Mejores 50+ agentes de IA de código abierto listados

Todo el mundo ha estado construyendo agentes de IA, así que después de pruebas prácticas con agentes de codificación de IA, creadores de agentes de IA populares y benchmarks de uso de herramientas para evaluar sus capacidades en el mundo real, hemos elaborado una lista curada de los mejores 50+ agentes de IA de código abierto. Haz clic en los encabezados de categoría para ir directamente a nuestras mejores selecciones:

¿Cómo pensar en los agentes de IA?

Un agente de IA es un sistema componible que combina planificación, memoria, uso de herramientas y ejecución iterativa. Forma un bucle estructurado alrededor de un LLM que puede tomar decisiones, realizar acciones y adaptarse a nueva información. 

Así es como debes pensar en ellos:

• Autonomía y flujos de trabajo: Los agentes de IA van desde la automatización básica de tareas basada en flujos de trabajo predefinidos hasta sistemas totalmente autónomos capaces de descomponer objetivos, usar memoria e interactuar con herramientas. El desafío técnico principal radica en mantener el contexto a lo largo de los pasos y coordinar operaciones de múltiples etapas.

• Contexto y control: El verdadero desafío en los agentes de IA es garantizar que el LLM tenga el contexto adecuado en cada paso. Esto incluye gestionar el contenido que se introduce en el LLM y asegurar que el agente ejecute tareas relevantes basadas en un contexto actualizado.

• Integración de herramientas: Construir agentes eficaces requiere una integración perfecta con herramientas externas, APIs y fuentes de datos. Frameworks como LangChain pueden ayudar a integrar estos recursos externos, pero el control sobre el flujo de trabajo es esencial para adaptar el comportamiento del agente a nuevas entradas.

• Beneficios de los frameworks de agentes: Todos los sistemas agénticos, ya sean flujos de trabajo simples o agentes autónomos complejos, pueden beneficiarse de las funcionalidades principales proporcionadas por los frameworks agénticos. Estas funcionalidades pueden construirse desde cero o aprovecharse de una plataforma de código abierto existente, dependiendo de tus necesidades.

Nuevos estándares

• Model Context Protocol (MCP): El estándar de la industria sobre cómo los agentes se comunican con fuentes de datos externas. LangGraph integra MCP para permitir que los agentes se “conecten y usen” bases de datos y herramientas locales sin envoltorios personalizados.
• Stripe Agentic Commerce Protocol (ACP): Este es el primer estándar industrial en vivo que permite a los agentes de IA manejar pagos, inventario y envíos de forma segura. Permite el “Agentic Checkout,” donde el agente puede completar una compra para el usuario dentro de una interfaz de chat.

¿Qué es exactamente un agente de IA?

No hay una definición consensuada sobre lo que constituye un “agente de IA”.

• La IA tradicional define a los agentes como sistemas que interactúan con su entorno.
• La encuesta de Simon Willison a profesionales presenta una variedad de definiciones operativas de participantes de la industria.²
• La definición de Anthropic describe principios de diseño para construir agentes de IA eficaces y alineados.³
• Las principales firmas de consultoría enfatizan el papel de los agentes en la automatización de flujos de trabajo empresariales y la toma de decisiones.⁴ . 

Muchas de ellas incluyen explícitamente flujos de trabajo y autonomía al final de un espectro.

Coincidimos con estos puntos de vista, por lo tanto, no proporcionamos una definición estricta. En su lugar, enumeramos los factores que hacen que un sistema de IA se considere más agéntico:

• Entorno y objetivos:
  • Los sistemas de IA en entornos complejos, como aquellos con múltiples tareas y cambios inesperados, son agénticos.
  • Los sistemas de IA que persiguen objetivos sin ser instruidos son agénticos.
• Interfaz de usuario y supervisión: Los sistemas de IA que pueden aprender lenguajes naturales y los sistemas que necesitan menos supervisión del usuario son agénticos.
• Diseño del sistema: Los sistemas que utilizan patrones de diseño como el uso de herramientas (por ejemplo, búsqueda web, programación) o planificación (por ejemplo, reflexión, desglose de subobjetivos) son agénticos.

Para una explicación más detallada, anteriormente enumeramos estos factores y discutimos cómo definen los sistemas de IA agénticos.

¿Son estos agentes totalmente autónomos?

Todavía no. La mayoría de los agentes de IA de código abierto mejoran la autonomía del LLM al permitir el uso de herramientas, la toma de decisiones y la resolución de problemas, pero aún requieren entradas estructuradas y un humano supervisando.

