Cem Dilmegani
El trabajo de Cem en AIMultiple ha sido citado por publicaciones globales líderes como Business Insider, Forbes, Morning Brew, Washington Post, firmas globales como HPE, ONGs como el Foro Económico Mundial y organizaciones supranacionales como la Comisión Europea. [1], [2], [3], [4], [5]
Experiencia profesional y logros
A lo largo de su carrera, Cem ha trabajado como consultor tecnológico, comprador de tecnología y emprendedor tecnológico. Asesoró a empresas en sus decisiones tecnológicas en McKinsey & Company y Altman Solon durante más de una década. También publicó un informe de McKinsey sobre digitalización.Lideró la estrategia tecnológica y las compras de una empresa de telecomunicaciones reportando al CEO. También lideró el crecimiento comercial de la empresa de tecnología profunda Hypatos, que alcanzó ingresos recurrentes anuales de 7 cifras y una valoración de 9 cifras desde 0 en 2 años. El trabajo de Cem en Hypatos fue cubierto por publicaciones tecnológicas líderes como TechCrunch y Business Insider. [6], [7]
Intereses de investigación
El trabajo de Cem se centra en la IA empresarial y el software.La experiencia práctica de Cem en software empresarial contribuye a su trabajo. Otros analistas de la industria de AIMultiple y el equipo técnico apoyan a Cem en el diseño, ejecución y evaluación de benchmarks.
Educación
Se graduó como ingeniero informático de la Universidad de Bogazici en 2007. Durante su carrera de ingeniería, estudió machine learning en una época en que se le llamaba comúnmente "minería de datos" y la mayoría de las redes neuronales tenían pocas capas ocultas.Tiene un título de MBA de Columbia Business School obtenido en 2012.
Cem domina el inglés y el turco. Tiene un nivel avanzado de alemán y un nivel principiante de francés.
Publicaciones externas
- Cem Dilmegani, Post-AI Banking: Millions of jobs at risk as banks automate their core functions. International Banker.
- Cem Dilmegani, Bengi Korkmaz, y Martin Lundqvist (1 de diciembre de 2014). Public-sector digitization: The trillion-dollar challenge, McKinsey & Company.
Presentaciones en medios, conferencias y otros eventos
- Participó en American Variety Radio, respondiendo a las preguntas de Court Lewis sobre AGI el 25 de abril de 2026.
- Respondió a las preguntas de Korea24 sobre la pérdida de empleos debido a la IA el 5 de noviembre de 2025. Grabación disponible en: Korea24
- Real Estate and Technology, presentado por el Wilbur F. Breslin Center for Real Estate Studies de la Universidad de Hofstra y la Frank G. Zarb School of Business en 2023 y 2024.
- Sesión de Radar AI (22 de junio de 2023): "Increasing Data Science Impact with ChatGPT".
- Encuentro Generative AI Atlanta: Generative AI for Enterprise Technology.
Fuentes
- Why Microsoft, IBM, and Google Are Ramping up Efforts on AI Ethics, Business Insider.
- Microsoft invests $1 billion in OpenAI to pursue artificial intelligence that's smarter than we are, Washington Post.
- Empowering AI Leadership: AI C-Suite Toolkit, Foro Económico Mundial.
- Science, Research and Innovation Performance of the EU, Comisión Europea.
- EU's €200 billion AI investment pushes cash into data centers, but chip market remains a challenge, IT Brew.
- Hypatos gets $11.8M for a deep learning approach to document processing, TechCrunch.
- We got an exclusive look at the pitch deck AI startup Hypatos used to raise $11 million, Business Insider.
Últimos artículos de Cem
Large Action Models: ¿Exageración o Realidad?
