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
Comparación de precios de gestión de dispositivos móviles: 10+ productos
Comprender los precios es fundamental para el software de gestión de dispositivos móviles (MDM), ya que su coste normalmente crece con la organización. Los modelos de precios incluyen: coste por dispositivo y por técnico. Compare los productos MDM: Clasificación: De menos a más caro. Examine cómo las características de estas columnas dan como resultado los…
20+ Creadores de agentes de IA: Microsoft, CrewAI, LangGraph y más
Después de revisar la documentación y pasar varias horas probando estos creadores de agentes de IA, recopilamos una lista de los mejores frameworks de código abierto y plataformas low-code/no-code. Para demostrar los casos de uso de los creadores de agentes de IA, ofrecimos un tutorial sobre cómo crear un agente experto en productos con CrewAI.…
RAG Herramientas de evaluación: W&B Weave vs Ragas vs TruLens
Evaluamos comparativamente cinco herramientas de evaluación de generación aumentada por recuperación (RAG) con más de 1.000 preguntas adversariales, cada una emparejada con cinco pasajes. La comparación mide la relevancia contextual usando GPT-4o y los prompts de evaluación predeterminados de las herramientas. W&B Weave tuvo la mayor precisión Top-1, con 94,5 %. TruLens lideró las métricas de…
Las mejores alternativas a Amazon Mechanical Turk
Nuestro análisis explora algunas desventajas de usar Amazon Mechanical Turk (MTurk), una plataforma popular para la recopilación de datos de IA y la investigación de mercado. También compara las principales alternativas a Amazon Mechanical Turk. Los lectores se dividen en tres categorías. Selecciona la tuya para ver las alternativas más relevantes: * Los datos se…
Mejores alternativas a Appen para trabajadores y clientes
Analizamos las principales alternativas a Appen comparando las calificaciones de opiniones de trabajadores de Trustpilot, el tamaño de la comunidad de colaboradores, los calendarios de pago y los datos públicos de las empresas. Las alternativas difieren significativamente según lo que necesite de Appen. Explore por rol: * Los datos provienen de Trustpilot, ya que consisten…
Los 5 principales guardarraíles de IA: Xnode Cortx y Weights and Biases
Los fallos de seguridad de la IA son costosos y cada vez más frecuentes. Muchos incidentes se deben a una gobernanza deficiente, en particular a brechas en el control de acceso, los permisos de datos y la supervisión del uso de los modelos. Los guardarraíles de IA reducen este riesgo al establecer límites aplicables sobre…
Compara 45+ herramientas MLOps
Machine Learning Operations (MLOps) incorpora los principios de DevOps al machine learning, desde el despliegue del model hasta el mantenimiento, para automatizar las transiciones entre los pipelines de entrenamiento e implementación. Explora 45+ herramientas MLOps para diferentes componentes del ciclo de vida del ML, como: 63 % de las organizaciones de diferentes sectores y el 72 %…
15 Herramientas de observabilidad de agentes de IA: AgentOps y Langfuse
Probamos 15 plataformas de observabilidad para aplicaciones LLM y agentes de IA. Cada plataforma se implementó de forma práctica mediante la configuración de flujos de trabajo, la configuración de integraciones y la ejecución de escenarios de prueba. Evaluamos comparativamente 4 herramientas de observabilidad para medir si introducen sobrecarga en los pipelines de producción. También demostramos…
10+ Ejemplos de LLM
Hemos recopilado benchmarks de código abierto para comparar los principales LLM propietarios y de código abierto. Elija su caso de uso para encontrar el LLM adecuado. Puede evaluar los LLM examinando su rendimiento en benchmarks y la latencia en el mundo real (disponible al hacer clic en el nombre de cada modelo en la tabla),…
Chatbot vs ChatGPT: Diferencias y características
Los chatbots tradicionales recuperan respuestas preescritas de una base de conocimiento fija. ChatGPT genera respuestas desde cero utilizando un model de lenguaje grande entrenado con datos a escala de internet. Esa única diferencia arquitectónica es la razón por la que resuelven problemas completamente diferentes y por la que elegir el equivocado cuesta tiempo y dinero.…
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.