İş Verimliliğini Artırmak İçin En İyi 5 Yapay Zeka Hizmeti

Yapay zekâ kullanımı hızla artıyor. Şirketlerin yaklaşık %98'i yapay zekâ ile denemeler yapıyor; bu da yapay zekânın artan erişilebilirliğini ve operasyonları iyileştirme potansiyelini yansıtıyor. Ancak şirketlerin sadece %26'sı denemelerin ötesine geçerek ölçülebilir iş değeri elde etmiş durumda; bu da birçok şirketin yapay zekâyı etkili bir şekilde ölçeklendirmek için gereken yetenekleri hala geliştirmekte olduğunu gösteriyor. ¹

İşletmenizin yapay zekâ benimseme yolculuğunu hızlandırabilecek en iyi 5 yapay zekâ hizmeti türünü keşfedin.

1. Hizmet Olarak Yapay Zeka (AIaaS)

Hizmet Olarak Yapay Zeka (AIaaS), kuruluşlara özel altyapı gerektirmeden veya veri bilimcisi işe almadan yapay zeka yetenekleri sunan bulut tabanlı bir modeldir. API'ler, web arayüzleri ve sohbet arayüzleri aracılığıyla yapay zeka sistemlerinin ve modellerinin entegrasyonunu sağlar. Bu, yapay zeka yolculuğunu basitleştirir ve makine öğrenimi ve üretken yapay zeka çözümlerinin ölçeklenebilir bir şekilde benimsenmesini destekler.

AIaaS, işletmelerin iş hedefleriyle uyumlu yapay zeka uygulamaları oluşturmak ve dağıtmak için kapsamlı bir platformdan yararlanmalarını sağlayarak, daha düşük giriş engelleriyle daha hızlı değer elde etme olanağı sunar.

Konuşma Yapay Zekası / Doğal Dil İşleme (NLP)

Bu hizmetler, iletişimi geliştirmek ve iş akışlarını otomatikleştirmek için doğal dil teknolojilerini kullanmaktadır:

• Yapay zekâ destekli sohbet robotları /konuşma asistanları : Metin veya ses yoluyla müşteri desteği, dahili sorular ve görev otomasyonunu yöneten dijital asistanlar.
• Metin analizi : Duygu analizi , konu modelleme ve varlık tanıma yöntemlerini kullanarak yapılandırılmamış metinlerden içgörüler çıkarır.
• Konuşmadan metne dönüştürme : Konuşulan dili metne çevirerek yazıya dönüştürme, komut yürütme ve erişilebilirlik sağlar.
• Metinden sese dönüştürme : Metni insan sesine benzer konuşmaya dönüştürerek IVR sistemlerini destekler ve erişilebilirliği artırır.

Bilgisayar görüşü

Bilgisayarla görme yetenekleri, iş bağlamlarında görsel verilerin yorumlanmasını geliştirir:

• Duygu tespiti : Müşteri deneyimi ve ruh sağlığı uygulamaları için önemli olan duygusal durumları belirlemek amacıyla yüz ifadelerini analiz eder.
• Görüntü tanıma : Perakende , güvenlik ve teşhis alanlarında kullanılan, görüntülerdeki nesneleri, sahneleri veya metinleri algılar ve sınıflandırır.
• Video analizi : Gözetim, medya ve spor alanlarında olayları veya davranışları izlemek içinvideo içeriğini izler ve yorumlar.

Belge anlama

Bu araçlar belge işleme süreçlerinde verimliliği ve doğruluğu artırır:

• Belge veri çıkarma : Faturalar ve sözleşmeler gibi belgelerden metin ve temel alanları çıkarmak için Optik Karakter Tanıma ( OCR ) ve Doğal Dil İşleme (NLP) kullanır, böylece otomasyon ve uyumluluk sağlanır.

Analitik çözümler

İş verilerine uygulanan yapay zeka sistemleri, tahmin yapmayı ve anormallik tespitini mümkün kılar:

• Talep tahmini : Müşteri talebini tahmin etmek ve stokları optimize etmek için geçmiş veriler üzerinde makine öğrenimi kullanır.
• Dolandırıcılık tespiti : Dolandırıcılık faaliyetlerini tespit etmek için finansal verilerdeki düzensiz kalıpları belirler.
• Öneri sistemleri : Kullanıcı davranışına ve kendi verilerine dayanarak içerik veya ürün önererek etkileşimi artırır.

