I Quit My GitHub Job Because AI Breaks Software - https://www.youtube.com/watch?v=aEL384kTznk
Today I resigned from GitHub after spending almost four years there and growing to senior engineer. I left to help improve AI safety because there is a dangerous trend in how AI coding agents are being deployed right now and this is going to affect you personally. I'm going to break down what I observed, why it made me walk away, and what I'm doing about this problem. So first of all, I didn't leave GitHub because I hated my job. It was genuinely the best job I've had so far. I built the first version of newer respectful AI support systems with my team, helped other engineers across the org figure out how to build mature LLM solutions, and those experiences shaped who I am as an engineer today. I've also experienced the birth of agentic coding from more traditional AI autocomplete to newer agentic systems like Claude Code, GitHub, Copilot and others. Now we as programmers and non programmers experience the benefits of agent decoding daily and it has been a massive productivity boost. But over the past year I started noticing an extremely dangerous trend across the wider industry that I just couldn't ignore anymore. Companies are not just using AI for code generation, which I'm a huge fan of, just like many of you. They are now replacing entire parts of the software development lifecycle with AI agents. Review testing, deployment decisions and even architectural choices are being handed to agents with less and less human oversight. And I'm not only talking about small startups here that can afford this risk. The industry pressure has become so high that companies with millions of users are shipping code that a human barely touches before it goes into production. Now, before you misinterpret me, I actually just want to say that at GitHub I found there to still be a lot of respect for good high quality software every single day. It's just that the industry trend overall is causing software quality to drop quickly. There are already projects and platforms trying to test the limits of how far we can push coding agents to automate everything. And the direction here is clear. Some organizations are starting to point at pull requests as an annoying bottleneck that slows down their AI generated output. Now think about that for just a second. The one remaining checkpoint where a human looks at the code before it reaches your users. And the industry is calling that a bottleneck. The ultimate step here seems to be to displace human review altogether. So why does this problem make me quit my create job at GitHub? Well, well, it has been one of the best jobs I've had and I will easily admit this AI that I've used at my job very often writes better code than me, and it outputs code faster than me. One of the ways this has excited executives in the tech industry is that it promises that every developer can be a 10x or even a 100x developer, because 10x is not enough anymore. Now, before we get too enthusiastic, think about what that actually means for a moment. If one developer can generate 100 times the code, they can no longer meaningfully review what was produced. And I'm noticing this every single