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
KI-Agenten: Bediener vs. Browsernutzung vs. Project Mariner
KI-Systeme werden zunehmend als vollwertige digitale Mitarbeiter vermarktet, doch ihre tatsächliche Leistung kann je nach Aufgabe, Tools und Einsatzumgebung stark variieren. Um zu verstehen, was diese Systeme heute wirklich leisten können, haben wir praxisnahe Benchmarks in verschiedenen Geschäftsszenarien durchgeführt.
Spracherkennungs-Vergleichstest: Deepgram vs. Whisper
Wir haben die führenden Anbieter von Spracherkennungssystemen (STT) verglichen, insbesondere im Hinblick auf Anwendungen im Gesundheitswesen. Unser Vergleich nutzte reale Beispiele, um die Transkriptionsgenauigkeit in medizinischen Kontexten zu bewerten, wo Präzision entscheidend ist. Ergebnisse des Spracherkennungs-Benchmarks: Basierend auf der Wortfehlerrate (WER) und der Zeichenfehlerrate (CER) weist GPT-4o-transcribe die höchste Transkriptionsgenauigkeit aller evaluierten Spracherkennungssysteme auf.
Verzerrungen in der KI: Beispiele und 6 Lösungsansätze bis
Das Interesse an KI wächst, da Unternehmen ihre Vorteile in verschiedenen Anwendungsfällen erkennen. Es gibt jedoch berechtigte Bedenken hinsichtlich der KI-Technologie: KI-Verzerrungs-Benchmark. Um mögliche Verzerrungen durch das Frageformat zu untersuchen, testeten wir dieselben Fragen sowohl in offenen als auch in Multiple-Choice-Form.
Vergleichstest zur Handschrifterkennung: LLMs vs. OCRs
OCR-Tools erreichen bei getipptem Text in hochauflösenden Bildern eine Genauigkeit von über 99 %. Handschrift bleibt jedoch aufgrund von Abweichungen in Stil, Abständen und Unregelmäßigkeiten eine Herausforderung. Um ein Überanpassen zu vermeiden, stellen wir einen Benchmark für Schreibschrift mit 100 von unserem Team erstellten Handschriftproben vor. Ergebnisse des Schreibschrift-Benchmarks: In diesem Benchmark wurden GPT-5, Gemini 3 Pro Preview und olmOCR-2-7B-1025-FP8 verwendet.
Quantencomputer-Unternehmen des Jahres
Quantencomputing, das vielfältige Anwendungen in Optimierung, Forschung und Kryptographie findet, wird von folgenden Organisationen vorangetrieben: Quantenhardware ist eine aufstrebende Computertechnologie, die auf komplexer Hardware basiert. Wie schon in den Anfängen des Personal Computing gibt es Unternehmen, die sich auf Hardware, Software und Komplettlösungen spezialisiert haben.
Quanten-Annealing im Jahr: Praktisches Quantencomputing
Quanten-Annealing ist eine vielversprechende Quantentechnologie für Unternehmen mit dringenden Optimierungsproblemen, die herkömmliche Computer nicht schnell lösen können. Sie kann Optimierungsprobleme effektiver lösen als herkömmliche Computer. Allerdings wird sie derzeit hauptsächlich in der akademischen Forschung eingesetzt, und es bedarf weiterer Forschung und Entwicklung, um kommerzielle Quanten-Annealer zu entwickeln.
Künstliches Quantum Intelligence
Quantencomputing und künstliche Intelligenz (KI) sind beides bahnbrechende Technologien, und KI wird wahrscheinlich Quantencomputing benötigen, um signifikante Fortschritte zu erzielen. Obwohl KI bereits funktionale Anwendungen auf klassischen Computern hervorbringt, ist sie durch deren Rechenkapazität begrenzt. Quantencomputing kann KI einen erheblichen Rechenschub verleihen und sie so in die Lage versetzen, komplexere Probleme anzugehen.
Die besten Open-Source-RPA-Tools
Open-Source-RPA (Robotic Process Automation) kann auch in Zukunft eine wichtige Rolle in der Automatisierung spielen. Ihre Hauptvorteile sind Transparenz, Flexibilität und der Wegfall von Lizenzkosten. Es gibt bereits mehrere Open-Source-RPA-Tools. Im Folgenden stellen wir sechs bemerkenswerte Optionen vor und verlinken zu deren Quellcode.
Quantencomputing-Statistiken: Prognosen und Fakten für und darüber hinaus
Quantencomputing ist ein aufstrebendes Forschungsgebiet mit dem Potenzial, das Rechnen grundlegend zu verändern und intelligentere Maschinen zu entwickeln. Um das Potenzial des Quantencomputings (QC) zu verstehen, empfehlen wir Ihnen unsere Forschung zu QC und seinen Anwendungen.
Vibe Coding: Ideal für MVP, aber noch nicht produktionsreif
Vibe Coding ist ein neuer Begriff, der durch KI-gestützte Programmierwerkzeuge wie Cursor Einzug in unseren Alltag gehalten hat. Es bedeutet, Code ausschließlich anhand von Eingabeaufforderungen zu schreiben. Wir haben verschiedene Benchmarks durchgeführt, um die Vibe-Coding-Werkzeuge zu testen, und basierend auf unseren Erfahrungen diesen ausführlichen Leitfaden erstellt.
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.