Diğer hizmetler

Daha geniş kurumsal kullanım senaryolarını destekleyen ek yapay zeka yetenekleri:

• Bilgi haritalama : Keşfedilebilirliği artırmak ve karar verme süreçlerini desteklemek amacıyla sistemler genelindeki verileri düzenler.
• Tahminleyici modelleme : İş sonuçlarını tahmin etmek için yapay zeka modellerini kullanarak geçmişe ait kalıpları analiz eder.
• Güvenlik çözümleri : Tehditleri tespit eden, yanıtları otomatikleştiren ve dijital varlıkları koruyan yapay zeka destekli araçlar.
• Otomatik kod incelemesi : Yazılım kodunu güvenlik açıkları, verimsizlikler ve standartlara uygunluk açısından değerlendirerek kalite ve güvenliği artırır.

AIaaS, kuruluşların birden fazla alanda yapay zeka sistemlerini keşfetmelerini, geliştirmelerini ve ölçeklendirmelerini sağlar. Üretken yapay zeka modellerine, temel modellere ve göreve özgü çözümlere erişim sağlayarak, bu platformlar müşteri deneyimlerinde, operasyonel verimlilikte ve iş sonuçlarında gerçek sonuçlar elde edilmesini destekler.

En iyi 11 AIaaS sağlayıcısı

Notlar:

• Seçilen sağlayıcılar, doğal dil işleme (NLP), bilgisayar görüşü, makine öğrenimi, derin öğrenme ve konuşmadan metne dönüştürme dahil olmak üzere geniş bir yelpazede yapay zeka hizmeti sunmaktadır. Bu sayede, basit otomasyon ve tahmine dayalı analizden, üretken yapay zeka ve model eğitimi gibi gelişmiş uygulamalara kadar çeşitli kullanım durumlarını destekleyebilmektedirler.
• Tüm sağlayıcılar bulut tabanlı olup, API'ler veya platformlar aracılığıyla erişilebilen ölçeklenebilir ve esnek çözümler sunmaktadır. Hem model eğitimi ve özelleştirme araçlarıyla geliştiricilere, hem de kullanıma hazır çözümler, entegrasyon seçenekleri ve gelişmiş güvenlik özellikleriyle işletmelere hizmet vermektedirler.

AIaaS'te makine öğrenimi

Yapay zekanın temel bileşenlerinden biri olan makine öğrenimi, modellerin geçmiş verilerden öğrenmesini, tahminleri iyileştirmesini ve zaman içinde uyum sağlamasını mümkün kılar. AIaaS ekosistemi içinde şirketler, kendi verilerini kullanarak yapay zeka modellerini eğitebilir ve ince ayar yapabilir, böylece çözümlerin kendi özel iş bağlamlarıyla uyumlu olmasını sağlayabilirler.

2. Özel Yapay Zeka Geliştirme

Özel olarak geliştirilmiş üretken yapay zeka modelleri, temel modeller ve akıllı ajanlar, kurumsal uygulamalardan mobil hizmetlere kadar çeşitli sektörleri desteklemek için giderek daha fazla kullanılmaktadır.

Yapay zekâ kullanımına yönelik artan ilgiye rağmen, zorluklar devam etmektedir. IBM raporuna göre (Bkz. Şekil 1), yapay zekâ kullanımını engelleyen zorluklardan biri, modelleri özelleştirmek için yeterli özel verinin bulunmamasıdır.

Hazır yapay zeka sistemlerinin bulunmadığı veya şirketinizin ihtiyaçlarını karşılamadığı durumlarda özel bir çözüm geliştirmek gerekebilir. Bu durumda, şirket içinde bir çözüm üretebilir veya dış kaynak ortaklarından destek alabilirsiniz.

Doğru seçim şunlara bağlıdır:

• İşletmenizin yapay zeka yetenekleri.
• Çalışanlarınızın veri bilimi bilgisi.
• Projenin bütçesi.
• Verilerin sahipliği.
• Verilerinizin gizliliğine ilişkin gereksinimler.

Şekil 1: Yapay zekânın benimsenmesinde karşılaşılan en büyük 5 zorluk. ²

2.1 Ajan Tabanlı Yapay Zeka Hizmetleri

Özel yapay zeka geliştirme, giderek bağımsız modeller oluşturmanın ötesine geçerek, iş süreçleri içinde otonom olarak çalışabilen sistemlere doğru genişliyor. Ajan tabanlı yapay zeka sistemleri, yapay zekanın kullanıcı niyetini yorumlamasını, uygun araçları seçmesini ve sınırlı insan müdahalesiyle çok adımlı eylemleri gerçekleştirmesini sağlıyor.

