Cem Dilmegani
O trabalho de Cem no AIMultiple foi citado por publicações globais de destaque, incluindo Business Insider, Forbes, Morning Brew, Washington Post, empresas globais como HPE, ONGs como o Fórum Econômico Mundial e organizações supranacionais como a Comissão Europeia. [1], [2], [3], [4], [5]
Experiência profissional e conquistas
Ao longo de sua carreira, Cem atuou como consultor de tecnologia, comprador de tecnologia e empreendedor de tecnologia. Ele aconselhou empresas em suas decisões de tecnologia na McKinsey & Company e na Altman Solon por mais de uma década. Ele também publicou um relatório da McKinsey sobre digitalização.Ele liderou a estratégia de tecnologia e aquisições de uma empresa de telecomunicações, reportando-se ao CEO. Ele também liderou o crescimento comercial da empresa de tecnologia profunda Hypatos, que alcançou uma receita recorrente anual de 7 dígitos e uma avaliação de 9 dígitos partindo do zero em 2 anos. O trabalho de Cem na Hypatos foi coberto por publicações de tecnologia de destaque como TechCrunch e Business Insider. [6], [7]
Interesses de pesquisa
O trabalho de Cem concentra-se em IA empresarial e software.A experiência prática de Cem com software empresarial contribui para o seu trabalho. Outros analistas da indústria do AIMultiple e a equipe técnica apoiam Cem na concepção, execução e avaliação de benchmarks.
Formação acadêmica
Ele se formou como engenheiro de computação pela Universidade Bogazici em 2007. Durante sua graduação em engenharia, ele estudou aprendizado de máquina numa época em que era comumente chamado de "mineração de dados" e a maioria das redes neurais tinha poucas camadas ocultas.Ele possui um MBA pela Columbia Business School, obtido em 2012.
Cem é fluente em inglês e turco. Ele possui nível avançado em alemão e nível iniciante em francês.
Publicações externas
- Cem Dilmegani, Banco Pós-IA: Milhões de empregos em risco à medida que os bancos automatizam suas funções principais. International Banker.
- Cem Dilmegani, Bengi Korkmaz e Martin Lundqvist (1 de dezembro de 2014).Digitalização do setor público: O desafio de um trilhão de dólares, McKinsey & Company.
Mídia, conferências e outras apresentações em eventos
- Apresentado na American Variety Radio, respondendo às perguntas de Court Lewis sobre IAG em 25 de abril de 2026.
- Respondeu às perguntas da Korea24 sobre perda de empregos devido à IA em 5 de novembro de 2025. Gravação disponível em: Korea24
- Imóveis e Tecnologia, apresentado pelo Wilbur F. Breslin Center for Real Estate Studies da Universidade Hofstra e pela Frank G. Zarb School of Business em 2023 e 2024.
- Sessão Radar AI (22 de junho de 2023): "Aumentando o Impacto da Ciência de Dados com o ChatGPT".
- Encontro de IA Generativa de Atlanta: IA Generativa para Tecnologia Empresarial.
Fontes
- Por que Microsoft, IBM e Google estão intensificando esforços em ética de IA, Business Insider.
- Microsoft investe US$ 1 bilhão na OpenAI para buscar inteligência artificial que é mais inteligente que nós, Washington Post.
- Capacitando a Liderança em IA: Kit de Ferramentas para C-Suite de IA, Fórum Econômico Mundial.
- Desempenho de Ciência, Pesquisa e Inovação da UE, Comissão Europeia.
- Investimento de €200 bilhões da UE em IA injeta dinheiro em data centers, mas mercado de chips continua desafiador, IT Brew.
- Hypatos recebe US$ 11,8 milhões por abordagem de aprendizado profundo para processamento de documentos, TechCrunch.
- Tivemos uma visão exclusiva do pitch deck que a startup de IA Hypatos usou para levantar US$ 11 milhões, Business Insider.