Ejemplos como Devon y PR-Agent siguen flujos de trabajo predefinidos o de RL en lugar de demostrar un comportamiento agéntico completo. Otros agentes de IA aún carecen de capacidades de (Aprendizaje Autónomo + Generalización).

Cuándo (y cuándo no) usar agentes de IA

No todas las aplicaciones de LLM requieren complejidad agéntica. Muchos casos de uso se atienden mejor con generación aumentada por recuperación (RAG) ligera.

Los sistemas agénticos introducen sobrecarga arquitectónica: gestión de memoria, orquestación de herramientas, manejo de errores y bucles de control que aumentan la latencia y el coste. Por ejemplo, en nuestros benchmarks, observamos que las tasas de éxito de los agentes de IA disminuían después de 35 minutos de interacción humana.

Para mitigar estos riesgos, es esencial probar los sistemas agénticos en entornos controlados e implementar barreras de seguridad robustas antes del despliegue.

Los agentes son más valiosos cuando los pasos no pueden predecirse o codificarse fácilmente. Son particularmente adecuados para situaciones donde:

• Las tareas son dinámicas y de múltiples pasos, con lógica ramificada o subobjetivos poco claros.
  
• El uso de herramientas es condicional o adaptativo, requiriendo que el sistema elija qué herramienta invocar basándose en la entrada o el estado previo.
  
• Se requiere memoria a largo plazo o contexto, a través de sesiones o etapas de ejecución.
  
• La ejecución debe responder a la retroalimentación del entorno, como resultados de API, salidas de búsqueda o acciones fallidas.
  
• Se necesita colaboración con supervisión humana, donde la autonomía y la supervisión deben combinarse (por ejemplo, copilotos de IA).

Por otro lado, los flujos de trabajo o las llamadas a LLM sin estado son preferibles cuando:

• La lógica de la tarea es estática o predecible, como el llenado de formularios o la transformación de contenido.
  
• La baja latencia es crítica, como en interacciones orientadas al usuario.
  
• Minimizar el coste es esencial, especialmente evitando llamadas recursivas al LLM y orquestación compleja.

Leer más

Aquí están nuestros últimos benchmarks sobre infraestructura comúnmente utilizada por sistemas agénticos:

• Navegadores remotos: Cómo la infraestructura de navegadores permite a los agentes interactuar con la web de forma segura.
• Benchmark de MCP para navegadores: Principales servidores MCP para uso de herramientas y acceso web.

Ejemplos de agentes de IA de código abierto

Algunas herramientas descritas como “agentes de IA” no son realmente tan agénticas; estos sistemas (por ejemplo, Devon PR-agent) son en gran medida flujos de trabajo de IA basados en RL, con LLMs organizados a través de rutas de código predefinidas.

1. Frameworks de agentes (Construye el tuyo)

Bibliotecas modulares y SDKs para que los desarrolladores construyan agentes con control sobre la lógica, memoria, herramientas y orquestación.  

✳️ Algunos agentes como SmolAgents y Agno encajan tanto en las categorías de frameworks de agentes como de automatización de flujos de trabajo.

Frameworks de agentes generales

Frameworks que se centran en construir agentes, ofreciendo herramientas flexibles y personalizables para orquestar flujos de trabajo, configuraciones multi-agente y casos de uso de propósito general.

• LangGraph – Orquestación de flujos de trabajo de LLM basada en grafos – LangGraph es software propietario, pero proporciona una biblioteca de código abierto para el desarrollo de agentes. Ideal para pipelines de RAG, memoria de agentes/ manejo de estado, y configuraciones multi-agente.

• AutoGen – Colaboración asíncrona multi-agente – Diseñado para coordinar agentes que usan herramientas a través de APIs similares a chat. Ideal para automatizar flujos de trabajo complejos, particularmente en generación autónoma de código. 

• CrewAI – Framework multi-agente sin código/de bajo código – Una de las herramientas más fáciles para empezar, que ofrece plantillas de agentes listas para usar (por ejemplo, agente de preparación de reuniones).

Frameworks de agentes especializados

Frameworks con un enfoque especializado en tipos específicos de comportamientos de agentes o integraciones de agentes.

• Camel – Simulación de agentes basada en roles – Optimizado para agentes colaborativos de juego de roles usando razonamiento estructurado. Ideal para automatización de flujos de trabajo y generación de datos sintéticos.

