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
Análise dos 4 Principais NGFWs de Código Aberto Baseada em Recursos
Equipes que usam NGFWs, segurança orientada por IA e automação economizam ~$2M a mais do que aquelas que usam ferramentas tradicionais. Veja o NGFW de código aberto como uma solução de segurança de rede econômica para segurança abrangente: Tabela 1. Principais recursos Para detalhes dos principais recursos dos NGFWs de código aberto e sua importância,…
Top 10 Ferramenta e Aplicações de Reconhecimento de Voz
Se você já usou assistentes virtuais como Alexa, Cortana ou Siri, provavelmente está familiarizado com reconhecimento de fala e IA conversacional. Esta tecnologia permite que os usuários interajam com dispositivos por meio de comandos verbais, convertendo consultas faladas em texto legível por máquina. Explore os 10 principais usos da tecnologia de reconhecimento de voz em…
IA Sem Código: Benefícios, Setores e Principais Diferenças
As ferramentas de IA sem código permitem que os utilizadores criem, treinem ou implementem aplicações de IA sem escrever código. Estas plataformas geralmente baseiam-se em interfaces de arrastar e largar, prompts de linguagem natural, assistentes de configuração guiada ou construtores visuais de fluxos de trabalho. Esta abordagem reduz a barreira de entrada e torna o…
RAG Ferramentas de Avaliação: Weights & Biases vs Ragas vs DeepEval
Quando um pipeline de RAG recupera o contexto errado, o LLM gera confiantemente a resposta errada. Os avaliadores de relevância de contexto são a principal defesa. Comparamos cinco ferramentas em 1.460 perguntas e mais de 14.600 contextos pontuados sob condições idênticas: mesmo modelo juiz (GPT-4o), configurações padrão e sem prompts personalizados. Em condições padrão, WandB,…
Benchmark de Fala para Texto: Deepgram vs. Whisper
Nós realizamos um benchmark dos principais provedores de fala para texto (STT), com foco específico em aplicações de saúde. Nosso benchmark utilizou exemplos reais para avaliar a precisão da transcrição em contextos médicos, onde a exatidão é crucial. Com base nos resultados da taxa de erro de palavra (WER) e da taxa de erro de…
Navegadores Remotos: Infraestrutura Web para Agentes de IA Comparada
Os agentes de IA dependem de navegadores remotos para automatizar tarefas web sem serem bloqueados por medidas anti-scraping. O desempenho desta infraestrutura de navegador é fundamental para o sucesso de um agente. Avaliámos 8 fornecedores quanto à taxa de sucesso, velocidade e funcionalidades. Para isso, executámos 160 tarefas automatizadas, executando 4 cenários distintos 5 vezes…
Os 10 Melhores Web Crawlers Open Source para LLM e IA
Os avanços recentes na IA generativa remodelaram o que os desenvolvedores precisam dos web crawlers. Os crawlers agentivos agora usam prompts em linguagem natural para selecionar links em vez de regras fixas e produzem markdown nativamente eficiente em tokens. Ao mesmo tempo, os frameworks clássicos para crawling em lote de grande escala permanecem insubstituíveis para…
Top 15+ Empresas de Dados como Serviço
Dados como Serviço (DaaS) é um modelo de nuvem que fornece dados sob demanda, geralmente por assinatura. Permite que uma empresa compre os conjuntos de dados de que precisa sem coletar e armazenar os dados por conta própria. Veja as principais empresas de dados como serviço e os tipos de dados que elas fornecem, os…
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…
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.