Uygulamaya bağlı olarak, bu sistemler farklı hizmet yaklaşımlarıyla sunulabilir. Daha basit ajan tabanlı kurulumlar, önceden tanımlanmış sıraları izleyen yapılandırılabilir, iş akışına dayalı ajanlara dayanırken, daha gelişmiş mimariler araçlara dinamik olarak erişir, etkileşimler boyunca bağlamı korur ve geri bildirime göre çıktıları revize eder.

Daha otonom ajan sistemleri, özellikle yüksek etkili veya belirsiz görevlerde uyarlanabilirliği ve kendi kendini düzeltmeyi desteklemek için geri bildirim döngüleri, araç keşfi ve insan müdahalesi gerektiren onaylar gibi kontrol mekanizmalarını bünyesine katmaktadır.

Pratikte, ajan tabanlı yapay zeka hizmetleri verimlilik otomasyonu, planlama, iletişim yönetimi ve bilgi organizasyonunda kullanılmaktadır. Bu kullanım örnekleri, özel yapay zeka geliştirmenin bireysel görevleri otomatikleştirmekten, uygulamalar ve veri kaynakları arasında eylemleri koordine eden sistemler oluşturmaya doğru bir kaymayı göstermektedir.

Kişisel yapay zeka ajanları hakkında bilgi edinmek ve bu araçları nasıl oluşturacağınızı ve kullanacağınızı öğrenmek için ilgili makaleyi okuyun.

3. Dahili yapay zeka geliştirmeyi mümkün kılan hizmetler

Yapay zekâ yolculuklarında ilerlemeyi hedefleyen kuruluşlar, yapay zekâ modellerinin geliştirilmesini, dağıtımını ve yönetimini kolaylaştıran destek hizmetlerine ihtiyaç duyarlar.

Bu hizmetler, yapay zeka yeteneklerinin şirket içinde entegre edilmesine, yapay zeka yaşam döngüsünün optimize edilmesine ve yapay zeka çalışmalarının daha geniş iş hedefleriyle uyumlu hale getirilmesine yardımcı olur.

3.1. Danışmanlık

Şirketiniz yapay zekâ konusunda yeniyse ve yapay zekâ dönüşümüne önemli ölçüde yatırım yapabiliyorsa, yapay zekâ danışmanları ile çalışmayı düşünebilirsiniz. Yapay zekâ projeleri zorluklarla dolu olduğundan, piyasadaki yapay zekâ danışmanlarının deneyimi, yaygın hatalardan kaçınmanıza ve veri kümesindeki önyargıyı azaltmak gibi en iyi uygulamaları uygulamanıza yardımcı olabilir.

Yapay zeka danışmanlık hizmetleri şunları içerir:

• Şirketinizin yapay zeka dönüşümünün olgunluk düzeyini değerlendirmek.
• Yapay zekâ sistemlerinin veya makine öğreniminin değer yaratabileceği alanların belirlenmesi.
• Yeni pilot ürün/hizmetlerin piyasaya sürülmesi için bir yapay zeka stratejisi oluşturmak.
• Yapay zeka çözümleri geliştirmek.
• Çalışanlarınızı yaklaşmakta olan yapay zeka teknolojisi uygulamalarına hazırlayın.

3.2. Kamu sektörü yapay zeka hizmetleri

Kamu sektörü kuruluşları, özel işletmelere kıyasla daha sıkı düzenleyici ve hesap verebilirlik gereklilikleri altında faaliyet gösterirken, operasyonlarını modernize etmek ve hizmet sunumunu iyileştirmek için yapay zeka hizmetlerinden giderek daha fazla yararlanmaktadır. Sonuç olarak, kamu kurumlarında yapay zeka benimsenmesi genellikle yönetişim çerçeveleri, etik kurallar ve uygulama yol haritaları oluşturan danışmanlık hizmetleriyle başlar.

Kamu kurumları ayrıca şeffaflık ve mevzuat uyumluluğuna odaklanarak, yapay zeka hizmetlerini belge işleme, dava önceliklendirme, vatandaş etkileşimi ve iç karar destek sistemlerinde de kullanmaktadır.

3.3. Yapay Zeka Yeteneklerinin İşe Alınması

Yapay zekâ uzmanlığına olan talep arttıkça, rekabet gücünü korumak için yapay zekâ yeteneklerini işe almak hayati önem kazanmıştır. İşletmeler, profesyonel arzının sınırlı olması nedeniyle yetenekli veri bilimcileri ve yapay zekâ mühendisleri bulmakta zorluk çekmektedir.

