Los mejores 50+ agentes de IA de código abierto listados

Todos han estado construyendo agentes de IA, por lo que después de probar de forma práctica con agentes de programación de IA, creadores de agentes de IA y herramientas de benchmark de uso para evaluar sus capacidades en el mundo real, hemos elaborado una lista seleccionada de los mejores 50+ agentes de IA de código abierto. Haz clic en los encabezados de categoría para ir directamente a nuestras principales 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.

Aquí te explicamos cómo 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 principal desafío técnico radica en mantener el contexto a lo largo de los pasos y coordinar operaciones de varias 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 garantizar que el agente ejecute tareas relevantes basándose en un contexto actualizado.
• Integración de herramientas: Crear 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 funciones principales que proporcionan los frameworks agénticos. Estas funciones se pueden crear desde cero o aprovechar de una plataforma de código abierto existente, según sus necesidades.

Nuevos estándares

• Protocolo de Contexto de Modelo (MCP): El estándar de la industria para 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 en vivo de la industria que permite a los agentes de IA gestionar 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 existe una definición consensuada de lo que constituye un “agente de IA”.

• 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 de trabajo de participantes de la industria.²
• Anthropic’s definición describe los principios de diseño para crear agentes de IA eficaces y alineados.³
• Las principales consultoras enfatizan el papel de los agentes en la automatización de los flujos de trabajo empresariales y la toma de decisiones.⁴ .

Muchos de ellos incluyen explícitamente flujos de trabajo y sitúan la autonomía al final de un espectro.

Estamos de acuerdo con estos puntos de vista y, por lo tanto, no ofrecemos 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 que se les indique 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 la planificación (por ejemplo, reflexión, descomposición en subobjetivos) son agénticos.

Para una explicación más detallada, anteriormente enumeramos estos factores y analizamos 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 en el bucle.

Ejemplos como Devon y PR-Agent siguen lógica predefinida o flujos de trabajo de RL en lugar de demostrar un comportamiento agéntico completo. Otros agentes de IA todavía carecen de capacidades (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 benefician más de una generación aumentada por recuperación (RAG) ligera.

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

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

Los agentes son más valiosos cuando los pasos no se pueden predecir fácilmente ni codificar de forma rígida. Son especialmente adecuados para situaciones en las que:

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

Por otro lado, los flujos de trabajo o las llamadas 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 fundamental, como en las interacciones de cara al usuario.
• Minimizar el costo es esencial, especialmente evitando llamadas recursivas a LLM y una orquestación compleja.

Más información

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 navegadores MCP: Los mejores servidores MCP para uso de herramientas y acceso web.

Ejemplos de agentes de IA de código abierto

Algunas herramientas descritas como “agentes de IA” en realidad no son 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 (hazlo tú mismo)

Librerías modulares y SDKs para desarrolladores para crear agentes con control sobre la lógica, la memoria, las herramientas y la orquestación.

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

Frameworks generales de agentes

Frameworks que se centran en crear agentes, ofreciendo herramientas flexibles y personalizables para orquestar flujos de trabajo, configuraciones multiagente 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 librería de código abierto para el desarrollo de agentes. Ideal para pipelines de RAG, memoria de agentes/ gestión de estado y configuraciones multiagente.
• AutoGen – Colaboración asíncrona multiagente – 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 multiagente 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 que utilizan razonamiento estructurado. Ideal para la automatización de flujos de trabajo y la 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 de lógica 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 humanas en el bucle, aprovechando modelos de lenguaje grandes e integraciones con herramientas como Nmap.
• Atomic Agents – Creador de agentes personalizados granular con esquema primero – Diseñado para estructura granular de agentes y lógica componible.
• SmolAgents – SDK de agente ligero para desarrolladores – Abstracción mínima, enruta la lógica a través de Python en lugar de JSON.

Entornos de ejecución de agentes (agentes autónomos preconstruidos)

Agentes autónomos preconstruidos y autónomos que puedes ejecutar de inmediato (como una app). 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 los objetivos en subtareas y los completa utilizando 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 sandbox de propósito general. Ejecuta herramientas y flujos de trabajo en un sandbox seguro, capaz de gestionar operaciones multi-dominio y de varios pasos de forma autónoma. Fue adquirido por Meta, integrándose en el ecosistema “Personal Ambient Intelligence” de Meta.⁵

Parcialmente autónomos:

• BabyAGI – Ejecutor de bucle de tareas iterativo – 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 creación e integración de flujos de trabajo en diferentes sistemas.

