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
AI IPS: 6 Casos de uso en la vida real y herramientas líderes
Los sistemas de prevención de intrusiones (IPS) basados en IA (IPS) utilizan algoritmos de aprendizaje automático y análisis de comportamiento para detectar y prevenir varias amenazas cibernéticas. La IA puede fortalecer las capacidades tradicionales de los IPS al permitir una detección más rápida, adaptable y rentable, especialmente para organizaciones con recursos limitados.1 Consulte los casos…
Modelos de Lenguaje Visual Comparados con el Reconocimiento de Imágenes
¿Pueden los Modelos de Lenguaje Visual (VLMs) avanzados reemplazar los modelos tradicionales de reconocimiento de imágenes? Para averiguarlo, evaluamos 16 modelos líderes en tres paradigmas: CNNs tradicionales (ResNet, EfficientNet), VLMs (como GPT-4.1, Gemini 2.5), y APIs cloud (AWS, Google, Azure). La Precisión Media Promedio (mAP) sirvió como nuestra métrica principal de exactitud, complementada por análisis…
Principales 15 Agentes de Contabilidad con IA
Herramientas como Dext, AutoEntry y Hubdoc han automatizado la extracción de datos y el registro de transacciones. Pero estos sistemas siguen siendo fundamentalmente basados en reglas, a menudo requiriendo que los contadores salten entre hojas de cálculo. Por lo tanto, después de revisar la documentación y ver demostraciones, seleccionamos los 15 principales agentes de contabilidad…
Ventajas y desventajas de las 7 principales alternativas a RPA a considerar
La Automatización Robótica de Procesos (RPA) es una tecnología beneficiosa que puede automatizar hasta el 70-80% de los procesos basados en reglas.1 Sin embargo, ~40% de las empresas no logran alcanzar sus expectativas de reducción de costos tras la implementación de RPA.2 Esto se debe a que RPA no es la opción adecuada para cada…
DGX Spark vs Mac Studio & Halo: Benchmarks & Alternativas
El DGX Spark de NVIDIA ingresó al mercado de IA de escritorio en 2025 a $4,699, posicionándose como una “supercomputadora de IA de escritorio”. Incluye 128GB de memoria unificada y promete un petaflop de rendimiento de IA FP4 en un chasis del tamaño de una Mac Mini. Vea los resultados de las comparativas sobre precio…
GPU Software para IA: CUDA vs. ROCm
Las especificaciones de hardware crudas solo cuentan la mitad de la historia en la computación de GPU. Para medir el rendimiento real de la IA, realizamos 52 pruebas distintas comparando la MI300X de AMD con la H100, H200 y B200 de NVIDIA en escenarios de múltiples GPU y alta concurrencia. Aunque la MI300X de AMD…
Los 8 mejores agentes de codificación de IA de código abierto
En evaluaciones anteriores, comparamos tanto las CLI agentivas de código abierto como las propietarias, centrándonos en su rendimiento en tareas de desarrollo web, y algunos agentes de código abierto tuvieron un desempeño tan exitoso como las opciones de pago. Por lo tanto, también listamos los mejores agentes de codificación de código abierto para usuarios con…
Comparar 10 Métodos de Programación de Tareas en Python
La programación de tareas en Python automatiza tareas a intervalos específicos para imponer plazos de ejecución estrictos, capturar excepciones en tiempo de ejecución y garantizar la consistencia del estado del sistema sin intervención manual. A continuación se presentan los distintos métodos de programación de tareas en Python junto con sus ventajas y desventajas: Cron es…
Los 25+ principales casos de uso de datos sintéticos
Los datos sintéticos están ganando popularidad y aplicabilidad generalizadas en todas las industrias, incluyendo el aprendizaje automático, aprendizaje profundo, y IA generativa (GenAI). Los datos sintéticos ofrecen soluciones a desafíos como las preocupaciones sobre la privacidad de los datos y el tamaño limitado de los conjuntos de datos. Se estima que los datos sintéticos serán…
RAG Frameworks: LangChain vs LangGraph vs LlamaIndex
Comparamos 5 RAG frameworks: LangChain, LangGraph, LlamaIndex, Haystack y DSPy, construyendo el mismo flujo de trabajo RAG agéntico con componentes estandarizados: modelos idénticos (GPT-4.1-mini), embeddings (BGE-small), recuperador (Qdrant) y herramientas (búsqueda web Tavily). Esto aísla la sobrecarga real y la eficiencia de tokens de cada framework. El benchmark consistió en 100 consultas, con cada framework…
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.