day as I work as an engineer. Instead of the industry seeing this as a problem, the collective response has been that agents should just take care of reviewing code as well. The critical issue with this is, is that AI writes better code often, as I just said, but it does not always write better code. It will continue to hallucinate, it will continue to make mistakes, and when tasks are long and complex enough, it will create incomplete solutions. But it does always write more code than me. Way, way more code. In a normal workday in the past, I might have had days where I wrote a few hundred lines of code. And now it's easy to write thousands of lines in a single session. So what happens when you have an imperfect system generating enormous amounts of almost perfect code? You get a statistical guarantee that there will be bugs in the system that you as a human, do not have the capacity to check for anymore. This is not a gut feeling, it is a mathematical fact. And the industry's current response to this problem is to just throw more agents at it. Oh, let's just evaluate agent output with more agents with just slightly different system prompts. Let's write automated tests with agents. Let's let agents test software end to end, stack more AI calls with slightly different prompts on top of each other, and just hope for the best. Now, in my brutal opinion, this is the software industry's equivalent of, of just playing dollhouse and pretending that there is a solution to this problem. Because we are currently trusting the same type of technology that's creating the mistakes to catch its own mistakes. Imperfect systems stacked on imperfect systems do not converge to perfection. The industry right now is actively choosing to prioritize raw code output over everything else. The amount of code generated can no longer be stopped by humans. And this is not because of some fictional rogue AI like you might read in some fiction books. No, this is just because the industry is letting this happen on purpose as part of a strategic decision. Now, unlike many statements made in the AI space, which are often based on hype or ulterior motives, I am confident in stating the following the future deployment of the fully autonomous AI software development lifecycle will lead to an absolute increase in broken software. Now I want to be clear about something because you might be thinking Xen, do you think that we should be stopping AI coding altogether? No, I'm not saying that we need to stop the point coding agents because this is highly unrealistic and I'm quite progressive. And honestly, I never want to go back to manually writing all my code myself anymore. And to be honest, some drop in quality is acceptable because some bugs just don't matter that much. Even in professional settings, not everything needs to be perfect. No, nobody is going to get hurt if, say, a support portal button breaks in an edge case condition. In general, being able to ship way more and break a few small things along the way is a net win for the majority of software out there. And I also understand that Vibe coding is awesome. It's very cool to one shot your favorite childhood game and that as a non programmer you can get