• Mastra – Desarrollo de agentes integrado con frontend – Basado en JavaScript, ideal para incrustar agentes en aplicaciones orientadas al usuario.

• PydanticAI – Control mínimo de agentes con seguridad de tipos – Proporciona validación estricta y rutas lógicas transparentes con Pydantic.

• Cybersecurity IA (CAI) – Framework de agentes de ciberseguridad impulsado por IA – Proporciona pruebas de penetración, descubrimiento de vulnerabilidades y red teaming con capacidades de supervisión humana, aprovechando modelos de lenguaje grandes e integraciones con herramientas como Nmap.

• Atomic Agents – Constructor granular de agentes personalizados con enfoque schema-first – Construido para estructura granular de agentes y lógica componible.

• SmolAgents – SDK ligero de agentes para desarrolladores – Abstracción mínima, enruta la lógica a través de Python en lugar de JSON.

Runtimes de agentes (Agentes autónomos preconstruidos)

Agentes preconstruidos y autónomos que puedes ejecutar inmediatamente (como una aplicación). Normalmente admiten la ejecución autónoma de tareas a partir de objetivos en lenguaje natural.

Totalmente autónomos:

• Auto-GPT – Descomposición de objetivos y ejecución autónoma – Descompone objetivos en subtareas y las completa usando herramientas, memoria y razonamiento. Ofrece agentes preconstruidos y una interfaz de bajo código.

• AIlice – Ejecución local de tareas de propósito general – Ejecuta tareas complejas en el dispositivo, admite herramientas locales y manipulación de archivos. Su objetivo es crear un asistente de IA, similar a JARVIS, basado en el LLM de código abierto.

• Manus IA – Operaciones en entorno aislado de propósito general. Ejecuta herramientas y flujos de trabajo en un entorno aislado seguro, capaz de manejar operaciones multi-dominio y de múltiples pasos de forma autónoma. Ha sido adquirido por Meta, integrándose al ecosistema de “Inteligencia Ambiental Personal” de Meta.⁵

Parcialmente autónomos:

• BabyAGI – Ejecutor iterativo de bucles de tareas – Crea, prioriza y ejecuta listas de tareas en un bucle de retroalimentación. Ideal para experimentos de generación de tareas.

Basados en navegador/interfaz:

• AgentGPT – Agente autónomo desplegado en navegador – Permite a los usuarios crear y ejecutar agentes de tareas a través de una interfaz web. Ligero, ideal para experimentación.

• OpenManus – Agente de navegador persistente – Diseñado para flujos de trabajo que abarcan sesiones en entornos de navegador. Utiliza herramientas como Playwright para automatizar interacciones web. Bueno para usar en pipelines de automatización existentes. La configuración es rápida con Conda.

2. Automatización y orquestación de flujos de trabajo

Herramientas que automatizan flujos de trabajo e integran múltiples plataformas o servicios, a menudo con la capacidad de integrar agentes de IA.

Agentes generales de automatización e integración de flujos de trabajo

Plataformas que conectan APIs, activan eventos y automatizan tareas, facilitando la construcción e integración de flujos de trabajo entre diferentes sistemas.

• n8n – Automatización visual de flujos de trabajo e integración de API – Conecta aplicaciones, disparadores y flujos de datos usando un editor de nodos. Combina la construcción visual sin código con JavaScript/Python personalizado y admite 400+ integraciones. Puedes autoalojarlo, ejecutar flujos de trabajo de agentes de IA con LangChain. Ideal para personas técnicas.

• PlanExe – Herramienta de planificación de LLM a Gantt/WBS – Planificador de IA similar a la investigación profunda de OpenAI. Convierte objetivos en lenguaje natural en cronogramas estructurados utilizando LlamaIndex.

• Agno ✳️ – Constructor de flujos de trabajo y agentes amigable para desarrolladores –  Encaja tanto como herramienta de automatización de flujos de trabajo (ayudando a automatizar tareas y flujos de trabajo) como constructor de agentes.

• SmolAgents ✳️ – SDK ligero de agentes para desarrolladores – SmolAgents es lo suficientemente flexible como para encajar tanto como un SDK ligero de agentes (para frameworks de agentes) como una herramienta de flujo de trabajo (ya que se integra con los modelos de Hugging Face).

• Windmill – Plataforma de desarrollo y motor de flujos de trabajo de código abierto – Convierte scripts en UIs, APIs y trabajos cron; admite Python, TypeScript, Go y otros lenguajes.

