Cem Dilmegani
Cems Arbeit bei AIMultiple wurde von führenden globalen Publikationen wie Business Insider, Forbes, Morning Brew und Washington Post, von globalen Unternehmen wie Deloitte und HPE, von NGOs wie dem World Economic Forum und von supranationalen Organisationen wie der European Commission zitiert. [1], [2], [3], [4], [5]
Berufserfahrung & Erfolge
Im Laufe seiner Karriere war Cem als Tech-Berater, Tech-Einkäufer und Tech-Unternehmer tätig. Er beriet Unternehmen bei ihren Technologieentscheidungen bei McKinsey & Company und Altman Solon über mehr als ein Jahrzehnt. Er veröffentlichte außerdem einen McKinsey-Bericht zur Digitalisierung.Er leitete Technologiestrategie und -beschaffung eines Telekommunikationsunternehmens und berichtete dabei direkt an den CEO. Außerdem verantwortete er das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos, das innerhalb von zwei Jahren von 0 einen siebenstelligen jährlich wiederkehrenden Umsatz und eine neunstellige Bewertung erreichte. Cems Arbeit bei Hypatos wurde von führenden Technologiepublikationen wie TechCrunch und Business Insider aufgegriffen. [6], [7]
Forschungsinteressen
Cems Arbeit konzentriert sich auf Enterprise-KI und -Software.Cems praktische Erfahrung mit Unternehmenssoftware trägt zu seiner Arbeit bei. Weitere AIMultiple-Branchenanalysten und das Tech-Team unterstützen Cem beim Entwerfen, Durchführen und Bewerten von Benchmarks.
Ausbildung
Er schloss 2007 sein Studium als Computeringenieur an der Bogazici University ab. Während seines Ingenieurstudiums studierte er maschinelles Lernen zu einer Zeit, als es allgemein als "Data Mining" bezeichnet wurde und die meisten neuronalen Netze nur wenige verborgene Schichten hatten.Er hat einen MBA-Abschluss von der Columbia Business School aus dem Jahr 2012.
Cem spricht fließend Englisch und Türkisch. Er verfügt über fortgeschrittene Deutschkenntnisse und Grundkenntnisse in Französisch.
Externe Veröffentlichungen
- Cem Dilmegani, Post-AI-Banking: Millionen Arbeitsplätze 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, Konferenzen & andere Veranstaltungspräsentationen
- Gast bei American Variety Radio und Beantwortung der Fragen von Court Lewis zu AGI am 25. April 2026.
- Beantwortung der Fragen von Korea24 zu Arbeitsplatzverlusten durch KI am 5. November 2025. Aufzeichnung verfügbar unter: 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 Data-Science-Wirkung mit ChatGPT".
- Generative AI Atlanta Meetup: Generative KI für Unternehmenstechnologie.
Quellen
- Warum Microsoft, IBM und Google ihre Anstrengungen im Bereich KI-Ethik verstärken, Business Insider.
- Microsoft investiert 1 Milliarde Dollar in OpenAI, um künstliche Intelligenz zu verfolgen, die intelligenter ist als wir, Washington Post.
- KI-Führung stärken: KI-C-Suite-Toolkit, World Economic Forum.
- Wissenschafts-, Forschungs- und Innovationsleistung der EU, European Commission.
- EU-Investition von 200 Milliarden Euro in KI pumpt Geld in Rechenzentren, aber 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 das Pitch-Deck erhalten, mit dem das KI-Startup Hypatos 11 Millionen Dollar einwarb, Business Insider.
