Cem Dilmegani
Experiência profissional e conquistas
Ao longo de sua carreira, Cem atuou como consultor de tecnologia, comprador de tecnologia e empreendedor de tecnologia. Ele assessorou empresas em suas decisões tecnológicas na McKinsey & Company e na Altman Solon por mais de uma década. Ele também publicou um relatório da McKinsey sobre digitalização. Liderou a estratégia de tecnologia e a aquisição de uma empresa de telecomunicações, reportando-se ao CEO. Ele também liderou o crescimento comercial da empresa de tecnologia avançada Hypatos, que atingiu uma receita recorrente anual de 7 dígitos e uma avaliação de 9 dígitos partindo de zero em 2 anos. O trabalho de Cem na Hypatos foi noticiado por importantes publicações de tecnologia como TechCrunch e Business Insider. [6], [7]Interesses de pesquisa
O trabalho de Cem concentra-se em como as empresas podem aproveitar as novas tecnologias em IA, IA agente, cibersegurança (incluindo segurança de rede e segurança de aplicações) e dados, incluindo dados da web. A experiência prática de Cem com software empresarial contribui para o seu trabalho. Outros analistas da AIMultiple e a equipe técnica apoiam Cem na concepção, execução e avaliação de benchmarks.Educação
Ele se formou em Engenharia da Computação pela Universidade Bogazici em 2007. Durante sua graduação, estudou aprendizado de máquina na época em que era comumente chamado de "mineração de dados" e a maioria das redes neurais possuía algumas camadas ocultas. Possui um MBA pela Columbia Business School, obtido em 2012. Cem é fluente em inglês e turco. Seu nível de alemão é avançado e seu nível de francês é iniciante.Publicações externas
- Cem Dilmegani, Bancos pós-IA: milhões de empregos em risco com a automação das funções essenciais dos bancos . 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, apresentações em conferências e outros eventos
- Respostas às perguntas da Korea24 sobre a perda de empregos devido à IA, Korea24
- Imóveis e Tecnologia , apresentado pelo Centro Wilbur F. Breslin de Estudos Imobiliários e pela Escola de Negócios Frank G. Zarb da Universidade Hofstra 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 em Atlanta: IA Generativa para Tecnologia Empresarial .
Fontes
- Por que Microsoft, IBM e Google estão intensificando seus esforços em ética de IA , Business Insider.
- A Microsoft investe US$ 1 bilhão na OpenAI para desenvolver inteligência artificial mais inteligente do que nós , Washington Post.
- Fortalecendo a Liderança em IA: Kit de Ferramentas de IA para Executivos de Alto Nível , Fórum Econômico Mundial.
- Desempenho da UE em Ciência, Investigação e Inovação , Comissão Europeia.
- O investimento de 200 mil milhões de euros da UE em IA injeta dinheiro nos centros de dados, mas o mercado de chips continua a ser um desafio , IT Brew.
- Hypatos recebe US$ 11,8 milhões por uma abordagem de aprendizado profundo para processamento de documentos , TechCrunch.
- Conseguimos um olhar exclusivo sobre a apresentação que a startup de IA Hypatos usou para levantar US$ 11 milhões , Business Insider.
Últimos artigos de Cem
LLM Motores de Inferência: vLLM vs LMDeploy vs SGLang
We benchmarked 3 leading LLM inference engines on NVIDIA H100: vLLM, LMDeploy, and SGLang. Each engine processed identical workloads: 1,000 ShareGPT prompts using Llama 3.1 8B-Instruct to isolate the true performance impact of their architectural choices and optimization strategies.
Principais 5 Ferramentas de Monitoramento de Banco de Dados de Código Aberto
Commercial database monitoring tools often promise polished interfaces and dedicated enterprise support. Open-source solutions are increasingly chosen for their transparency, cost-effectiveness, community-driven development, and flexibility.
LCMs: Da Tokenização de LLM para a Representação em Nível de Conceito
Large concept models (LCMs), as introduced by Meta in their work on “Large Concept Models,” represent a fundamental shift away from token-based prediction toward concept-level representation.
Modelos de Linguagem Visual Comparados ao Reconhecimento de Imagem
Can advanced Vision Language Models (VLMs) replace traditional image recognition models? To find out, we benchmarked 16 leading models across three paradigms: traditional CNNs (ResNet, EfficientNet), VLMs ( such as GPT-4.1, Gemini 2.5), and Cloud APIs (AWS, Google, Azure).
As 7 Camadas da Pilha de IA Agêntica
The rise of agentic AI has introduced a technology stack that extends well beyond simple calls to foundation-model APIs. Unlike traditional software stacks, where value often concentrates at the application tier, the agentic AI stack distributes value more unevenly. Some layers offer strong opportunities for differentiation and moat building, while others are rapidly becoming commoditized.
Malha Agêntica: O Futuro da Colaboração Escalável de IA
While much has been written about agent architectures, real-world production-grade implementations remain limited. This piece highlights the agentic AI mesh, a concept introduced in a recent McKinsey. We will examine the challenges that emerge in production environments and demonstrate how our proposed architecture enables controlled scaling of AI capabilities.
Otimizando a Codificação Agêntica: Como Usar Claude Code?
AI coding tools have become indispensable for many development tasks. In our tests, popular AI coding tools like Cursor have been responsible for generating over 70% of the code required for tasks.
MCP Benchmark: Top MCP Servers for Web Access
We benchmarked 8 MCP servers across web search and extraction, as well as browser automation tasks, by running 4 different tasks 5 times on all suitable MCPs. We also performed a load test involving 250 concurrent AI agents.
Principal Banco de Dados Vetorial para RAG: Qdrant vs Weaviate vs Pinecone
Vector databases power the retrieval layer in RAG workflows by storing document and query embeddings as high‑dimensional vectors. They enable fast similarity searches based on vector distances.
Principais Ferramentas de Reconhecimento de Imagem Comparadas
We evaluated the real-world performance of top cloud image recognition tools for object detection tasks by benchmarking their default API configurations across 5 classes using 100 images. This included contrasting performances, analyzing features, and comparing service offerings in relation to pricing. Benchmark Results Performance overview at IoU=0.
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.