• Activepieces – Plataforma de automatización de código abierto – Constructor visual de flujos de trabajo autoalojado para automatizar tareas e integrar aplicaciones con mínima codificación. Admite 280+ MCP servers para ejecutar tareas de IA distribuidas y cadenas de agentes a escala.

• Huginn – Automatización web y gestión de agentes – Construye agentes para automatizar tareas basadas en web y monitorización.

• Node-RED – Desarrollo basado en flujos para IoT y datos en tiempo real – Integra servicios y automatiza tareas con un editor de flujos basado en navegador.

Orquestación de flujos de trabajo multi-agente

Frameworks diseñados para coordinar agentes que interactúan a través de flujos de trabajo estructurados e integrar sistemas multi-agente.

• HyperAgent – Orquestación de agentes para el ciclo de vida completo del software – Los agentes trabajan juntos para planificar, codificar y verificar tareas de ingeniería.

• Supercog – agentic – Orquestación modular con bloques lógicos reutilizables – Diseñado para automatización escalable, estructurada y basada en equipos.

3. Automatización y navegación web

Agentes que navegan de forma autónoma por sitios web y realizan tareas de múltiples pasos, como llenado de formularios, extracción de datos y automatización de navegación web.

Agentes web autónomos y copilotos

Agentes autónomos de propósito general (con capacidad web):

• AgenticSeek – Agente de navegación web totalmente autónomo – Manus IA totalmente local. Se especializa en extracción de datos y llenado de formularios, automatizando tareas basadas en web.

• Agent-E – Agente de automatización de navegador consciente del DOM – Se centra en interactuar con páginas web mediante el análisis del DOM (Document Object Model), ideal para hacer clic en botones y llenar formularios.

• AutoWebGLM – Agente web basado en LLM – Utiliza aprendizaje por refuerzo y simplificación de HTML para una mejor navegación en sitios web complejos.

Agentes de navegación web basados en visión (multimodales):

• Autogen extension WebSurfer – Agente web multimodal – Combina entrada de texto y visual (capturas de pantalla) para mejorar la interacción web.

• Skyvern – Agente de IA con visión artificial – Automatiza flujos de trabajo utilizando LLMs y visión artificial, manejando tanto elementos de texto como visuales.

• WebVoyager – Agente web con capacidad de visión – Utiliza texto y capturas de pantalla para mejorar la navegación en sitios web con muchas imágenes.

Para más información sobre automatización y navegación web de código abierto, aquí hay un vistazo estructurado a algunas de las principales herramientas y agentes:

Agentes de uso de ordenador

Agentes de navegación web

Kits de herramientas de automatización y scraping web

RPA web potenciado por LLM y extensiones de navegador

Scrapers y crawlers web de IA

Herramientas de búsqueda web de IA

4. Agentes de codificación y desarrollo

Agentes de IA diseñados para asistir en tareas de codificación, proporcionando soporte en tiempo real para desarrolladores a través de sugerencias de código, depuración y automatización de tareas.

Agentes de codificación basados en CLI

• Codex CLI – Herramienta de interacción multi-modo (sugerir, editar, ejecutar) – Mejora los flujos de trabajo del desarrollador a través de la línea de comandos ofreciendo sugerencias y ediciones de código.

• OpenDevin  –  Asistente de codificación de IA de código abierto – Ayuda con tareas de programación, ofreciendo sugerencias de código para varios lenguajes. Nota: OpenDevin ha sido renombrado recientemente a OpenHands para reflejar su misión más amplia de “All Hands IA.”⁶

• Aider – Asistente de programación en pareja de IA – Integrado en tu terminal para asistencia de codificación, soportando autocompletado, depuración y automatización de tareas.

Editores de código de IA

• Neovim – Editor de código integrado con IA – Plugins potenciados por IA que proporcionan completado de código, refactorización.

• Visual Studio Code (VS Code) – Herramienta de completado de código y depuración potenciada por IA – Ofrece sugerencias de código y autocompletado a través de GitHub Copilot, integrado con entornos IDE para desarrolladores.

• Cursor – Editor de código integrado con IA – Construido con completado de código en tiempo real potenciado por IA.

Constructores de prompt-a-app (Vibe coding)

Alternativas de código abierto a v0 / lovable / Bolt:

• Dyad – Constructor de apps de IA de código abierto – Herramienta local primero, sin código, para construir aplicaciones impulsadas por IA con comandos en lenguaje natural.

