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 8 mejores programas de observabilidad con precios, incluyendo Solarwinds.
Las plataformas de observabilidad prometen una visibilidad completa en sistemas distribuidos, pero elegir la adecuada es difícil cuando cada proveedor afirma abarcarlo todo. Analizamos los 8 mejores productos de software de observabilidad revisando sus capacidades documentadas, precios públicos, reseñas verificadas de clientes y casos de referencia empresariales.
Los 15 principales casos de uso y ejemplos de IA en logística
Las ineficiencias persistentes, el aumento de los costos operativos y las continuas interrupciones en la cadena de suministro siguen representando un desafío para las funciones logísticas a nivel mundial. Estas presiones están sobrecargando los sistemas tradicionales, reduciendo la confiabilidad del servicio y limitando la capacidad de las organizaciones para escalar. En respuesta, las empresas recurren cada vez más a la inteligencia artificial para mejorar la visibilidad integral, fortalecer la resiliencia y optimizar las funciones clave. A medida que se acelera su adopción, la IA se está convirtiendo en una herramienta fundamental.
Los 5 mejores servicios de IA para mejorar la eficiencia empresarial
La adopción de la IA está aumentando rápidamente. Alrededor del 98 % de las empresas están experimentando con la IA, lo que refleja su creciente accesibilidad y su potencial para mejorar las operaciones. Sin embargo, solo el 26 % ha avanzado más allá de las pruebas para lograr un valor empresarial cuantificable, lo que demuestra que muchas aún están desarrollando las capacidades necesarias para escalar la IA de manera efectiva.
Las 10 mejores alternativas a Colab
Colaboratory es una plataforma popular para científicos de datos y de aprendizaje automático, pero sus limitaciones y precios podrían no ajustarse a tus necesidades. Varias alternativas ofrecen características y capacidades únicas que se adaptan a diferentes necesidades y escenarios de ciencia de datos.
Agentic Mesh: El futuro de la colaboración en IA escalable
Si bien se ha escrito mucho sobre arquitecturas de agentes, las implementaciones reales en entornos de producción siguen siendo limitadas. Este artículo destaca la malla de IA con agentes, un concepto presentado en un informe reciente de McKinsey. Analizaremos los desafíos que surgen en entornos de producción y demostraremos cómo nuestra arquitectura propuesta permite una escalabilidad controlada de las capacidades de IA.
Precios de UiPath: Explicación de los modelos de precios de RPA
UiPath es uno de los proveedores de RPA más populares, pero su estructura de precios puede ser compleja. Analizamos diferentes combinaciones de precios para ayudar a los líderes empresariales y tecnológicos a comprender los precios de UiPath y obtener una solución RPA con un alto retorno de la inversión (ROI) gracias a su colaboración con UiPath.
15 amenazas a la seguridad de los agentes de IA
Incluso hace unos pocos años, la imprevisibilidad de los grandes modelos de lenguaje (LLM) habría planteado serios desafíos. Un caso notable de los primeros tiempos involucró la herramienta de búsqueda de ChatGPT: los investigadores descubrieron que las páginas web diseñadas con instrucciones ocultas (por ejemplo, texto de inyección de indicaciones incrustado) podían provocar de forma fiable que la herramienta produjera resultados sesgados y engañosos, a pesar de la presencia de información contraria.
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.
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.
Las 9 principales empresas y aplicaciones de infraestructura de IA
Muchas organizaciones invierten fuertemente en IA, pero la mayoría de los proyectos no logran escalar. Solo entre el 10 % y el 20 % de las pruebas de concepto de IA llegan a la implementación completa. Una razón clave es que los sistemas existentes no están preparados para soportar las demandas de grandes conjuntos de datos, el procesamiento en tiempo real o los modelos complejos de aprendizaje automático.
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.