Cem Dilmegani
Esperienza professionale e risultati conseguiti
Nel corso della sua carriera, Cem ha lavorato come consulente tecnologico, acquirente di tecnologia e imprenditore tecnologico. Ha fornito consulenza alle aziende 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 gli acquisti di una società di telecomunicazioni, riportando direttamente all'amministratore delegato. Ha anche guidato la crescita commerciale dell'azienda deep tech Hypatos, che ha raggiunto un fatturato ricorrente annuo a 7 cifre e una valutazione a 9 cifre partendo da zero in 2 anni. Il lavoro di Cem in Hypatos è stato trattato da importanti pubblicazioni tecnologiche come TechCrunch e Business Insider. [6], [7]Interessi di ricerca
Il lavoro di Cem si concentra su come le aziende possono sfruttare le nuove tecnologie in ambito di intelligenza artificiale, intelligenza artificiale agenziale, sicurezza informatica (inclusa la sicurezza di rete e la sicurezza delle applicazioni) e dati, compresi i dati web. L'esperienza pratica di Cem nello sviluppo di software aziendali contribuisce al suo lavoro. Altri analisti del settore e il team tecnico supportano Cem nella progettazione, esecuzione e valutazione dei benchmark.Preparazione
Si è laureato in ingegneria informatica presso l'Università di Bogazici nel 2007. Durante gli studi di ingegneria, ha approfondito l'apprendimento automatico in un periodo in cui veniva comunemente chiamato "data mining" e la maggior parte delle reti neurali presentava alcuni strati nascosti. Ha conseguito un MBA presso la Columbia Business School nel 2012. Cem parla fluentemente inglese e turco. Ha una conoscenza avanzata del tedesco e un livello principiante del francese.Pubblicazioni esterne
- Cem Dilmegani, Post-AI Banking: Milioni di posti di lavoro a rischio a causa dell'automazione delle funzioni principali delle banche . International Banker.
- Cem Dilmegani, Bengi Korkmaz e Martin Lundqvist (1° dicembre 2014). Digitalizzazione del settore pubblico: la sfida da mille miliardi di dollari , McKinsey & Company.
Presentazioni ai media, a conferenze e ad altri eventi.
- Risposte alle domande di Korea24 sulla perdita di posti di lavoro dovuta all'IA, Korea24
- "Immobiliare e tecnologia" , un seminario presentato dal Wilbur F. Breslin Center for Real Estate Studies e dalla Frank G. Zarb School of Business della Hofstra University nel 2023 e nel 2024.
- Sessione Radar AI (22 giugno 2023): "Aumentare l'impatto della scienza dei dati con ChatGPT".
- Incontro di Generative AI Atlanta: Intelligenza artificiale generativa per la tecnologia aziendale .
Fonti
- Perché Microsoft, IBM e Google stanno intensificando gli sforzi sull'etica dell'IA , Business Insider.
- Microsoft investe 1 miliardo di dollari in OpenAI per perseguire un'intelligenza artificiale più intelligente di noi , Washington Post.
- Potenziare la leadership nell'IA: Toolkit per i dirigenti di alto livello in materia di IA , World Economic Forum.
- Prestazioni dell'UE in materia di scienza, ricerca e innovazione , Commissione europea.
- L'investimento di 200 miliardi di euro dell'UE nell'intelligenza artificiale convoglia capitali verso i data center, ma il mercato dei chip rimane una sfida , IT Brew.
- Hypatos riceve 11,8 milioni di dollari per un approccio di deep learning all'elaborazione dei documenti , secondo TechCrunch.
- Business Insider ha pubblicato in esclusiva il pitch deck utilizzato dalla startup di intelligenza artificiale Hypatos per raccogliere 11 milioni di dollari .
Ultimi articoli di Cem
XR/AR nella produzione: 7 casi d'uso reali
Recent industry research shows that XR device shipments (e.g. lightweight AR or smart glasses for industrial use) grew over 40 % year‑over‑year in 2025. With adoption accelerating, XR technologies are increasingly helping manufacturers improve efficiency, safety, and collaboration. Explore the top 7 use cases of XR/AR in manufacturing with real-world examples.
Confronta 7 Metodi di Pianificazione dei Job in Python
Python job scheduling enables you to execute tasks automatically at specific times or intervals, thereby reducing manual effort and enhancing reliability. Here are the various job scheduling methods in Python, ranging from simple to advanced solutions, along with their advantages and disadvantages: Top Python Job Scheduling Methods 1.
Prevenzione della perdita di dati (DLP): Tipi e 6 Sfide
The increased mobility introduces risks of data loss or theft, which can lead to severe financial losses and reputational damage for companies. Effective Data loss prevention (DLP) software needs to prevent the unauthorized movement of private data and personally identifiable information (PII) to limit reputational and financial risk.
Automazione del carico di lavoro nel cloud: principali software e casi d'uso
Businesses are increasing their flexibility while managing costs by adopting a hybrid cloud strategy. According to Statista, industries have increased their cloud workloads and had an uptick as a response to the COVID-19 pandemic.
Top 10 Migliori Pratiche e Studi di Caso per DLP Mobile
Employees access files, send emails, and use business apps on mobile devices such as smartphones and tablets, which creates new risks. Mobile devices often pose vulnerabilities for DLP software due to their portability, access to cloud systems, and various apps.
Confronta 50+ Strumenti AI Agent
We spent the last quarter testing AI agents across coding, customer service, sales, research, and business workflows. Not reading vendor marketing, actually using these tools daily to see what delivers and what does not. Most tools today are co-pilots, not autopilots.
Yönetim Danışmanlığının Geleceği: Yapay Zeka MBB'yi Bozacak mı?
Management consulting is one of the largest industries in the world with the industry leader McKinsey estimated to be making >$10 billion. McKinsey has survived numerous disruptions since its founding in 1926.
Avantaggi e Svantaggi dei Top 6 Alternative RPA da Considerare
Robotic Process Automation (RPA) is a beneficial technology that can automate up to 70-80% of rules-based processes. However, ~40% of companies fail to reach their expectations of cost reduction after RPA implementation.
Confronto degli Strumenti di Revisione del Codice AI
With the increased use of AI coding tools, codebases have become more prone to vulnerabilities, which increased the need for effective code reviews.
Intelligenza artificiale riproducibile: perché è importante e come migliorarla
La riproducibilità è un aspetto fondamentale dei metodi scientifici, che consente ai ricercatori di replicare un esperimento o uno studio e ottenere risultati coerenti utilizzando la stessa metodologia. Questo principio è altrettanto vitale nelle applicazioni di intelligenza artificiale (IA) e apprendimento automatico (ML), dove la capacità di riprodurre i risultati garantisce un'inferenza stabile in diversi ambienti di modellazione.
Newsletter AI Multiple
Una email gratuita a settimana con le ultime notizie tecnologiche B2B e approfondimenti di esperti per dare impulso alla tua azienda.