Neueste Artikel von Cem
Blockchain-Fallstudien in verschiedenen Schlüsselindustrien
Wir haben die Top 20 realen Blockchain-Fallstudien zusammengestellt, um Führungskräften zu helfen, ausgereifte und wirkungsvolle Investitionsmöglichkeiten zu identifizieren. Geschäftliche Herausforderung: Die pharmazeutische Lieferkette musste den U.S. Drug Supply Chain Security Act einhalten, der eine interoperable Verfolgung verschreibungspflichtiger Medikamente über Eigentümerwechsel hinweg vorschreibt. Die Branche sah sich zudem Risiken durch gefälschte Arzneimittel, fragmentierte Systeme und begrenzten…
No-Code-KI: Vorteile, Branchen & Hauptunterschiede
No-Code-KI-Tools ermöglichen es Anwendern, KI-Anwendungen zu erstellen, zu trainieren oder bereitzustellen, ohne Code schreiben zu müssen. Diese Plattformen basieren in der Regel auf Drag-and-Drop-Oberflächen, Eingabeaufforderungen in natürlicher Sprache, geführten Einrichtungsassistenten oder visuellen Workflow-Buildern. Dieser Ansatz senkt die Einstiegshürde und macht die KI-Entwicklung für Anwender ohne Programmierkenntnisse zugänglich. In letzter Zeit hat sich No-Code-KI weit über…
Top 5 SAP Job Scheduler Alternativen
Wir haben die Alternativen zum SAP Job Scheduler basierend auf den Funktionen, Preisen und Marktpräsenzmetriken führender Lösungen ausgewählt. Folgen Sie den untenstehenden Links für die Vorteile und Fallstudien dieser Tools: Alternativen zum SAP Job Scheduler Service bieten Funktionen, die Integration, Scheduling-Flexibilität und Workflow-Management verbessern. Entdecken Sie die besten SAP Job Scheduler Alternativen unter Berücksichtigung ihrer…
Top 20+ Prognosen von Experten zum KI-Arbeitsplatzverlust
Als McKinsey-Berater half ich Unternehmen ein Jahrzehnt lang, neue Technologien einzuführen. Meine kurzen Antworten: Hinweis: Die Größe der Diagramme korreliert mit dem Umfang der Arbeitsplatzverlust-Prognose. Die in unserer Analyse genannten Prozentsätze basieren auf Annahmen zur allgemeinen Arbeitsplatzverlagerung. In bestimmten Szenarien umfassten diese Annahmen potenzielle Arbeitsplatzgewinne durch die KI-Einführung. Um jedoch eine einheitliche Bewertung des Netto-Arbeitsplatzverlusts…
KI-Videopreise: Synthesia & Invideo KI im Vergleich
KI-Videopreise können je nach Plattform erheblich variieren, beeinflusst durch Faktoren wie Ausgabequalität, Anpassungsoptionen und Funktionen. Da immer mehr Unternehmen und Kreative auf KI für eine effiziente Videoproduktion zurückgreifen, ist das Verständnis dieser Preismodelle unerlässlich. Tauchen Sie ein in einen detaillierten Vergleich der besten KI-Videotools, bei dem hervorgehoben wird, was jeder Dienst zu verschiedenen Preispunkten bietet.…
Top 125 Generative-KI-Anwendungen
Basierend auf unserer Analyse von über 30 Fallstudien und 10 Benchmarks, in deren Rahmen wir über 40 Produkte getestet und verglichen haben, haben wir 125 generative KI-Anwendungsfälle in den folgenden Kategorien identifiziert: Für andere KI-Anwendungen bei Anfragen, bei denen es eine einzige richtige Antwort gibt (z. B. Vorhersage oder Klassifizierung), siehe KI-Anwendungen. Sie können auch…
10 Risiken generativer KI & wie man sie mindert
Da die Industrien generative KI für Innovation und Automatisierung priorisieren, wächst ihr Potenzial. Risiken generativer KI wie Genauigkeits- und ethische Bedenken bleiben jedoch bestehen. Die Bewältigung dieser Herausforderungen ist entscheidend, um sicherzustellen, dass KI der Menschheit nützt. Erkunden Sie die wichtigsten 10 Risiken generativer KI und die Maßnahmen zu deren Minderung: Generative KI-Tools wie ChatGPT…
LLM-Feintuning-Leitfaden für Unternehmen
Folgen Sie den Links für die spezifischen Lösungen zu Ihren LLM-Ausgabeherausforderungen. Wenn Ihr LLM: Die weite Verbreitung von Large Language Models (LLMs) hat unsere Fähigkeit verbessert, menschliche Sprache zu verarbeiten. Ihr generisches Training führt jedoch oft zu suboptimaler Leistung bei spezifischen Aufgaben. Um diese Einschränkung zu überwinden, werden Feintuning-Methoden eingesetzt, um LLMs an die einzigartigen…
Generative KI-Ethik: Wie man sie verwaltet
Generative KI wirft wichtige Fragen darüber auf, wie Wissen geteilt und vertraut wird. Britannica hat beispielsweise eine Klage gegen Perplexity eingereicht und behauptet, das Unternehmen habe menschlich verifizierte Inhalte von Britannica illegal und wissentlich kopiert und seine Markenrechte ohne Erlaubnis missbraucht.1 Erfahren Sie, was ethische Bedenken bei der generativen KI sind und welche bewährten Methoden…
10+ Large Language Model Beispiele
Wir haben Open-Source-Benchmarks zusammengestellt, um führende proprietäre und Open-Source Large Language Models zu vergleichen. Wählen Sie Ihren Anwendungsfall, um das richtige Modell zu finden. Sie können Large Language Models bewerten, indem Sie ihre Benchmark-Leistung und die tatsächliche Latenz (verfügbar durch Klicken auf den Namen jedes Modells in der Tabelle) prüfen und ihre Preise überprüfen, um…
AIMultiple Newsletter
1 kostenlose E-Mail pro Woche mit den neuesten B2B-Technachrichten und Experten Einblicken.