Cem Dilmegani
El trabajo de Cem en AIMultiple ha sido citado por publicaciones líderes mundiales como Business Insider, Forbes, Morning Brew y Washington Post, empresas globales como Deloitte y HPE, ONG como World Economic Forum y organizaciones supranacionales como European Commission. [1], [2], [3], [4], [5]
Experiencia profesional y logros
A lo largo de su carrera, Cem trabajó 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.Dirigió la estrategia tecnológica y las adquisiciones de una empresa de telecomunicaciones reportando al CEO. También lideró el crecimiento comercial de la empresa de deep tech Hypatos, que alcanzó unos ingresos recurrentes anuales de 7 dígitos y una valoración de 9 dígitos 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, la ejecución y la evaluación de benchmarks.
Educación
Se graduó como ingeniero informático en Bogazici University en 2007. Durante su carrera de ingeniería, estudió aprendizaje automático en una época en la que se solía llamar "minería de datos" y la mayoría de las redes neuronales tenían pocas capas ocultas.Tiene un MBA de Columbia Business School 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, Banca post-IA: millones de empleos en riesgo a medida que los bancos automatizan sus funciones principales. International Banker.
- Cem Dilmegani, Bengi Korkmaz y Martin Lundqvist (1 de diciembre de 2014).Digitalización del sector público: el desafío del billón de dólares, 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 empleo debido a la IA el 5 de noviembre de 2025. La grabación está disponible en: Korea24
- Bienes raíces y tecnología, presentado por el Wilbur F. Breslin Center for Real Estate Studies de Hofstra University y la Frank G. Zarb School of Business en 2023 y 2024.
- Sesión de Radar AI (22 de junio de 2023): "Aumentar el impacto de la ciencia de datos con ChatGPT".
- Generative AI Atlanta meetup: IA generativa para tecnología empresarial.
Fuentes
- Por qué Microsoft, IBM y Google están intensificando sus esfuerzos en ética de la IA, Business Insider.
- Microsoft invierte 1.000 millones de dólares en OpenAI para perseguir una inteligencia artificial más inteligente que nosotros, Washington Post.
- Potenciar el liderazgo en IA: kit de herramientas de IA para la alta dirección, World Economic Forum.
- Rendimiento de la ciencia, la investigación y la innovación de la UE, European Commission.
- La inversión de 200.000 millones de euros de la UE en IA impulsa la entrada de dinero en los centros de datos, pero el mercado de chips sigue siendo un desafío, IT Brew.
- Hypatos recibe 11,8 millones de dólares por un enfoque de deep learning para el procesamiento de documentos, TechCrunch.
- Echamos un vistazo exclusivo al pitch deck que la startup de IA Hypatos utilizó para recaudar 11 millones de dólares, Business Insider.
Últimos artículos de Cem
IA en Ventas: 15 Casos de Uso y Ejemplos
La inteligencia artificial puede mejorar los procesos de ventas, desde la generación de leads hasta la previsión de ventas, ayudando a las empresas a superar las bajas tasas de conversión y los ciclos de ventas prolongados. Consulte los casos de uso de IA en ventas estructurados en torno a actividades clave de ventas para mostrar…
Top 50 Casos de uso y estudios de caso de aprendizaje profundo
El aprendizaje profundo utiliza redes neuronales artificiales para aprender de los datos. Cuando se entrena con grandes conjuntos de datos de alta calidad, logra una alta precisión, lo que lo hace valioso siempre que tenga datos abundantes y necesite predicciones precisas. A continuación se presentan aplicaciones reales de aprendizaje profundo en diversas industrias y funciones…
¿Te hará rico Pi Network? No, pero puede pagar céntimos por hora
Los usuarios pueden invertir su tiempo o dinero en Pi Network. Nada de lo escrito aquí debe interpretarse como asesoramiento de inversión. No esperamos que nadie más que los fundadores se beneficie de PI Network de manera significativa porque: A pesar de todo esto, nos gustan sus publicaciones optimistas al entrar en 2026 con un…
IA generativa en la moda: Los 13 principales casos de uso y ejemplos
El 89 % de todas las empresas de distintos sectores están migrando hacia las tecnologías digitales, y la IA generativa en la industria de la moda no es una excepción. McKinsey informa que las marcas y empresas de moda invirtieron aproximadamente 2 % de sus ingresos en tecnologías emergentes. Además, estiman que la cifra aumentará hasta el…
Benchmark de rastreadores web para alimentar sitios web a la IA
Evaluamos cuatro APIs de rastreo en tres dominios de dificultad variable, con tres niveles de profundidad máxima (5, 10, 20) y un límite de 1.000 páginas, midiendo la cobertura de rastreo, el tiempo de ejecución, el descubrimiento de enlaces, la calidad de los enlaces en markdown y la precisión de extracción de títulos. Si su…
Agentes de IA móviles probados en 65 tareas del mundo real
Pasamos 3 días evaluando a cuatro agentes de IA (DroidRun, Mobile-Agent, AutoDroid y AppAgent) en 65 tareas del mundo real usando un emulador de Android con aplicaciones como gestión de calendario, creación de contactos, captura de fotos, grabación de audio y operaciones de archivo. Consulte los resultados del benchmark, incluida la comparación de rendimiento en…
Principales herramientas de LLMOps y compáralas con MLOps
Las plataformas de LLMOps se encargan del aspecto operativo de la ejecución de LLMs: despliegue, monitoreo, evaluación y gestión de costes. Analizamos las principales herramientas de LLMOps, sus funciones clave, sus esquemas de precios y en qué se diferencian entre sí para ayudar a identificar la mejor opción para distintos casos de uso. A continuación…
Mejores herramientas de diseño a código comparadas: análisis detallado
Las herramientas de diseño a código han cambiado más en los últimos 18 meses que en la década anterior. La categoría solía significar “exportar algo de CSS desde Figma”. Ahora abarca creadores de aplicaciones full-stack, integraciones bidireccionales de MCP que escriben de vuelta en el lienzo y plataformas basadas en agentes que envían ramas de…
10+ Tendencias y ejemplos de IA agéntica
Revisamos y comparamos las tendencias de IA agéntica de varios informes importantes de la industria, benchmarks y divulgaciones de proveedores. Las fuentes señalan que el futuro de la IA agéntica consiste en integrar la IA profundamente y transformar los enfoques empresariales mediante la reestructuración de los frameworks actuales. Puntos clave: A medida que las organizaciones…
Los mejores 50+ agentes de IA de código abierto listados
Todos han estado construyendo agentes de IA, así que, tras probar en la práctica los populares agentes de programación de IA, creadores de agentes de IA y los benchmarks de uso de herramientas para evaluar sus capacidades en el mundo real, hemos elaborado una lista curada de los mejores 50+ agentes de IA de código…
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.