Cem Dilmegani
Il lavoro di Cem presso AIMultiple è stato citato da importanti pubblicazioni globali tra cui Business Insider, Forbes, Morning Brew, Washington Post, aziende globali come HPE, ONG come il World Economic Forum e organizzazioni sovranazionali come la Commissione Europea. [1], [2], [3], [4], [5]
Esperienza professionale & risultati
Nell'arco della sua carriera, Cem ha lavorato come consulente tecnologico, acquirente tecnologico e imprenditore tecnologico. Ha consigliato le imprese sulle loro decisioni tecnologiche presso McKinsey & Company e Altman Solon per oltre un decennio. Ha anche pubblicato un rapporto McKinsey sulla digitalizzazione.Ha guidato la strategia tecnologica e l'approvvigionamento di un'azienda di telecomunicazioni riportando al CEO. Ha anche guidato la crescita commerciale della società deep tech Hypatos che ha raggiunto un fatturato annuo ricorrente a 7 cifre e una valutazione a 9 cifre partendo da 0 in 2 anni. Il lavoro di Cem in Hypatos è stato seguito da importanti pubblicazioni tecnologiche come TechCrunch e Business Insider. [6], [7]
Interessi di ricerca
Il lavoro di Cem si concentra sull'AI aziendale e sul software.L'esperienza pratica di Cem nel software aziendale contribuisce al suo lavoro. Altri analisti del settore AIMultiple e il team tecnico supportano Cem nella progettazione, esecuzione e valutazione dei benchmark.
Formazione
Si è laureato in ingegneria informatica presso l'Università Bogazici nel 2007. Durante il suo corso di laurea in ingegneria, ha studiato apprendimento automatico in un'epoca in cui veniva comunemente chiamato "estrazione dei dati" e la maggior parte delle reti neurali aveva pochi strati nascosti.Possiede un MBA della Columbia Business School conseguito nel 2012.
Cem parla fluentemente inglese e turco. Ha un livello avanzato in tedesco e un livello principiante in francese.
Pubblicazioni esterne
- Cem Dilmegani, Post-AI Banking: Milioni di posti di lavoro a rischio mentre le banche automatizzano le loro funzioni principali. International Banker.
- Cem Dilmegani, Bengi Korkmaz, e Martin Lundqvist (1 dicembre 2014).Digitalizzazione del settore pubblico: la sfida da trilioni di dollari, McKinsey & Company.
Media, conferenze & altre presentazioni di eventi
- Ospite su American Variety Radio, rispondendo alle domande di Court Lewis sull'AGI il 25 aprile 2026.
- Ha risposto alle domande di Korea24 sulla perdita di posti di lavoro dovuta all'AI il 5 novembre 2025. Registrazione disponibile su: Korea24
- Immobiliare e Tecnologia, presentato dal Wilbur F. Breslin Center for Real Estate Studies della Hofstra University e dalla Frank G. Zarb School of Business nel 2023 e 2024.
- Sessione Radar AI (22 giugno 2023): "Aumentare l'impatto della Data Science con ChatGPT".
- Generative AI Atlanta meetup: Generative AI per la tecnologia aziendale.
Fonti
- Perché Microsoft, IBM e Google stanno intensificando gli sforzi sull'etica dell'AI, Business Insider.
- Microsoft investe 1 miliardo di dollari in OpenAI per perseguire un'intelligenza artificiale più intelligente di noi, Washington Post.
- Potenziare la leadership dell'AI: toolkit per i dirigenti aziendali, World Economic Forum.
- Prestazioni in materia di scienza, ricerca e innovazione dell'UE, Commissione Europea.
- L'investimento da 200 miliardi di euro dell'UE nell'AI spinge liquidità nei data center, ma il mercato dei chip rimane una sfida, IT Brew.
- Hypatos ottiene 11,8 milioni di dollari per un approccio di deep learning all'elaborazione dei documenti, TechCrunch.
- Abbiamo dato uno sguardo esclusivo al pitch deck che la startup AI Hypatos ha usato per raccogliere 11 milioni di dollari, Business Insider.