• vx.dev – Constructor de apps de IA de código abierto – Una herramienta local primero, de bajo código, enfocada en transformar prompts en lenguaje natural en aplicaciones.

5. Agentes de ciberseguridad

Agentes de IA diseñados para mejorar las operaciones de ciberseguridad, incluyendo tareas como pruebas de penetración, descubrimiento de vulnerabilidades, red teaming y detección autónoma de amenazas.

• YAWNING TITAN – Simulación abstracta de ciberseguridad basada en grafos – Apoya el entrenamiento de agentes para operaciones cibernéticas autónomas con un enfoque en entornos basados en grafos.

• bumpgen – Agente de gestión de paquetes – Actualiza paquetes npm (gestor de paquetes de Node.js) automáticamente.

• Cyber-Security LLM Agents – Tareas de ciberseguridad impulsadas por LLM – Construido sobre AutoGen. Utilizado en diversas aplicaciones de investigación para demostrar automatización EDR con ChatGPT y CI/CD automatizado para ingeniería de detección.

6. Agentes de creación de contenido de video con IA

Agentes de IA que asisten en la generación, edición y mejora de contenido visual y multimedia, incluyendo arte, imágenes, y videos.

• Mochi – Generación de texto a video – Convierte prompts de texto en video, con un enfoque en crear videos de formato corto. Adecuado para generar rápidamente videos a partir de descripciones textuales.

• CogVideo – Generación de texto a video – Convierte prompts de texto en video con alta fidelidad, permitiendo la creación de imagen a video. Una herramienta más avanzada para la generación de video de alta calidad a partir de texto o imágenes.

• Allegro – Generación de texto a video – Convierte prompts de texto en video con un enfoque en la creación de contenido creativo. Esta herramienta enfatiza la síntesis creativa de video a partir de texto para producir narrativas visuales únicas.

• DALL·E (Versiones de código abierto) – Generación de texto a video  – Genera imágenes a partir de descripciones de texto, convirtiendo prompts escritos en contenido visual detallado y creativo.

Descubre más de nuestros análisis comparativos e insights basados en datos en la Búsqueda de Google.

Añadir como fuente preferida

7. Agentes financieros

Agentes de IA que ofrecen mejora automatizada por aprendizaje por refuerzo o análisis de datos financieros en tiempo real.

• FinRL – Aprendizaje por refuerzo automatizado para trading – Aprende y ejecuta estrategias de trading de forma autónoma basándose en datos de mercado, adaptándose a entornos financieros dinámicos.

• OpenBB Terminal – Análisis de datos financieros – Proporciona información financiera autónoma para trading en tiempo real, permitiendo a los profesionales de inversión tomar decisiones de trading informadas.

8. Agentes de salud

Agentes de IA que asisten en diagnósticos médicos, monitorización de enfermedades e información de salud mediante el análisis de datos de pacientes e informes médicos.

• HIA (Health Insights Agent) – Análisis de informes médicos – Analiza informes médicos y proporciona información de salud.
  
• IA-HealthCare-Assistant – Diagnóstico y monitorización de enfermedades – Diagnostica y monitoriza enfermedades utilizando datos de pacientes.

9. Agentes de investigación

Agentes de IA que asisten en la recopilación de datos, revisiones bibliográficas y pruebas de hipótesis, agilizando el proceso de investigación.

• ChemCrow – Agente autónomo de investigación química – Integra LLMs con herramientas de química para planificar y ejecutar tareas experimentales y computacionales complejas en análisis químico.

• GPT Researcher – Asistente de investigación general autónomo – Realiza búsquedas en línea estructuradas, analiza contenido y compila informes de investigación detallados con mínima intervención del usuario.

10. Agentes de análisis de datos

Agentes de IA que procesan, analizan e interpretan datos para proporcionar información procesable y apoyar la toma de decisiones.

Finanzas

• FinRobot – Agente de análisis de datos financieros – Automatiza la interpretación y generación de informes de datos financieros utilizando modelos de lenguaje grandes.

Agentes de inteligencia de negocio y consultas

• Wren IA – Agente de información empresarial de texto a SQL – Convierte preguntas en lenguaje natural en consultas SQL para informes empresariales.

• Entaoai – Herramienta de ingeniería de datos asistida por GenAI – Proporciona una interfaz de chat para tareas de consulta y transformación de datos.

• Vanna IA – Agente de lenguaje natural a SQL – Genera consultas SQL basadas en prompts del usuario para explorar conjuntos de datos estructurados.

