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
Top 7 herramientas de RPA de código abierto
La RPA de código abierto (Automatización Robótica de Procesos) todavía puede desempeñar un papel importante en el futuro de la automatización. Sus principales ventajas son la transparencia, la flexibilidad y la ausencia de costes de licencia. A continuación, enumeramos seis opciones de herramientas RPA de código abierto y enlazamos a su código fuente. Comparamos siete…
Ética de la IA Generativa: Cómo Gestionarla
La IA generativa plantea importantes preocupaciones sobre cómo se comparte y confía en el conocimiento. Britannica, por ejemplo, presentó una demanda contra Perplexity, alegando que la empresa copió ilegal y conscientemente el contenido verificado por humanos de Britannica y utilizó mal sus marcas registradas sin permiso. Explora cuáles son las preocupaciones éticas de la IA…
Sistemas de recomendación: aplicaciones y ejemplos
Examinamos los principales tipos de sistemas de recomendación, conceptos clave y aplicaciones del mundo real, y comparamos LightFM, Cornac BPR y TensorFlow Recommenders utilizando AUC, Precision@10 y Recall@10. Estas bibliotecas implementan algoritmos de aprendizaje automático para procesar datos de entrenamiento y generar recomendaciones personalizadas utilizando técnicas de filtrado colaborativo o basado en contenido. Además, estas…
Los 13 Principales Casos de Uso de GAN
Aunque las GAN fueron pioneras en muchas de las primeras aplicaciones de IA generativa, particularmente en la síntesis de imágenes y la transferencia de estilo, la mayoría de las herramientas de IA generativa orientadas al consumidor actuales se basan en arquitecturas de difusión o enfoques relacionados como el flow matching y los transformadores de difusión…
Las 10 mejores herramientas de automatización de cargas de trabajo en la nube y 7 casos de uso
Aunque el 71 % de las empresas utilizan almacenes de datos en la nube pública, integrar entornos multinube fragmentados y, al mismo tiempo, controlar los costes de la nube supone un doble desafío. Sin embargo, la automatización de cargas de trabajo en la nube puede orquestar los pipelines de datos que alimentan estas plataformas para optimizar…
Fracaso de la IA: 10 causas raíz y ejemplos reales
Ya sea un accidente de un coche autónomo, un algoritmo sesgado o una avería en un chatbot de atención al cliente, los fallos en los sistemas de IA implementados pueden tener consecuencias graves y plantear importantes cuestiones éticas y sociales. Al identificar y abordar los problemas subyacentes, las empresas pueden mitigar los riesgos asociados con…
Dilemas de ética de la IA con ejemplos de la vida real
Aunque la inteligencia artificial está cambiando la forma en que trabajan las empresas, existen preocupaciones sobre cómo puede influir en nuestras vidas. Esto es tanto un problema académico y social como un riesgo reputacional para las empresas; ninguna empresa quiere verse perjudicada por escándalos de datos o de ética de la IA que dañen su…
El futuro de los grandes modelos de lenguaje
Vea el futuro de los grandes modelos de lenguaje comparando enfoques, como el autoentrenamiento, la verificación de hechos y la especialización dispersa, que podrían abordar las limitaciones de los LLM. Los LLM acceden a fuentes externas durante las conversaciones en lugar de depender de los datos de entrenamiento. El modelo consulta bases de datos externas,…
IA generativa empresarial: 11 casos de uso y mejores prácticas
La IA generativa (GenAI) presenta oportunidades novedosas para las empresas en comparación con las compañías de mercado medio o las startups, incluyendo: Sin embargo, la IA generativa trae desafíos únicos para las grandes organizaciones. Por ejemplo: Explore nuestros prácticos casos de uso de IA empresarial para aprender cómo las grandes empresas pueden crear, implementar y…
8 casos de uso de monitoreo de red con ejemplos de la vida real
El monitoreo de red es una de esas cosas que los equipos de TI solo notan cuando falta. Cuando funciona bien, los problemas se detectan antes de que los usuarios sepan que algo va mal. Cuando no está, un problema menor de conectividad puede escalar silenciosamente hasta convertirse en una interrupción grave. Vea nuestros ejemplos…
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.