• Talep üzerine işe alım hizmetleriyle ortaklık kurmak : Şirketler, önceden değerlendirilmiş yapay zeka ve veri bilimi uzmanlarına erişmek için uzmanlaşmış işe alım firmalarıyla iş birliği yaparlar.
• Esnek işe alım modelleri : Dinamik proje ihtiyaçlarını karşılamak için tam zamanlı çalışanlar ve sözleşmeli uzmanlardan oluşan bir karışımı içerir.

Bu yaklaşım, maliyetleri kontrol altında tutarken ve uzmanlaşmış becerilere erişimi artırırken yapay zeka yeteneklerinin hızla ölçeklendirilmesini desteklemektedir.

3.4. Veri toplama

Yüksek kaliteli veriler, etkili yapay zeka modellerinin eğitilmesi için kritik öneme sahiptir. Üretken yapay zeka modelleri ve büyük ölçekli makine öğrenimi uygulamaları için veri kümeleri geliştirmek genellikle kapsamlı çaba gerektirir.

• Veri toplama sağlayıcılarıyla çalışma : İşletmeler, alan ve görev odaklı veri kümeleri oluşturan satıcılarla iş birliği yapar.
• Uygunluk ve ölçeklenebilirliğin sağlanması : Hizmetler, iş bağlamına uyacak şekilde tasarlanmıştır ve güvenilir model performansı için gereken hacim ve çeşitliliği sağlar.

Bu hizmetler, özellikle eğitim verilerinin model doğruluğunu ve adaletini etkilediği doğrusal olmayan modellerin (LLM) geliştirilmesinde son derece değerlidir.

3.5. RLHF (İnsan Geri Bildiriminden Destekli Öğrenme) hizmetleri

RLHF, daha geniş bir yelpazeye yayılan pekiştirmeli öğrenme (RL) yaklaşımıdır. RLHF'de, çevreden gelen olağan ödüller, insanlardan elde edilen geri bildirimlerle birleştirilir veya bunların yerini alır. Bu, gerçek dünyadan ödül elde etmenin pratik olmadığı veya çok pahalı olduğu durumlarda özellikle faydalı hale gelir.

RLHF ortağıyla çalışmak, işletmelere insan geri bildirimiyle modelleri eğitmek için standartlaştırılmış iş akışları sunar. RLHF ortağı, insan içgörülerini makine öğrenimiyle entegre etme konusunda uzmanlığa sahiptir ve yapay zeka sistemlerinin daha güvenli, etik ve incelikli insan değerleriyle uyumlu bir şekilde eğitilmesini sağlar.

İşletmeler , uzmanlaşmış bir ortakla iş birliği yaparak, zorlu öğrenme süreçlerinden geçmeden bu hibrit eğitim yaklaşımından yararlanabilir, yapay zeka projelerinin zaman çizelgelerini hızlandırabilir ve daha güvenilir ve insan odaklı sonuçlar elde edebilirler.

RLHF yüksek düzeyde insan müdahalesi gerektirdiğinden, hizmet sağlayıcılar genellikle bu hizmeti, geniş bir çalışan ağının mikro görevler şeklinde RLHF yürüttüğü bir kitle kaynak platformu aracılığıyla sunarlar.

3.6. Veri etiketleme

Birçok yapay zeka sisteminin temel bileşeni olan denetimli öğrenme, eğitim için doğru etiketlenmiş verilere dayanır. Etiketlenmiş veri kümeleri oluşturmak için çeşitli yaklaşımlar kullanılır:

• Kurum içi geliştirme : Veri etiketlemesi, şirkete özgü standartlar kullanılarak dahili ekipler tarafından gerçekleştirilir.
• Dış kaynaklı çalışanlar : Harici yükleniciler, ayrıntılı yönergeler doğrultusunda verileri etiketler.
• Veri etiketleme ajansları : Alanında uzmanlaşmış firmalar, ölçeklenebilir veri etiketleme hizmetleri sunmaktadır.
• Kitlesel kaynak kullanımı : Dağıtılmış bir iş gücü, daha az uzmanlık gerektiren görevler için uygun olan, büyük ölçekte açıklamalar sağlar.

Her yöntem, yapay zeka yaşam döngüsünün farklı aşamalarını destekler ve kalite kontrolü, ölçeklenebilirlik ve maliyet açısından farklılık gösterir.