• n8n – Automatización visual de flujos de trabajo e integración de API – Conecta aplicaciones, activadores y flujos de datos mediante un editor de nodos. Combina la construcción visual sin código con JavaScript/Python personalizado y admite más de 400 integraciones. Puedes autoalojarlo y 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 ✳️ – Creador de flujos de trabajo y agentes amigable para desarrolladores – Sirve tanto como herramienta de automatización de flujos de trabajo (ayudando a automatizar tareas y flujos de trabajo) como creador de agentes.
• SmolAgents ✳️ – SDK de agente ligero para desarrolladores – SmolAgents es lo suficientemente flexible como para servir tanto como SDK de agente ligero (para frameworks de agentes) como herramienta de flujo de trabajo (ya que se integra con modelos de Hugging Face).
• Windmill – Plataforma de desarrollo de código abierto y motor de flujos de trabajo – Convierte scripts en interfaces de usuario, APIs y trabajos cron; admite Python, TypeScript, Go y otros lenguajes.
• Activepieces – Plataforma de automatización de código abierto – Creador visual de flujos de trabajo autoalojado para automatizar tareas e integrar aplicaciones con una codificación mínima. Admite 280+ MCP servidores para ejecutar tareas de IA distribuidas y cadenas de agentes a escala.
• Huginn – Automatización web y gestión de agentes – Crea agentes para automatizar tareas basadas en la web y la 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 multiagente

Frameworks diseñados para coordinar agentes que interactúan en flujos de trabajo estructurados e integrar sistemas multiagente.

• HyperAgent – Orquestación de agentes de ciclo de vida completo del software – Los agentes trabajan juntos para planificar, codificar y verificar tareas de ingeniería.
• Supercog – agentic – Orquestación modular con bloques de lógica reutilizables – Diseñado para una 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 varios pasos, como rellenar formularios, extraer datos y automatizar la 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 la extracción de datos y el llenado de formularios, automatizando tareas basadas en la web.
• Agent-E – Agente de automatización de navegador consciente del DOM – Se centra en interactuar con páginas web analizando el (Modelo de Objetos del Documento) DOM, ideal para hacer clic en botones y rellenar formularios.
• AutoWebGLM – Agente web basado en LLM – Utiliza aprendizaje por refuerzo y simplificación de HTML para una mejor navegación por sitios web complejos.

Agentes de navegación web basados en visión (multimodales):

• Autogen extensión WebSurfer – Agente web multimodal – Combina entrada de texto y visual (capturas de pantalla) para mejorar la interacción web.
• Skyvern – Agente de IA con visión por computadora – Automatiza flujos de trabajo utilizando LLMs y visión por computadora, manejando tanto elementos de texto como visuales.
• WebVoyager – Agente web habilitado para 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 tienes un análisis estructurado de algunas de las principales herramientas y agentes:

Agentes de uso de computadora

Agentes de navegación web

Kits de herramientas de automatización y scraping web

LLM-impulsada RPA web y extensiones de navegador

Scrapers y crawlers web de IA

Herramientas de búsqueda web de IA

4. Agentes de programación y desarrollo

Agentes de IA diseñados para ayudar con tareas de programación, brindando soporte en tiempo real a los desarrolladores mediante sugerencias de código, depuración y automatización de tareas.

Agentes de programación basados en CLI

• Codex CLI – Herramienta de interacción multimodo (sugerir, editar, ejecutar) – Mejora los flujos de trabajo de los desarrolladores a través de la línea de comandos ofreciendo sugerencias y ediciones de código.
• OpenDevin – Asistente de programación de IA de código abierto – Ayuda con tareas de programación, ofreciendo sugerencias de código para varios lenguajes. Ten en cuenta que OpenDevin ha cambiado recientemente su nombre a OpenHands para reflejar su misión más amplia de “All Hands IA”.⁶
• Aider – Asistente de programación en pareja con IA – Integrado en tu terminal para asistencia en programación, con soporte para autocompletado, depuración y automatización de tareas.

