zusammengetragen und mit den Hauptkonkurrenten verglichen.
RPA für Mac: 14 RPA-Tools, die auf dem Mac laufen
RPA ist eine beliebte Automatisierungstechnologie mit verschiedenen Tools für unterschiedliche Plattformen. Windows dominiert das Suchinteresse an RPA-Plattformen, was erklärt, warum viele RPA-Tools primär auf Windows ausgerichtet sind. Eine speziell für macOS entwickelte RPA-Lösung zu finden, gestaltet sich schwierig. Das heißt aber nicht, dass es keine RPA-Lösungen für Mac gibt.
Die 15 besten Versionskontrollsysteme
Bei AIMultiple nutzen wir täglich Versionskontrollsysteme, um den Code von über 1.000 Webseiten in verschiedenen Projekten zu verwalten. Basierend auf unserer Erfahrung haben wir die besten Versionskontrollsysteme ausgewählt, darunter Open-Source- und proprietäre Software.
Generative KI im Einzelhandel: 7 Anwendungsfälle & Beispiele
Der Einzelhandel strebt danach, Kundenerlebnisse und Kundenbindung zu verbessern. Dies erfordert attraktive Inhalte in verschiedenen Formaten, effektive Marketingmaßnahmen und exzellenten Kundenservice. Mithilfe generativer KI können Einzelhändler die meisten dieser Herausforderungen durch Automatisierung bewältigen, insbesondere durch die verbesserte Analyse von Kundendaten, um personalisierte Erlebnisse zu ermöglichen.
Ethische Dilemmata der KI anhand von Beispielen aus dem realen Leben
Obwohl künstliche Intelligenz die Geschäftswelt verändert, bestehen Bedenken hinsichtlich ihrer Auswirkungen auf unser Leben. Dies ist nicht nur ein akademisches oder gesellschaftliches Problem, sondern birgt auch ein Reputationsrisiko für Unternehmen; kein Unternehmen möchte durch Daten- oder KI-Ethikskandale, die seinen Ruf schädigen, in Mitleidenschaft gezogen werden.
Die 13 wichtigsten Anwendungsfälle von generativer KI im Bildungsbereich
Laut dem OECD-Bericht „Digital Education Outlook“ geben 57 % der Lehrkräfte der Sekundarstufe I an, dass KI ihnen bei der Erstellung oder Verbesserung von Unterrichtsplänen hilft. Generative KI-Technologien können, wenn sie mit einem klaren pädagogischen Ziel eingesetzt werden, das Lernen verbessern und Kompetenzen wie kritisches Denken, Kreativität und Teamfähigkeit fördern. Entdecken Sie die 13 wichtigsten Anwendungsfälle und erfahren Sie, wie generative KI helfen kann.
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.