3.7. Veri bilimi yarışmaları

Kuruluşlar, model geliştirme süreçlerini iyileştirmek için veri bilimi yarışmalarından yararlanabilirler:

• Kitlesel katılımla model oluşturma : Yarışmalar, tanımlanmış yapay zeka problemlerini çözmek için geliştiricileri ve veri bilimcilerini bir araya getiriyor.
• İç ekipler için operasyonel odak noktası : İç ekipler, modelleri sıfırdan oluşturmak yerine, modelleri dağıtmaya ve sürdürmeye odaklanabilirler.

Bu model inovasyonu destekler, uygulama süresini kısaltır ve dış uzmanlığa erişimi genişletir.

3.8. Yapay Zeka / Çok Katmanlı İşlem Platformları

Yapay zeka ve MLOps platformları, yapay zeka uygulamalarının geliştirilmesini, dağıtımını ve yönetimini sağlar:

• Büyük ölçekte model oluşturma ve dağıtım : Bu platformlar, veri hazırlığından model izlemeye kadar iş akışlarını otomatikleştirir.
• Mevcut sistemlerle entegrasyon : Deneysel modellerden üretime hazır yapay zeka ürünlerine daha hızlı geçişi destekler.
• Sorumlu yapay zekâya destek : Önyargı tespiti, denetlenebilirlik ve performans takibi için araçlar sağlar.

Yapay zeka/çok katmanlı operasyon (AI/MLOps) platformları, yapay zeka modellerini operasyonel hale getirerek, gecikmeyi azaltarak ve yapay zeka girişimlerinde verimliliği artırarak gerçek sonuçlar elde edilmesini sağlar.

4. Yapay zeka donanımı ve altyapı hizmetleri

Yapay zekâ ve makine öğrenimi modelleri karmaşıklık ve boyut olarak büyüdükçe, özel donanım ve altyapıya olan talep de önemli ölçüde artmıştır. Derin sinir ağlarının eğitilmesi, pekiştirmeli öğrenme için simülasyonların yürütülmesi veya milyonlarca tahminin gerçek zamanlı olarak sunulması gibi işlemlerin hesaplama gereksinimleri, geleneksel donanımın yeteneklerini aşmıştır.

4.1. Özel donanım türleri:

• GPU'lar (Grafik İşlem Birimleri): Başlangıçta grafik oluşturma için kullanılan GPU'lar, paralel işlem yetenekleriyle yapay zekayı destekliyor ve sinir ağları hesaplamaları için ideal hale geliyor.
• TPU'lar (Tensor İşleme Birimleri): Derin öğrenme için tasarlanmış olan Google'in ASIC'leri, daha hızlı ve verimli sinir ağı performansı için tensor işlemlerini optimize eder.
• FPGA'lar (Alan Programlanabilir Kapı Dizileri): Üretim sonrası yeniden yapılandırılabilen FPGA'lar, GPU esnekliği ve TPU uzmanlığını dengeleyerek yapay zeka eğitimi ve çıkarımını destekler.

4.2. Yapay zekâya özgü altyapı ve yönetilen yapay zekâ hesaplama

Yapay zekâ iş yüklerinin ölçeği ve operasyonel karmaşıklığı arttıkça, bireysel donanım kaynaklarının sağlanmasına odaklanan geleneksel altyapı modellerinin verimli bir şekilde yönetilmesi zorlaşıyor. Buna karşılık, altyapı hizmetleri giderek yapay zekâ sistemlerinin eğitimi, dağıtımı ve işletimi için özel olarak tasarlanmış yapay zekâya özgü dağıtım modellerine daha fazla önem veriyor.

Bu hizmetler tipik olarak hızlandırıcılar, optimize edilmiş çıkarım ortamları ve yapay zeka için optimize edilmiş bulut bölgelerine yönetilen erişim sağlar ve donanım düzenlemesi, ölçeklendirme ve kullanılabilirlik sorumluluğunu hizmet sağlayıcıya devreder.

Altyapı yönetiminin sorumluluğunu hizmet sağlayıcıya devrederek, kuruluşlar donanım kapasitesini ve düşük seviyeli sistem işlemlerini yönetmek yerine yapay zeka modellerini geliştirmeye, test etmeye ve dağıtmaya odaklanabilirler. Bu da yapay zeka iş yüklerinin deneme aşamasından üretime ölçeklendirilmesini kolaylaştırır.

5. Model izleme ve bakım

Yapay zekâ modelleri, doğru ve güvenilir sonuçlar vermeye devam etmelerini sağlamak için devreye alındıktan sonra sürekli ilgi gerektirir. Modellerin işlediği veriler değişebilir; bu duruma veri kayması denir. Yönetilmediği takdirde, veri kayması model performansının düşmesine ve kötü karar vermeye yol açabilir.