Editores de código con IA

• Neovim – Editor de código integrado con IA – Plugins impulsados por IA que proporcionan finalización de código y refactorización.
• Visual Studio Code (VS Code) – Herramienta de finalización de código y depuración impulsada 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 finalización de código en tiempo real impulsada por IA.

Creadores de apps a partir de prompts (Vibe coding)

Alternativas de código abierto a v0 / lovable / Bolt:

• Dyad – Creador de aplicaciones de IA de código abierto – Herramienta local-first sin código para crear aplicaciones impulsadas por IA con comandos en lenguaje natural.
• vx.dev – Creador de aplicaciones de IA de código abierto – Una herramienta local-first de bajo código centrada en transformar prompts en lenguaje natural en aplicaciones.

5. Agentes de ciberseguridad

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

• YAWNING TITAN – Simulación abstracta de ciberseguridad basada en grafos – Admite 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.
• Agentes de ciberseguridad LLM – Tareas de ciberseguridad impulsadas por LLM – Construido sobre AutoGen. Se utiliza en diversas aplicaciones de investigación para demostrar la automatización EDR de ChatGPT y la automatización CI/CD para ingeniería de detección.

6. Agentes de creación de contenido de video con IA

Agentes de IA que ayudan a generar, editar y mejorar 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 la creación de videos de formato corto. Ideal 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.

No te pierdas nuestros análisis comparativos e insights basados en datos. El botón abre Google; seleccionar AIMultiple confirma que deseas ver AIMultiple con más frecuencia en los resultados de búsqueda de Google.

Añadir como fuente preferida

7. Agentes financieros

Agentes de IA que ofrecen una mejora automatizada del 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, lo que permite a los profesionales de la inversión tomar decisiones informadas.

8. Agentes de atención médica

Agentes de IA que ayudan en el diagnóstico médico, la monitorización de enfermedades y la obtención de 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 monitorea enfermedades utilizando datos de pacientes.

9. Agentes de investigación

Agentes de IA que ayudan en la recopilación de datos, las revisiones bibliográficas y la comprobación 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 el análisis químico.
• GPT Researcher – Asistente general de investigación autónomo – Realiza búsquedas estructuradas en línea, analiza contenido y recopila informes de investigación detallados con una entrada mínima 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 la elaboración de informes de datos financieros utilizando modelos de lenguaje grandes.

Agentes de inteligencia empresarial 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, la programación y la organización personal, mejorando la productividad y la gestión del tiempo.

• VacAIgent (agente CrewAI preconstruido) – Asistente de planificación de viajes –Genera automáticamente itinerarios de viaje completos utilizando Streamlit y LLMs.
• Inbox Zero – Asistente de correo electrónico – Prioriza, clasifica y resume mensajes mediante 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.

Cómo construir sistemas de agentes de IA

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

Estos proyectos a menudo evolucionan hacia modelos de núcleo abierto: el código base sigue siendo gratis, pero la orquestación multiagente, la observabilidad o el control detallado pueden estar limitados por licencias comerciales. En algunos ecosistemas “abiertos”, el uso en producción a menudo requiere comprar un backend bloqueado.

Fuente⁷

Proyectos reales de agentes de IA

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

• Editores de código con IA para el desarrollo de API y la creación de aplicaciones
• Ejecución de captura de pantalla a código para la generación de sitios web con IA
• Agentes de uso de computadora 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:

Más información

• Comparar 20 LLM herramientas de seguridad 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  = {{Los mejores 50+ agentes de IA de código abierto listados}},
  year   = {2026},
  month  = aug,
  howpublished    = {\url{https://aimultiple.com/open-source-ai-agents}},
  note   = {AIMultiple. Recuperado el 16 de Agosto 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 Joins Meta for Next Era of Innovation

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 del sector

Síguenos

Hazal es analista del sector en AIMultiple, centrada en la inteligencia de procesos (incluida la minería de procesos) y la automatización empresarial (incluidas la automatización de TI y la automatización low-code/no-code).

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