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
10 Casi d'uso dell'AI negli acquisti e studi di caso
As the benefits of artificial intelligence (AI) are appreciated by a greater audience, the number of AI use cases in different industries expand daily. AI in the procurement sector is no different.
App AI con MCP Benchmark & Tutorial sulla Memoria
We tested four Model Context Protocol (MCP) memory servers to measure which ones actually retain and retrieve context across AI agent sessions. Using LangChain’s ReAct Agent, we connected each server, ran standardized multi-session conversations, and scored them on memory operation accuracy.
Kullanıcılar Sentetik Açıklandı: En İyi 7 AI Kullanıcı Araştırma Aracı
Traditional user research takes weeks: recruiting participants, scheduling sessions, and manually coding transcripts. Synthetic user platforms compress that timeline to hours by generating AI-driven personas you can interview, survey, and test against without the logistics.
İlk 7 Açık Kaynak DLP Yazılımı
While open-source DLP software offers viable solutions for data protection, larger enterprises often turn to closed-source DLP software solutions for enhanced centralized key management and cloud-native deployment options. Below are the top five open-source DLP tools, evaluated for detection accuracy, deployment complexity, and community support.
İlk 20 RPA SAP Kullanım Durumu ve Örnekleri
SAP is one of the oldest and most valuable ERP systems, with ~ €31 billion in revenue. Though an ERP suite offering automation in many areas, most SAP processes are manual and repetitive, such as accounting processes, transaction management, and reporting.
Belgelendirme Test Otomasyonu ile En İyi Uygulamalar
Test automation is vital for ensuring the quality and reliability of applications in software testing and development. Businesses and QA teams are transitioning from manual testing to automation testing as it can: What often goes overlooked is the role of effective documentation in maximizing the benefits of test automation.
En İyi 6 Açık Kaynak Hassas Veri Keşif Aracı
The following tools are selected based on GitHub activity and sorted by GitHub star count in descending order. They cover the main use cases for sensitive data discovery: metadata cataloging with lineage, agentless scanning, and API-based detection of PII, PCI data, and credentials at rest. Read more: Sensitive data discovery & classification tools, DLP software.
I 25 principali casi d'uso dei dati sintetici
Synthetic data is gaining widespread popularity and applicability across industries, including machine learning, deep learning, and generative AI (GenAI). Synthetic data offers solutions to challenges such as data privacy concerns and limited dataset sizes. It is estimated that synthetic data will be preferred over real data in AI models by 2030.
Python RPA: 7 Kullanım Senaryosu Geliştiriciler İçin
The intersection of robotic process automation (RPA) and Python can revolutionize the intelligent automation landscape. Even though the global RPA market is valued at USD 28 billion in 2025 and is estimated to grow from USD 35.27 billion in 2026 to approximately USD 247 billion by 2035, between 30% and 50% of RPA projects fail.
Strumenti Low/No-Code per Agenti AI: n8n, make, Zapier
Low- and no-code AI agent builders let users create automated, AI-driven workflows without writing complex code, making agent development faster and accessible to non-technical teams.
Newsletter AI Multiple
Una email gratuita a settimana con le ultime notizie tecnologiche B2B e approfondimenti di esperti per dare impulso alla tua azienda.