into software easier nowadays. It's very nice. The problem is that the push to use these agents is so pervasive across every industry that bugs will inevitably appear. And in software where we cannot afford it, in healthcare systems, on financial platforms and infrastructure that millions of people depend on every day. And without fundamentally new forms of monitoring, AI coding agents will cause more harm than good in these kinds of critical systems. So it's a big problem, but what am I doing about it? Because it's easy to complain from the sidelines, right? Well, that is what made me resign from GitHub. It is very easy to just complain about problems that AI is causing, but if an opportunity presents itself to actually contribute to a possible solution, it is only right to try it, even if it can be difficult. I happen to find an opportunity at a research lab to work on exactly this problem. A new role building monitoring systems specifically designed for AI coding agents. Now next week I'll share the full details on this new role on my LinkedIn. So if you want to be the first to know, connect with me using the link in the description down below. But I'm also sharing this story because four years ago I was starting out as a junior and now I get to work on problems that I think genuinely matter for the wider industry. And this shows that it is still possible to get a high paid career while making a positive change or at least trying to do so. And also genuinely loving your job. And this is also why I push and help others towards their own ideal AI career as a way to give back. I'll be happy to answer any questions you have about the path that got me here. Make sure to leave a comment down below and connect with me on LinkedIn.
I Quit My GitHub Job Because AI Breaks Software - https://www.youtube.com/watch?v=aEL384kTznk
오늘 저는 거의 4년을 다닌 GitHub을 퇴사했습니다. 시니어 엔지니어까지 성장한 곳이었죠. AI 안전성 개선에 기여하기 위해 떠났습니다. 현재 AI 코딩 에이전트가 배포되는 방식에 위험한 추세가 있고, 이것이 여러분 개인에게도 영향을 미칠 것이기 때문입니다. 제가 관찰한 것, 왜 그것이 저를 떠나게 했는지, 그리고 이 문제에 대해 무엇을 하고 있는지 설명하겠습니다. 먼저, 저는 일이 싫어서 GitHub을 떠난 게 아닙니다. 지금까지 중에 가장 좋은 직장이었습니다. 팀과 함께 초기 AI 지원 시스템을 구축했고, 조직 전반의 엔지니어들이 성숙한 LLM 솔루션을 구축하도록 도왔으며, 그 경험들이 오늘날 제 엔지니어로서의 모습을 만들어줬습니다. 또한 전통적인 AI 자동완성에서 Claude Code, GitHub Copilot 등 새로운 에이전틱 시스템으로 발전하는 에이전틱 코딩의 탄생도 경험했습니다. 이제 우리 프로그래머와 비프로그래머 모두 에이전트 코딩의 혜택을 매일 경험하고 있고, 이는 엄청난 생산성 향상을 가져왔습니다. 하지만 지난 1년간 저는 더 넓은 업계에서 무시할 수 없는 매우 위험한 추세를 발견하기 시작했습니다. 기업들은 단순히 코드 생성에 AI를 사용하는 것이 아니라, 저도 여러분처럼 그것은 환영하지만, 이제 소프트웨어 개발 생명주기의 전체 부분을 AI 에이전트로 대체하고 있습니다. 리뷰, 테스트, 배포 결정, 심지어 아키텍처 선택까지 점점 줄어드는 인간 감독 아래 에이전트에 맡겨지고 있습니다. 이것은 이런 위험을 감수할 수 있는 작은 스타트업 이야기만이 아닙니다. 업계 압력이 너무 높아져서 수백만 명의 사용자를 보유한 기업들이 인간이 거의 손대지 않은 코드를 프로덕션에 출시하고 있습니다. 오해하지 마세요, GitHub에서는 여전히 매일 고품질 소프트웨어에 대한 높은 존중이 있었습니다. 다만 전체적인 업계 추세가 소프트웨어 품질을 빠르게 떨어뜨리고 있습니다. 이미 코딩 에이전트로 모든 것을 자동화하는 한계를 시험하려는 프로젝트와 플랫폼들이 있습니다. 방향은 명확합니다. 일부 조직은 풀 리퀘스트를 AI 생성 결과물을 늦추는 성가신 병목으로 지목하기 시작했습니다. 잠깐 생각해보세요. 코드가 사용자에게 닿기 전에 인간이 검토하는 마지막 체크포인트인데, 업계는 그것을 병목이라 부르고 있습니다. 궁극적인 목표는 인간 리뷰를 완전히 없애는 것처럼 보입니다. 그렇다면 왜 이 문제가 저를 GitHub의 좋은 직장에서 떠나게 했을까요? 최고의 직장 중 하나였음을 쉽게 인정하면서도, 업무에서 사용한 AI는 종종 저보다 더 좋은 코드를 작성하고, 저보다 더 빠르게 코드를 출력합니다. 이것이 기술 업계 경영진을 흥분시킨 이유 중 하나는 모든 개발자가 10배, 심지어 100배 개발자가 될 수 있다는 약속 때문입니다. 10배는 더 이상 충분하지 않으니까요. 