Agentes de redes sociales

• Twitter Personality Agent – Agente de análisis de redes sociales – Analiza el historial de tweets para inferir rasgos de comportamiento y personalidad.

11. Agentes de asistencia personal

Agentes de IA que ayudan con la gestión de tareas, programación y organización personal, mejorando la productividad y la gestión del tiempo.

• VacAIgent (agente preconstruido de CrewAI) – Asistente de planificación de viajes –Genera itinerarios de viaje completos de forma autónoma utilizando Streamlit y LLMs.

• Inbox Zero – Asistente de correo electrónico – prioriza, clasifica y resume mensajes utilizando procesamiento de lenguaje natural e integración con Gmail.

• Cal – Agente de programación de calendario – Automatiza la creación, reprogramación y resumen de reuniones mediante interacción basada en LLM.

Construyendo sistemas de agentes de IA

Muchos frameworks de IA están controlados por un único proveedor o repositorios públicos, pero estrictamente gobernados.

Estos proyectos a menudo cambian hacia modelos de núcleo abierto: el código base sigue siendo gratis, pero la orquestación multi-agente, la observabilidad o el control detallado pueden estar limitados tras licencias comerciales. En algunos ecosistemas "abiertos", el uso en producción a menudo requiere comprar acceso a un backend bloqueado.

Fuente⁷

Proyectos de agentes de IA en el mundo real

Desde nuestra experiencia, aquí hay algunos agentes de IA y sus aplicaciones:

• Editores de código de IA para desarrollo de API y construcción de aplicaciones
• De captura de pantalla a ejecución de código para generación de sitios web con IA
• Agentes de uso de ordenador para pedir entregas, hacer una reserva en un restaurante o diseñar una habitación.

Otros proyectos independientes de agentes de IA:

Otros proyectos de agentes de IA por framework:

Lectura adicional

• Compara 20 herramientas de seguridad para LLM y frameworks de código abierto 

Cita esta investigación

Elige el formato que se ajuste al lugar donde vas a publicar. Pegar la versión con enlace en tu CMS conserva el enlace de retroceso.

@misc{dilmegani2026,
  author = {Dilmegani, Cem and Şimşek, Hazal},
  title  = {{Mejores 50+ agentes de IA de código abierto listados}},
  year   = {2026},
  month  = may,
  howpublished    = {\url{https://aimultiple.com/open-source-ai-agents}},
  note   = {AIMultiple. Recuperado el 14 de Mayo de 2026}
}

Enlaces de referencia

1.

Reflection Agents

LangChain Blog

2.

Simon Willison on ai-agents

3.

Building Effective AI Agents \ Anthropic

4.

AI Agents: What They Are and Their Business Impact | BCG

Boston Consulting Group

5.

Manus, Yeni İnovasyon Çağı için Meta'ya Katılıyor

6.

One Year of OpenHands: A Journey of Open Source AI Development | Mar 17, 2025

7.

Dapr Agents: AI Agents & Workflows for Production

Diagrid

Cem Dilmegani

Analista Principal

Síguenos

Cem ha sido el analista principal en AIMultiple desde 2017. AIMultiple informa a cientos de miles de empresas (según similarWeb), incluido el 60% de Fortune 500 cada mes. El trabajo de Cem ha sido citado por publicaciones globales líderes como Business Insider, Forbes, Washington Post, firmas globales como Deloitte, HPE y ONG como el Foro Económico Mundial y organizaciones supranacionales como la Comisión Europea. A lo largo de su carrera, Cem se ha desempeñado 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. Lideró la estrategia tecnológica y las adquisiciones de una empresa de telecomunicaciones reportando directamente al CEO. También lideró el crecimiento comercial de la empresa de tecnología profunda Hypatos, que alcanzó 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. Cem habla regularmente en conferencias internacionales de tecnología. Se graduó de la Universidad de Bogazici como ingeniero informático y tiene un MBA de Columbia Business School.

Ver perfil completo

Investigado por

Hazal Şimşek

Analista de la industria

Síguenos

Hazal es analista de la industria en AIMultiple, centrándose en minería de procesos y automatización de TI.

Ver perfil completo

Sé el primero en comentar

Tu dirección de correo electrónico no será publicada. Todos los campos son obligatorios. Los comentarios se dejan en su idioma original.

Nombre

Dirección de correo electrónico

Comentario

0/450

Publicar comentario