Model izleme, modellerin gerçek dünya koşullarındaki davranışlarını ve performanslarını takip etmeye odaklanır. Aşağıdaki gibi ölçütlerin gözlemlenmesini içerir:

• Tahmin doğruluğu ve hata oranları.
• Yanıt süresi ve gecikme.
• Veri kalitesi ve girdi tutarlılığı.
• Model çıktılarındaki adalet ve önyargı.

İzleme, ekiplerin bir modelin performansının ne zaman düştüğünü veya tutarsız sonuçlar üretmeye başladığını tespit etmelerini sağlar.

Model bakımı, modellerin güncelliğini korumak için gerekli olan faaliyetleri içerir. Bu faaliyetler şunları kapsayabilir:

• Güncellenmiş veya ek verilerle modellerin yeniden eğitilmesi.
• Yeni iş koşullarını yansıtacak şekilde parametrelerin ayarlanması.
• Uyumluluğu ve güvenilirliği sağlamak için modellerin doğrulanması.
• Testlerden sonra iyileştirilmiş sürümler yeniden kullanıma sunuluyor.

Model izleme ve bakım hizmeti sağlayıcılarıyla ortaklık kurmak, kuruluşların tutarlı performans sergilemesine ve operasyonel riskleri yönetmesine yardımcı olabilir. Düzenli güncellemeler ve değerlendirmeler, yapay zeka sistemlerinin mevcut veri kalıpları, iş ihtiyaçları ve düzenleyici gerekliliklerle uyumlu kalmasını sağlar.

SSS'ler

Referans Linkleri

1.

Where’s the Value in AI?

BCG Global

2.

AI Adoption Challenges | IBM

Cem Dilmegani

Baş Analist

Takip Et

Cem, 2017'den beri AIMultiple'da baş analist olarak görev yapmaktadır. AIMultiple, her ay Fortune 500 şirketlerinin %55'i de dahil olmak üzere yüz binlerce işletmeye (benzer Web'e göre) bilgi sağlamaktadır. Cem'in çalışmaları, Business Insider, Forbes, Washington Post gibi önde gelen küresel yayınlar, Deloitte, HPE gibi küresel firmalar, Dünya Ekonomik Forumu gibi STK'lar ve Avrupa Komisyonu gibi uluslararası kuruluşlar tarafından alıntılanmıştır. AIMultiple'ı referans gösteren daha fazla saygın şirket ve kaynağı görebilirsiniz. Kariyeri boyunca Cem, teknoloji danışmanı, teknoloji alıcısı ve teknoloji girişimcisi olarak görev yapmıştır. On yıldan fazla bir süre McKinsey & Company ve Altman Solon'da işletmelere teknoloji kararları konusunda danışmanlık yapmıştır. Ayrıca dijitalleşme üzerine bir McKinsey raporu yayınlamıştır. Bir telekom şirketinin CEO'suna bağlı olarak teknoloji stratejisi ve tedarikini yönetmiştir. Ayrıca, 2 yıl içinde sıfırdan 7 haneli yıllık yinelenen gelire ve 9 haneli değerlemeye ulaşan derin teknoloji şirketi Hypatos'un ticari büyümesini yönetmiştir. Cem'in Hypatos'taki çalışmaları TechCrunch ve Business Insider gibi önde gelen teknoloji yayınlarında yer aldı. Cem düzenli olarak uluslararası teknoloji konferanslarında konuşmacı olarak yer almaktadır. Boğaziçi Üniversitesi'nden bilgisayar mühendisliği diplomasına ve Columbia Business School'dan MBA derecesine sahiptir.

Tam Profili Görüntüle

Araştıran

Sıla Ermut

Sektör Analisti

Takip Et

Sıla Ermut, AIMultiple'da e-posta pazarlama ve satış videoları üzerine odaklanan bir sektör analistidir. Daha önce proje yönetimi ve danışmanlık firmalarında işe alım uzmanı olarak çalışmıştır. Sıla, Sosyal Psikoloji alanında Yüksek Lisans ve Uluslararası İlişkiler alanında Lisans derecesine sahiptir.

Tam Profili Görüntüle

Yorum yapan ilk kişi olun

E-posta adresiniz yayınlanmayacak. Tüm alanlar gereklidir.

Ad

E-posta Adresi

Yorum

0/450

Yorumu Gönder