Tras el lanzamiento de Rabbit, un dispositivo de IA que puede usar aplicaciones móviles, el término large action models (LAMs) está ganando popularidad. Estos models van más allá de la conversación al convertir los LLMs en "agentes" que pueden conectar el mundo aislado y basado en aplicaciones sin necesidad de que los usuarios hagan clic…
Los 10 mejores web crawlers de código abierto para LLM e IA
Los avances recientes en IA generativa han transformado lo que los desarrolladores necesitan de los web crawlers. Los crawlers agentivos ahora usan prompts en lenguaje natural para seleccionar enlaces en lugar de reglas fijas, y producen markdown eficiente en tokens de forma nativa. Al mismo tiempo, los frameworks clásicos para crawling por lotes a gran…
Zona Desmilitarizada (DMZ): Ejemplos & Arquitectura
Una red de Zona Desmilitarizada (DMZ) es una subred que contiene los servicios de acceso público de una organización. Sirve como punto expuesto a una red no confiable, a menudo Internet. Las DMZ se utilizan en diversos entornos, desde routers domésticos hasta redes empresariales, para aislar los servicios públicos y proteger los sistemas internos. Las…
Calidad de los datos de IA: Desafíos y mejores prácticas
La mala calidad de los datos retrasa el despliegue exitoso de proyectos de IA y ML. 1 Incluso los algoritmos de IA más avanzados pueden producir resultados defectuosos si los datos subyacentes son de baja calidad. Explore la importancia de la calidad de los datos en la IA, los desafíos que enfrentan las organizaciones y…
Principales más de 15 empresas de datos como servicio
Datos como servicio (DaaS) es un modelo en la nube que entrega datos bajo demanda, normalmente mediante suscripción. Permite a una empresa comprar los conjuntos de datos que necesita sin tener que recopilar y almacenar los datos por sí misma. Vea las principales empresas de datos como servicio y los tipos de datos que ofrecen,…
Comparativa de herramientas de revisión de código de IA
Con el aumento del uso de herramientas de codificación con IA, las bases de código se han vuelto más propensas a vulnerabilidades, lo que aumentó la necesidad de revisiones de código efectivas. Para abordar esto, presentamos RevEval (IA Code Review Eval), que evalúa comparativamente las cuatro principales herramientas de revisión de código de IA en…
Mejor editor de código con IA: Cursor vs Windsurf vs Replit
Crear una app sin saber programar es una gran tendencia ahora mismo. ¿Pero pueden estas herramientas construir y desplegar una app con éxito? Evaluamos 6 editores de código con IA en 10 desafíos reales de desarrollo web. Cada tarea requería implementaciones como backend, frontend, autenticación y gestión de estado. Evaluamos la corrección del backend, el…
Comparar Modelos de Visión Grandes: GPT-4o vs YOLOv8n
Los modelos de visión grandes (LVMs) pueden automatizar y mejorar tareas visuales como la detección de defectos, diagnóstico médico y monitoreo ambiental. Realizamos pruebas de referencia a tres modelos de detección de objetos: YOLOv8n, DETR y GPT-4o Vision, en 1,000 imágenes cada uno, midiendo métricas como mAP@0.5, velocidad de inferencia, FLOPs y cantidad de parámetros.…
LLM Motores de Inferencia: vLLM vs LMDeploy vs SGLang
Evaluamos comparativamente 3 motores de inferencia de LLM líderes en hardware NVIDIA H100: vLLM, LMDeploy y SGLang. Cada motor procesó cargas de trabajo idénticas: 1,000 prompts de ShareGPT usando Llama 3.1 8B-Instruct para aislar el verdadero impacto en el rendimiento de sus decisiones arquitectónicas y estrategias de optimización. Medimos el rendimiento por lotes sin conexión…
Agentes de uso de computadora: Benchmark y arquitectura
Los agentes de uso de computadora prometen operar escritorios reales y aplicaciones web, pero sus diseños, límites y compensaciones a menudo no están claros. Examinamos los sistemas líderes desglosando cómo funcionan, cómo aprenden y cómo difieren sus arquitecturas. También hacemos referencia a un benchmark de anclaje de UI enfocado en 100 capturas de pantalla de…
Boletín informativo de AIMultiple
Reciba un correo electrónico gratuito a la semana con las últimas noticias tecnológicas B2B y análisis de expertos para impulsar su empresa.