Últimos artigos de Cem
Comparar Modelos de Visão Grandes: GPT-4o vs YOLOv8n
Modelos de visão grandes (LVMs, na sigla em inglês) podem automatizar e melhorar tarefas visuais como deteção de defeitos, diagnóstico médico e monitorização ambiental. Avaliámos três modelos de deteção de objetos: YOLOv8n, DETR e GPT-4o Vision, em 1000 imagens cada, medindo métricas como mAP@0.5, velocidade de inferência, FLOPs e número de parâmetros. Para garantir uma…
LLM Motores de Inferência: vLLM vs LMDeploy vs SGLang
Avaliamos o desempenho de 3 dos principais motores de inferência de LLM em NVIDIA H100: vLLM, LMDeploy e SGLang. Cada motor processou cargas de trabalho idênticas: 1.000 prompts do ShareGPT usando Llama 3.1 8B-Instruct para isolar o verdadeiro impacto de desempenho das suas escolhas arquiteturais e estratégias de otimização. Medimos a taxa de transferência em…
Agentes de Uso de Computador: Benchmark & Arquitetura
Agentes de uso de computador prometem operar desktops reais e aplicativos web, mas seus designs, limitações e compensações muitas vezes não são claros. Examinamos sistemas líderes decompondo como funcionam, como aprendem e como suas arquiteturas diferem. Também referenciamos um benchmark focado de ancoragem de UI em 100 capturas de tela de desktop, abrangendo 4 tipos…
Agentes de IA Móvel Testados em 65 Tarefas do Mundo Real
Passamos 3 dias fazendo benchmark de quatro agentes de IA móvel (DroidRun, Mobile-Agent, AutoDroid e AppAgent) em 65 tarefas do mundo real usando um emulador Android com aplicativos como gerenciamento de calendário, criação de contatos, captura de fotos, gravação de áudio e operações de arquivo. Veja os resultados do benchmark, incluindo comparação de desempenho do…
Benchmark de OCR de Faturas: Precisão de Extração de LLMs vs OCRs
O processamento de faturas é uma operação de negócio crítica, mas trabalhosa, que tradicionalmente requer extração de dados manual e inserção em sistemas de contabilidade. Esta abordagem manual é demorada e suscetível a erros humanos. Para avaliar alternativas automatizadas, realizámos uma análise comparativa das principais soluções de processamento de documentos e LLMs: O nosso estudo…
MCP Benchmark: Principais Servidores MCP para Acesso à Web
Avaliámos 8 MCP servidores em tarefas de pesquisa e extração web, bem como automação de navegador, executando 4 tarefas diferentes 5 vezes em todos os MCPs adequados. Também realizámos um teste de carga envolvendo 250 agentes de IA simultâneos. *As tarefas de pesquisa e extração web são executadas com o servidor MCP padrão do Bright…
Top 15 Plataformas e Bibliotecas de IA de Código Aberto
Implementar o seu próprio modelo de IA ou, em alguns casos, fazer o fine-tuning de modelos pré-existentes traz vários desafios: As plataformas de código aberto que oferecem APIs unificadas ajudam a enfrentar estes desafios ao permitir a implementação em múltiplas nuvens e otimizar a gestão de recursos de GPU. Abaixo, listamos 15 exemplos de plataformas/bibliotecas…
Compare Google Dialogflow e Seus Concorrentes
Gigantes da tecnologia como Google, IBM, Microsoft, Amazon e Facebook estão a investir em IA conversacional para permitir que os programadores criem chatbots facilmente. Estes chatbots com IA podem automatizar várias tarefas rotineiras, como enviar e-mails, procurar informações em motores de pesquisa, etc. Reunimos informações essenciais sobre o Google Dialogflow e comparámo-lo com os seus…
AutoSys: Principais Recursos e Insights dos Usuários
O interesse no AutoSys da Broadcom está em declínio (Fonte: Google Trends) e ele tem uma classificação média mais baixa em plataformas de revisão em comparação com a maioria das outras ferramentas de automação de workload. Isso pode ser parcialmente explicado por: Mergulhe nas capacidades do AutoSys, avaliações dos usuários e perspectivas para saber mais:…
Wu Dao 3.0: A Versão Chinesa do GPT-5
Quando os EUA cortaram o acesso da China a chips avançados, a Academia de Inteligência Artificial de Pequim enfrentou uma escolha: reclamar das restrições ou contorná-las. Eles escolheram a segunda opção. Wu Dao 3.0, lançado em julho de 2023, descarta o manual de instruções. Sem modelos massivos de trilhões de parâmetros competindo por manchetes. Em…
Boletim informativo AIMultiple
Receba um e-mail gratuito por semana com as últimas notícias de tecnologia B2B e insights de especialistas para impulsionar o seu negócio.