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
Las 10 mejores herramientas de microsegmentación de código abierto en 2026
La segmentación de red tradicional no funciona para los microservicios. Las direcciones IP y los puertos no pueden proteger las comunicaciones API cuando los servicios se inician y se detienen dinámicamente en contenedores. Las grandes empresas que utilizan arquitecturas de microservicios necesitan un enfoque diferente: una segmentación basada en identidad que siga a los servicios dondequiera que se ejecuten.
IA agencial para la ciberseguridad: casos de uso y ejemplos
La IA agente se refiere a los sistemas de IA que combinan modelos como los grandes modelos de lenguaje (LLM) con flujos de trabajo automatizados, integración de herramientas y soporte para la toma de decisiones. Estos sistemas ayudan a los equipos de seguridad en SecOps y AppSec mediante el análisis de alertas, la automatización de tareas rutinarias y el apoyo a las investigaciones. Las herramientas de IA agente generalmente operan bajo supervisión humana.
Agentes de IA locales: Goose, Observer AI, AnythingLLM
Los agentes de IA locales suelen describirse como offline, en el dispositivo o totalmente locales. Dedicamos tres días a mapear el ecosistema de agentes de IA locales que se ejecutan de forma autónoma en hardware personal sin depender de API externas ni servicios en la nube.
Los 7 mejores agentes de prueba de IA para control de calidad
Evaluamos plataformas de pruebas de IA con agentes de IA integrados; la mayoría eran Selenium/Playwright sobrevaloradas con marketing. Algunas eran capaces de escribir y mantener casos de prueba o realizar pruebas visuales, aunque incluso estas herramientas presentan limitaciones importantes. De estas, seleccionamos 7 plataformas y las clasificamos según sus áreas de enfoque principales.
57 conjuntos de datos para modelos de aprendizaje automático e inteligencia artificial
Se requieren datos para aprovechar o desarrollar soluciones de IA generativa o IA conversacional. Puede utilizar conjuntos de datos existentes disponibles en el mercado o contratar un servicio de recopilación de datos. Identificamos 57 conjuntos de datos para entrenar y evaluar modelos de aprendizaje automático e IA.
Referencia ética y conforme a las normas para datos web
A medida que las empresas amplían sus operaciones de datos web, los ejecutivos de cumplimiento, datos y riesgos evalúan cada vez más los riesgos éticos, reputacionales y legales asociados. Comparamos 5 servicios líderes de recopilación de datos web en 3 dimensiones y probamos cada servicio con más de 20 escenarios potencialmente poco éticos.
Las mejores plataformas de aprendizaje automático sin código: alternativas a ChatGPT
Comparamos cuatro plataformas de aprendizaje automático sin código según métricas clave: procesamiento de datos (manejo de valores faltantes y valores atípicos), configuración del modelo y facilidad de uso, métricas de precisión, disponibilidad de visualizaciones y cualquier limitación o observación importante durante las pruebas. Comparación de herramientas de aprendizaje automático sin código Nota: Las puntuaciones representan el rendimiento promedio en kNN y regresión logística, según corresponda.
20 aplicaciones/casos de uso de gemelos digitales por sector industrial
A medida que más sectores exploran la virtualización, las soluciones de gemelos digitales están ganando terreno en el mercado general. Se espera que el mercado global de gemelos digitales alcance los 74 mil millones de dólares para 2027, y la proliferación de la tecnología IoT está acelerando este crecimiento.
Más de 100 casos de uso de RPA con ejemplos reales
La RPA puede automatizar tareas repetitivas tanto en la atención al cliente como en las operaciones internas. Un enfoque centrado en casos de uso es fundamental para optimizar el valor de las inversiones en tecnología. Identificamos 103 casos de uso y ejemplos reales de automatización robótica de procesos, que ilustran su aplicación en la automatización de tareas repetitivas en diversos contextos empresariales, sectoriales y personales.
Evaluación comparativa de OCR de recibos con LLM
La extracción de datos de recibos es esencial para las empresas, ya que millones de empleados presentan sus gastos laborales mediante recibos. Gracias a los últimos avances en IA generativa y modelos de lenguaje a gran escala, la precisión en la extracción de datos ha alcanzado un nivel comparable al de los humanos.
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.