너무 흥분하기 전에, 그것이 실제로 무엇을 의미하는지 생각해보세요. 한 개발자가 100배의 코드를 생성할 수 있다면, 그는 더 이상 생산된 내용을 의미 있게 검토할 수 없습니다. 저도 엔지니어로 일하면서 매일 이것을 느끼고 있습니다. 업계가 이것을 문제로 보는 대신, 집단적 반응은 에이전트가 코드 리뷰도 처리하면 된다는 것입니다. 핵심 문제는, AI가 종종 더 좋은 코드를 작성한다고 했지만, 항상 더 좋은 코드를 작성하는 것은 아닙니다. 계속 환각이 발생하고, 계속 실수를 하며, 작업이 충분히 길고 복잡할 때 불완전한 솔루션을 만들 것입니다. 하지만 항상 저보다 더 많은 코드를 작성합니다. 훨씬, 훨씬 더 많이. 과거 보통 하루 업무에서 저는 수백 줄의 코드를 작성했지만, 이제는 한 세션에 수천 줄을 쉽게 작성할 수 있습니다. 그렇다면 불완전한 시스템이 거의 완벽에 가까운 엄청난 양의 코드를 생성하면 어떻게 될까요? 시스템에 버그가 존재할 것이라는 통계적 보장이 생기고, 당신은 인간으로서 그것을 더 이상 확인할 능력이 없습니다. 이것은 직감이 아니라 수학적 사실입니다. 그리고 업계의 현재 대응은 더 많은 에이전트를 투입하는 것입니다. 약간 다른 시스템 프롬프트를 가진 더 많은 에이전트로 에이전트 출력을 평가하고, 에이전트로 자동화 테스트를 작성하고, 에이전트가 소프트웨어를 엔드투엔드로 테스트하게 하고, 약간 다른 프롬프트로 AI 호출을 더 쌓아서 그냥 최선을 바라는 것입니다. 솔직히 말하면, 이것은 소프트웨어 업계가 인형 놀이를 하며 문제에 해결책이 있는 척하는 것과 같습니다. 현재 우리는 실수를 만들어내는 같은 유형의 기술이 자신의 실수를 잡아낼 것이라고 신뢰하고 있습니다. 불완전한 시스템 위에 쌓인 불완전한 시스템은 완벽으로 수렴하지 않습니다. 업계는 지금 다른 모든 것보다 순수한 코드 출력을 의도적으로 우선시하고 있습니다. 생성되는 코드의 양은 더 이상 인간이 막을 수 없고, 이것은 공상과학 소설에서 읽을 법한 가상의 반란 AI 때문이 아닙니다. 아니요, 이것은 단순히 업계가 전략적 결정의 일환으로 의도적으로 이것을 허용하고 있기 때문입니다. AI 분야에서 이루어지는 많은 발언들이 종종 과대광고나 숨은 동기에 기반하는 것과 달리, 저는 다음을 확신을 갖고 말할 수 있습니다. 완전 자율 AI 소프트웨어 개발 생명주기의 미래 배포는 깨진 소프트웨어의 절대적인 증가로 이어질 것입니다. 명확히 하고 싶은 게 있습니다. 여러분은 이렇게 생각할 수 있으니까요. AI 코딩을 완전히 멈춰야 한다고 생각하는 건가요? 아니요, 저는 코딩 에이전트를 중단해야 한다고 말하는 게 아닙니다. 그것은 매우 비현실적이고, 저는 꽤 진보적이며, 솔직히 다시는 모든 코드를 직접 수동으로 작성하고 싶지 않습니다. 그리고 사실 어느 정도의 품질 저하는 받아들일 수 있습니다. 일부 버그는 그다지 중요하지 않으니까요. 전문적인 환경에서도 모든 것이 완벽할 필요는 없습니다. 지원 포털 버튼이 엣지 케이스 조건에서 깨진다고 해서 아무도 다치지 않습니다. 전반적으로, 훨씬 더 많이 출시하고 그 과정에서 작은 것들을 몇 개 깨뜨리는 것은 대부분의 소프트웨어에서 전체적으로 이득입니다. 바이브 코딩이 멋지다는 것도 이해합니다. 어린 시절 좋아하던 게임을 한 번에 만들어내는 것은 정말 멋지고, 비프로그래머도 요즘 소프트웨어에 더 쉽게 접근할 수 있는 것은 좋은 일입니다. 문제는 이 에이전트 사용 압력이 모든 산업에 너무 광범위하게 퍼져 있어서 버그는 불가피하게 나타날 것이라는 점입니다. 그리고 우리가 감당할 수 없는 소프트웨어, 즉 의료 시스템, 금융 플랫폼, 수백만 명이 매일 의존하는 인프라에서도 그럴 것입니다. 근본적으로 새로운 형태의 모니터링 없이는 AI 코딩 에이전트가 이러한 중요 시스템에서 득보다 해를 더 많이 끼칠 것입니다. 큰 문제이지만, 저는 무엇을 하고 있을까요? 옆에서 불평하기는 쉽죠, 그렇죠? 그것이 바로 제가 GitHub을 퇴사하게 만든 것입니다. AI가 일으키는 문제에 대해 불평하기는 쉽습니다. 하지만 실제로 해결책에 기여할 기회가 생긴다면, 어렵더라도 시도하는 것이 맞습니다. 저는 바로 이 문제를 연구하는 연구소에서 기회를 찾았습니다. AI 코딩 에이전트를 위해 특별히 설계된 모니터링 시스템을 구축하는 새로운 역할입니다. 다음 주에 LinkedIn에서 이 새로운 역할의 전체 내용을 공유할 예정입니다. 가장 먼저 알고 싶으시다면, 아래 설명의 링크로 저와 연결하세요. 이 이야기를 공유하는 또 다른 이유는, 4년 전 저는 주니어로 시작했고 이제 더 넓은 업계에 진정으로 중요하다고 생각하는 문제를 연구할 기회를 얻었기 때문입니다. 이것은 긍정적인 변화를 만들면서도 고수익 커리어를 얻는 것이 여전히 가능하다는 것을 보여줍니다. 적어도 시도하면서, 그리고 진심으로 자신의 일을 사랑하면서요. 이것이 제가 다른 사람들을 자신만의 이상적인 AI 커리어로 이끌고 돕는 이유이기도 합니다. 보답의 방법으로요. 여기까지 오게 된 과정에 대한 질문이 있으시면 기꺼이 답변해 드리겠습니다. 아래에 댓글을 남기고 LinkedIn에서 저와 연결하세요.
# Summary of "Why I Quit My Job at GitHub to Work on AI Safety"
This video features a senior engineer sharing their decision to resign from GitHub after nearly four years to focus on improving AI safety. The speaker highlights a concerning industry trend where AI coding agents are increasingly entrusted with critical parts of the software development lifecycle, reducing human oversight and risking software quality. They explain their motivations, observations about AI's capabilities and limitations, and their commitment to addressing these challenges.
---
## Introduction and Context [00:00:00 - 00:04:40]
- The speaker resigned from GitHub, where they rose to senior engineer over four years, to help improve AI safety.
