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
Vergleichen Sie über 50 KI-Agenten-Tools im Jahr
Wir haben das letzte Quartal damit verbracht, KI-Agenten in den Bereichen Programmierung, Kundenservice, Vertrieb, Forschung und Geschäftsprozesse zu testen. Wir haben uns nicht auf die Marketingversprechen der Anbieter verlassen, sondern die Tools täglich selbst eingesetzt, um herauszufinden, was funktioniert und was nicht. Die meisten Tools sind heute eher Co-Piloten als Autopiloten.
Die Zukunft der Unternehmensberatung im Jahr: Wird KI MBB revolutionieren?
Die Unternehmensberatung zählt zu den größten Branchen weltweit. Marktführer McKinsey erwirtschaftet schätzungsweise über 10 Milliarden US-Dollar Umsatz. Seit seiner Gründung im Jahr 1926 hat McKinsey zahlreiche Umbrüche überstanden. Wir untersuchen die Gründe, warum der technologische Fortschritt und die Entwicklung von KI den Beginn eines Rückgangs der Unternehmensberatung einläuten könnten.
Vor- und Nachteile der 6 besten RPA-Alternativen
Die robotergestützte Prozessautomatisierung (RPA) ist eine vorteilhafte Technologie, die bis zu 70–80 % der regelbasierten Prozesse automatisieren kann. Allerdings erreichen etwa 40 % der Unternehmen nach der RPA-Implementierung nicht die erwarteten Kostensenkungen.
Benchmark für KI-Code-Review-Tools
Durch den vermehrten Einsatz von KI-gestützten Codierungstools sind Codebasen anfälliger für Sicherheitslücken geworden, was den Bedarf an effektiven Code-Reviews erhöht hat. Um dem zu begegnen, stellen wir RevEval (AI Code Review Eval) vor, das die vier führenden KI-Code-Review-Tools anhand von 309 Pull Requests aus Repositories unterschiedlicher Größe vergleicht und ihre Leistung bewertet.
Reproduzierbare KI: Warum sie wichtig ist und wie sie verbessert werden kann
Reproduzierbarkeit ist ein grundlegender Aspekt wissenschaftlicher Methoden. Sie ermöglicht es Forschern, ein Experiment oder eine Studie zu wiederholen und mit derselben Methodik konsistente Ergebnisse zu erzielen. Dieses Prinzip ist auch in Anwendungen der künstlichen Intelligenz (KI) und des maschinellen Lernens (ML) von entscheidender Bedeutung, da die Reproduzierbarkeit von Ergebnissen stabile Schlussfolgerungen in verschiedenen Modellumgebungen gewährleistet. Allerdings: Dies wird üblicherweise als bezeichnet.
AGI-Benchmark: Kann KI wirtschaftlichen Wert generieren?
KI wird ihre größte Wirkung entfalten, wenn KI-Systeme selbstständig wirtschaftlichen Wert schaffen. Wir haben untersucht, ob innovative Modelle dazu in der Lage sind. Dazu forderten wir sie auf, eine neue digitale Anwendung (z. B. Website oder mobile App) zu entwickeln, die sich über ein SaaS- oder werbebasiertes Modell monetarisieren lässt.
Linux Job Scheduler: Überblick, Leitfaden & Alternativen
Linux-Job-Scheduler und „cron“, ein zeitbasierter Job-Scheduler, werden häufig für die Jobplanung unter Linux verwendet. Beispiele hierfür sind: * Linux Completely Fair Scheduler (CFS) ** Enterprise-Job-Scheduler wie Stonebranch, ActiveBatch, RunMyJobs und JAMS Scheduler.
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.
15 Fallstudien zum Beschaffungswesen und daraus gewonnene Erkenntnisse
Effektive Beschaffungsprozesse sind branchenübergreifend unerlässlich. Anhand von Fallstudien aus verschiedenen Sektoren – von gemeinnützigen Organisationen über Technologie und Gesundheitswesen bis hin zu weiteren Bereichen – gewinnen wir wertvolle Einblicke in die Wirkung von Beschaffungslösungen und Best Practices, die den Erfolg in jeder Branche fördern können.
10 Anwendungsfälle für GANs
Während GANs viele frühe Anwendungen generativer KI, insbesondere in der Bildsynthese und im Stiltransfer, maßgeblich prägten, basieren die meisten heute für Endverbraucher entwickelten generativen KI-Tools auf diffusionsbasierten Architekturen oder verwandten Ansätzen wie Flow Matching und Diffusion Transformers (DiT). Dennoch bleiben GANs in bestimmten Bereichen wichtig, beispielsweise bei Super-Resolution, Gesichtsrestaurierung, der Generierung synthetischer Tabellen oder im Gesundheitswesen.
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.