Ultimi articoli di Cem
AI IPS: 6 Casi d'Uso Reali e Strumenti Leader
I sistemi di prevenzione delle intrusioni (IPS) basati sull'AI utilizzano algoritmi di machine learning e analisi comportamentale per rilevare e prevenire diverse minacce informatiche. L'AI può potenziare le capacità IPS tradizionali consentendo un rilevamento più rapido, adattabile ed economico, specialmente per le organizzazioni con risorse limitate.1 Scopri i casi d'uso degli AI IPS con esempi…
Vision Language Models a confronto con il riconoscimento delle immagini
I modelli Vision Language Models (VLM) avanzati possono sostituire i tradizionali modelli di riconoscimento delle immagini? Per scoprirlo, abbiamo confrontato 16 modelli leader in tre paradigmi: CNN tradizionali (ResNet, EfficientNet), VLM (come GPT-4.1, Gemini 2.5), e le API cloud (AWS, Google, Azure). La Mean Average Precision (mAP) è stata la nostra metrica primaria di accuratezza,…
Top 15 Agenti di Contabilità AI
Strumenti come Dext, AutoEntry e Hubdoc hanno automatizzato l'estrazione dei dati e la registrazione delle transazioni. Ma questi sistemi sono fondamentalmente ancora basati su regole, richiedendo spesso ai contabili di saltare tra i fogli di calcolo. Pertanto, dopo aver esaminato la documentazione e guardato le demo, abbiamo selezionato i top 15 agenti di contabilità basati…
Pro e contro delle 7 migliori alternative all'RPA da considerare
La Robotic Process Automation (RPA) è una tecnologia vantaggiosa che può automatizzare fino al 70-80% dei processi basati su regole.1 Tuttavia, ~40% delle aziende non riesce a raggiungere le aspettative di riduzione dei costi dopo l'implementazione della RPA.2 Questo perché la RPA non è la soluzione giusta per ogni processo, e ci sono potenziali insidie…
DGX Spark vs Mac Studio & Halo: Benchmark & Alternative
NVIDIA’s DGX Spark è entrato nel mercato dei desktop AI nel 2025 a 4.699 $, posizionandosi come un “supercomputer AI desktop”. Dispone di 128GB di memoria unificata e promette un petaflop di prestazioni AI FP4 in un telaio delle dimensioni di un Mac Mini. Vedi i risultati dei benchmark su valore e prestazioni rispetto alle…
GPU Software per l'IA: CUDA vs. ROCm
Le specifiche hardware grezze raccontano solo metà della storia nel calcolo GPU. Per misurare le prestazioni reali dell'IA, abbiamo eseguito 52 test distinti confrontando MI300X di AMD con NVIDIA's H100, H200 e B200 in scenari multi-GPU e ad alta concorrenza. Sebbene MI300X di AMD vantasse 1.307 TFLOPS rispetto ai 990 TFLOPS di NVIDIA's H100/H200, un…
I 8 migliori agenti di codifica IA open source
In valutazioni precedenti, abbiamo effettuato benchmark sia di CLI agentiche open-source che proprietarie, concentrandoci sulle loro prestazioni in attività di sviluppo web, e alcuni agenti open-source hanno ottenuto risultati con successo quanto le opzioni a pagamento. Pertanto, abbiamo anche elencato i migliori agenti di codifica open-source per gli utenti con preoccupazioni sulla privacy. Per la…
Confronto di 10 metodi di schedulazione dei job in Python
La schedulazione dei job in Python automatizza le attività a intervalli specifici per garantire tempi di esecuzione rigorosi, catturare le eccezioni a runtime e assicurare la coerenza dello stato del sistema senza intervento manuale. Ecco i vari metodi di schedulazione dei job in Python con i relativi vantaggi e svantaggi: Cron è uno scheduler integrato…
I migliori 25+ casi d'uso dei dati sintetici
I dati sintetici stanno guadagnando popolarità e applicabilità in tutti i settori, tra cui l'apprendimento automatico, il deep learning e l'IA generativa (GenAI). I dati sintetici offrono soluzioni a sfide come i problemi di privacy dei dati e le dimensioni limitate dei dataset. Si stima che i dati sintetici saranno preferiti ai dati reali nei…
RAG Framework: LangChain vs LangGraph vs LlamaIndex
Abbiamo testato 5 framework RAG: LangChain, LangGraph, LlamaIndex, Haystack e DSPy, costruendo lo stesso flusso di lavoro RAG agentico con componenti standardizzati: modelli identici (GPT-4.1-mini), embedding (BGE-small), retriever (Qdrant) e strumenti (ricerca web Tavily). Questo isola il vero sovraccarico e l'efficienza dei token di ciascun framework. Il benchmark consisteva in 100 query, con ciascun framework…
Newsletter AI Multiple
Una email gratuita a settimana con le ultime notizie tecnologiche B2B e approfondimenti di esperti per dare impulso alla tua azienda.