Cem Dilmegani
Experiencia profesional y logros
A lo largo de su trayectoria profesional, Cem se desempeñó como consultor, comprador 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 y las adquisiciones tecnológicas de una empresa de telecomunicaciones, reportando directamente al CEO. Asimismo, lideró el crecimiento comercial de Hypatos, una empresa de tecnología avanzada que alcanzó ingresos recurrentes anuales de siete cifras y una valoración de nueve cifras partiendo de cero en tan solo dos años. El trabajo de Cem en Hypatos fue reseñado por importantes publicaciones tecnológicas como TechCrunch y Business Insider. [6], [7]Intereses de investigación
El trabajo de Cem se centra en cómo las empresas pueden aprovechar las nuevas tecnologías en IA, IA con agentes, ciberseguridad (incluida la seguridad de redes y aplicaciones) y datos, incluidos los datos web. Su experiencia práctica en software empresarial contribuye a su trabajo. Otros analistas de la industria de IA y el equipo técnico apoyan a Cem en el diseño, la ejecución y la evaluación de pruebas comparativas.Educación
Se graduó como ingeniero informático en la Universidad de Bogazici en 2007. Durante su carrera de ingeniería, estudió aprendizaje automático en una época en la que se le conocía comúnmente como "minería de datos" y la mayoría de las redes neuronales tenían pocas capas ocultas. Obtuvo un MBA en la Escuela de Negocios de Columbia en 2012. Cem habla inglés y turco con fluidez. Tiene un nivel avanzado de alemán y un nivel básico 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 de comunicación, conferencias y otros eventos.
- Respuestas a las preguntas de Korea24 sobre la pérdida de empleos debido a la IA, Korea24
- Bienes raíces y tecnología , presentado por el Centro Wilbur F. Breslin de Estudios Inmobiliarios de la Universidad de Hofstra y la Escuela de Negocios Frank G. Zarb en 2023 y 2024.
- Sesión de Radar AI (22 de junio de 2023): "Aumentando el impacto de la ciencia de datos con ChatGPT".
- Encuentro de IA generativa en Atlanta: Inteligencia artificial generativa para la tecnología empresarial .
Fuentes
- Por qué Microsoft, IBM y Google están intensificando sus esfuerzos en materia de ética de la IA , Business Insider.
- Microsoft invierte mil millones de dólares en OpenAI para desarrollar una inteligencia artificial más inteligente que nosotros , según informa el Washington Post.
- Potenciando el liderazgo en IA: Kit de herramientas de IA para la alta dirección , Foro Económico Mundial.
- Resultados en ciencia, investigación e innovación de la UE , Comisión Europea.
- La inversión de 200.000 millones de euros de la UE en IA inyecta capital en los centros de datos, pero el mercado de chips sigue siendo un reto , según IT Brew.
- Hypatos recibe 11,8 millones de dólares por un enfoque de aprendizaje profundo para el procesamiento de documentos , según TechCrunch.
- Business Insider nos ofrece un vistazo exclusivo a la presentación que la startup de IA Hypatos utilizó para recaudar 11 millones de dólares .
Últimos artículos de Cem
Los 50 principales casos de uso y estudios de caso de aprendizaje profundo
El aprendizaje profundo utiliza redes neuronales artificiales para aprender de los datos. Al entrenarse con conjuntos de datos grandes y de alta calidad, logra una gran precisión, lo que lo hace valioso en cualquier lugar donde se disponga de datos abundantes y se necesiten predicciones precisas. A continuación, se presentan aplicaciones reales de aprendizaje profundo en diversos sectores y funciones empresariales, con ejemplos concretos.
Generación de texto mediante IA: 17 casos de uso principales y 5 estudios de caso.
La IA generativa, un subconjunto de la inteligencia artificial, permite la creación de contenido nuevo, como texto, código, imágenes, diseños y vídeos, aprendiendo de los datos existentes y ampliándolos.
15 estudios de caso y lecciones aprendidas sobre adquisiciones
Las prácticas de adquisición eficaces son necesarias en todos los sectores. Al analizar estudios de caso de adquisiciones en diversos sectores, desde organizaciones sin fines de lucro hasta tecnología, atención médica y otros, obtenemos información valiosa sobre el impacto de las soluciones y las mejores prácticas de adquisición que pueden impulsar el éxito en cualquier industria.
10 casos de uso de GAN
Si bien las GAN fueron pioneras en muchas aplicaciones iniciales de IA generativa, particularmente en síntesis de imágenes y transferencia de estilo, la mayoría de las herramientas de IA generativa para el consumidor actual se basan en arquitecturas basadas en difusión o enfoques relacionados, como la coincidencia de flujo y los transformadores de difusión (DiT).
Derechos de autor en IA generativa: legislación, litigios y mejores prácticas en 2026
Analizamos decenas de casos judiciales y acuerdos de licencia para responder a las preguntas clave sobre derechos de autor e IA generativa. Esto no constituye asesoramiento legal. La legislación sobre derechos de autor varía según la jurisdicción y está en constante evolución. Las tres grandes preguntas: 1.
Las 7 mejores herramientas de análisis de sentimiento de código abierto
Se estima que el análisis de texto superará un valor de mercado global de 56 mil millones de dólares estadounidenses para 2029. El análisis de sentimientos ha cobrado gran relevancia a nivel mundial como una de las aplicaciones de análisis de texto. Las empresas que aún no han implementado el análisis de sentimientos podrían sentir la necesidad de conocer las mejores herramientas y casos de uso para aprovechar esta tecnología.
Los 12 mejores planificadores de tareas de código abierto y 5 herramientas WLA
Las empresas aprovechan los planificadores de tareas de código abierto y las herramientas de automatización de cargas de trabajo para automatizar tareas de TI sin pagar costos de licencia ni depender de un proveedor específico. Consulte los principales planificadores de tareas de código abierto con sus enlaces de GitHub, tipos de licencia y estrellas de GitHub: Lista de los principales planificadores de tareas de código abierto y herramientas de automatización de cargas de trabajo.
10 casos prácticos y estudios de caso sobre el uso de la IA en la gestión de compras
A medida que un público más amplio reconoce los beneficios de la inteligencia artificial (IA), el número de casos de uso de IA en diferentes industrias crece día a día. La IA en el sector de compras no es una excepción.
Aplicaciones de IA con prueba de rendimiento de memoria MCP y tutorial
Probamos cuatro servidores de memoria del Protocolo de Contexto de Modelo (MCP) para medir cuáles retienen y recuperan realmente el contexto entre sesiones de agentes de IA. Usando el Agente ReAct de LangChain, conectamos cada servidor, ejecutamos conversaciones estandarizadas de varias sesiones y los calificamos según la precisión de las operaciones de memoria.
Explicación de los usuarios sintéticos: Las 7 mejores herramientas de investigación de usuarios de IA
La investigación de usuarios tradicional lleva semanas: reclutar participantes, programar sesiones y transcribir manualmente las respuestas. Las plataformas de usuarios sintéticos reducen ese tiempo a horas al generar perfiles de usuario mediante IA que se pueden entrevistar, encuestar y probar sin la complejidad logística.
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.