- 그들은 AI 안전성을 향상시키기 위해 거의 4년간 근무한 GitHub에서 선임 엔지니어로 승진한 후 사임했다.
- Their decision is driven by a dangerous trend in how AI coding agents are deployed, which will personally affect viewers.
- 그들의 결정은 AI 코딩 에이전트가 배치되는 위험한 추세에 의해 촉발되었으며, 이는 시청자 개인에게도 영향을 미칠 것이다.
- At GitHub, they contributed to building respectful AI support systems and helped engineers develop mature large language model (LLM) solutions.
- GitHub에서 그들은 존중하는 AI 지원 시스템 구축에 기여했고 엔지니어들이 성숙한 대형 언어 모델(LLM) 솔루션을 개발하도록 도왔다.
- They witnessed the evolution from traditional AI autocomplete to agentic coding systems like Claude Code and GitHub Copilot.
- 그들은 전통적인 AI 자동완성에서 Claude Code와 GitHub Copilot 같은 에이전트 기반 코딩 시스템으로의 진화를 목격했다.
---
## The Rise of Agentic Coding and Its Impact [00:04:40 - 00:12:00]
- Agentic coding agents have significantly boosted productivity for programmers and non-programmers alike.
- 에이전트 기반 코딩 에이전트는 프로그래머와 비프로그래머 모두의 생산성을 크게 향상시켰다.
- However, over the past year, a **dangerous industry trend** emerged: companies are increasingly replacing large parts of the software development lifecycle (review, testing, deployment, architecture) with AI agents and reducing human oversight.
- 그러나 지난 1년 동안, 위험한 업계 추세가 나타났는데, 기업들이 소프트웨어 개발 생명주기의 많은 부분(검토, 테스트, 배포, 아키텍처)을 AI 에이전트로 대체하고 인간 감독을 줄이고 있다.
- This shift is not limited to startups but includes large companies with millions of users deploying code that barely undergoes human review before production.
- 이 변화는 스타트업에 국한되지 않고, 수백만 명의 사용자를 가진 대기업들도 프로덕션 전에 거의 인간 검토 없이 코드를 배포하고 있다.
- The one remaining human checkpoint—code review—is increasingly viewed as a "bottleneck" slowing down AI-generated code output, with some organizations considering removing it entirely.
- 유일하게 남은 인간 검증 단계인 코드 리뷰는 AI가 생성한 코드 출력을 늦추는 '병목'으로 점점 여겨지고 있으며, 일부 조직은 이를 완전히 제거하는 것을 고려하고 있다.
---
## Why This Trend Is Alarming [00:12:00 - 00:20:30]
- The speaker clarifies that they enjoyed their job and often used AI to write code faster and better than themselves.
- 발표자는 자신이 직업을 즐겼으며 AI를 사용해 자신보다 더 빠르고 더 나은 코드를 자주 작성했다고 명확히 했다.
- The tech industry is excited by the promise that AI can make developers "10x or 100x" more productive.
- 기술 산업은 AI가 개발자 생산성을 "10배 또는 100배" 향상시킬 수 있다는 약속에 열광하고 있다.
- **Key problem:** When one developer can generate 100x more code, they cannot meaningfully review all the output.
- **핵심 문제:** 한 명의 개발자가 100배 더 많은 코드를 생성할 때, 모든 산출물을 의미 있게 검토할 수 없다.
- The industry’s response has been to let AI agents review other agents' code, relying on imperfect systems to catch mistakes made by themselves.
- 업계의 대응은 AI 에이전트가 다른 에이전트의 코드를 검토하도록 맡기고, 자신들이 만든 실수를 잡아내기 위해 불완전한 시스템에 의존하는 것이다.
- AI-generated code often hallucinates, makes errors, or produces incomplete solutions despite appearing high quality.
- AI가 생성한 코드는 종종 환각을 일으키거나 오류를 내거나 불완전한 솔루션을 만들어내며, 겉으로 보기에는 고품질처럼 보인다.
- A normal workday now involves thousands of lines of AI-assisted code, increasing the statistical certainty of bugs humans cannot fully check.
- 지금은 평범한 근무일에도 수천 줄의 AI 지원 코드를 다루며, 인간이 완전히 점검할 수 없는 버그 발생 확률이 증가하고 있다.
