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
17 Anwendungsfälle für generative KI im Gesundheitswesen
Gesundheitssysteme sehen sich mit steigenden Datenmengen, Personalmangel und wachsenden Erwartungen an personalisierte Versorgung konfrontiert. Generative KI entwickelt sich zu einer Schlüssellösung, indem sie unstrukturierte medizinische Daten wie klinische Notizen, Bildgebungsbefunde und Patientenakten zu Erkenntnissen für Ärzte und Verwaltungsmitarbeiter zusammenführt.
Die 30+ besten Tools für Netzwerk-Sicherheitsaudits
Netzwerksicherheits-Audit-Tools bieten Echtzeit-Einblicke in die Netzwerksicherheit, indem sie die Umgebung scannen und Administratoren über neu auftretende Bedrohungen, Schwachstellen oder neue Patches informieren. Aufgrund ihres breiten Funktionsumfangs unterscheiden sich diese Tools erheblich.
Backup software benchmark: Acronis vs NinjaOne vs Comet vs MSP360
We benchmarked Acronis Cyber Protect Cloud Backup, Comet Backup, MSP360 Managed Backup, and NinjaOne Backup on identical AWS infrastructure. Each vendor ran a file-mode backup of the same 625,946-file / 50 GB workload and a full image backup of the system disk, then restored the 15 GB medium subdirectory.
Die 11 wichtigsten Anwendungsfälle und Beispiele für KI in der Mode
Angesichts kreativer Engpässe, ineffizienter Lieferketten und steigender Kundenerwartungen suchen Modemarken nach intelligenteren Lösungen. McKinsey schätzt, dass generative KI die Betriebsgewinne in der Mode-, Bekleidungs- und Luxusbranche bis 2028 um bis zu 275 Milliarden US-Dollar steigern könnte. Entdecken Sie die elf wichtigsten Anwendungsfälle von KI in der Modebranche, die Modemarken helfen, Kosten zu senken.
Synthetische Nutzer erklärt: Die 7 besten KI-Nutzerforschungstools
Traditionelle Nutzerforschung dauert Wochen: Teilnehmer rekrutieren, Termine vereinbaren und Transkripte manuell auswerten. Synthetische Nutzerplattformen verkürzen diesen Prozess auf Stunden, indem sie KI-gestützte Personas generieren, die sich ohne logistischen Aufwand für Interviews, Umfragen und Tests nutzen lassen. Nach der Evaluierung von über zehn KI-Forschungsplattformen und der Auswertung unabhängiger Validierungsstudien stellten wir fest, dass der praktischste Anwendungsfall ist.
20 Strategien zur Verbesserung von KI & Beispiele
KI-Modelle müssen kontinuierlich verbessert werden, da sich Daten, Nutzerverhalten und reale Bedingungen stetig weiterentwickeln. Selbst leistungsstarke Modelle können mit der Zeit an Genauigkeit verlieren, wenn die erlernten Muster nicht mehr zu den aktuellen Eingaben passen. Dies führt zu geringerer Genauigkeit und unzuverlässigen Vorhersagen. Änderungen von Vorschriften, Produktanforderungen oder Kundenerwartungen können zudem neue Einschränkungen mit sich bringen, die bestehende Modelle nicht berücksichtigt haben.
Vergleich von 13 KI-Helpdesk-Tools
KI-gestützte Helpdesk-Software automatisiert Aufgaben wie die Beantwortung häufig gestellter Fragen, die Weiterleitung von Tickets und die Unterstützung von Supportmitarbeitern mit Antwortvorschlägen. Unternehmen nutzen sie, um die Effizienz zu steigern, Supportkosten zu senken und ein besseres Kundenerlebnis zu bieten. Wir haben die 13 besten KI-Helpdesks, darunter Zendesk Support Suite und Tidio, getestet.
KI-Gateways für OpenAI: OpenRouter Alternativen
Wir haben OpenRouter, SambaNova, TogetherAI, Groq und AI/ML API anhand von drei Indikatoren (Latenz bis zum ersten Token, Gesamtlatenz und Anzahl der ausgegebenen Token) mit 300 Tests verglichen. Dabei verwendeten wir kurze (ca. 18 Token) und lange (ca. 203 Token) Aufforderungen zur Ermittlung der Gesamtlatenz.
KI-Fehler: 10 Hauptursachen und Beispiele aus der Praxis
Ob es sich um einen Unfall mit einem selbstfahrenden Auto, einen fehlerhaften Algorithmus oder einen Ausfall eines Kundenservice-Chatbots handelt – Fehler in eingesetzten KI-Systemen können schwerwiegende Folgen haben und wichtige ethische und gesellschaftliche Fragen aufwerfen. Durch die Identifizierung und Behebung der zugrunde liegenden Probleme können Unternehmen die mit KI verbundenen Risiken minimieren und deren sichere Anwendung gewährleisten.
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.
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.