- The current approach is to layer more AI agents and automated tests on top, hoping to catch errors—described as "playing dollhouse," an ineffective illusion of a solution.
- 현재 접근법은 더 많은 AI 에이전트와 자동화된 테스트를 겹겹이 쌓아 오류를 잡으려 하는데, 이를 "인형의 집 놀이"라고 표현하며 효과 없는 해결책의 환상이라고 한다.
---
## Consequences and Industry Priorities [00:20:30 - 00:28:00]
- The industry prioritizes **raw code output quantity** over quality and human oversight.
- 업계는 품질과 인간 감독보다 **순수 코드 출력량**을 우선시하고 있다.
- This shift is deliberate and strategic, not due to rogue AI but human choices.
- 이 변화는 무분별한 AI 때문이 아니라 인간의 의도적이고 전략적인 선택이다.
- The speaker confidently predicts that fully autonomous AI-driven software development will **increase broken software**.
- 발표자는 완전 자율 AI 기반 소프트웨어 개발이 **고장난 소프트웨어를 증가시킬 것**이라고 자신 있게 예측한다.
- They emphasize that this is a mathematical certainty, not speculation.
- 이는 추측이 아니라 수학적으로 확실한 사실임을 강조한다.
---
## Balanced Perspective on AI Coding Agents [00:28:00 - 00:35:00]
- The speaker is **not advocating stopping AI coding agents**—they find them highly valuable and progressive.
- 발표자는 AI 코딩 에이전트를 중단하자고 주장하는 것이 아니며, 오히려 그것들이 매우 가치 있고 진보적이라고 본다.
- Some quality trade-offs and minor bugs are acceptable, especially in non-critical software.
- 일부 품질 절충과 사소한 버그는 특히 비핵심 소프트웨어에서는 용인 가능하다.
- AI coding lowers barriers for non-programmers and accelerates development.
- AI 코딩은 비프로그래머의 진입 장벽을 낮추고 개발을 가속화한다.
- However, the pervasive push to automate everything risks introducing serious bugs in **critical systems** such as healthcare, finance, and infrastructure.
- 그러나 모든 것을 자동화하려는 광범위한 추진은 의료, 금융, 인프라 같은 **중요 시스템**에 심각한 버그를 초래할 위험이 있다.
- Without **new forms of monitoring and safety**, AI coding agents may cause more harm than good in these areas.
- **새로운 형태의 모니터링과 안전장치** 없이는 AI 코딩 에이전트가 이러한 영역에서 득보다 실이 많을 수 있다.
---
## Personal Action and Next Steps [00:35:00 - 00:40:00]
- The speaker resigned from GitHub not just to complain but to actively contribute to a solution.
- 발표자는 단순히 불평하기 위해서가 아니라 해결책에 적극 기여하기 위해 GitHub에서 사임했다.
- They accepted a new role at a research lab focused on building **monitoring systems specifically designed for AI coding agents**.
- 그들은 AI 코딩 에이전트를 위해 특별히 설계된 **모니터링 시스템 구축**에 집중하는 연구소에서 새 역할을 맡았다.
- They plan to share more details about this role on LinkedIn.
- 이 역할에 관한 더 많은 세부 사항을 LinkedIn에서 공유할 계획이다.
- The speaker encourages viewers to connect with them and ask questions about their career path and AI safety efforts.
- 발표자는 시청자들이 자신과 연결해 경력 경로 및 AI 안전 노력에 대해 질문하길 권장한다.
---
## Conclusion and Call to Action [00:40:00 - End]
- The journey from junior engineer to working on impactful AI safety problems shows it is possible to have a rewarding, well-paid career while striving for positive industry change.
- 주니어 엔지니어에서 영향력 있는 AI 안전 문제에 도전하는 여정은 보람 있고 고수익의 경력을 가지면서 긍정적인 산업 변화를 추구할 수 있음을 보여준다.
- The speaker advocates for thoughtful AI integration combined with safety monitoring to avoid worsening software reliability.
- 발표자는 소프트웨어 신뢰성 악화를 막기 위해 신중한 AI 통합과 안전 모니터링의 결합을 지지한다.
- They invite viewers to engage in discussions about building responsible AI careers and improving AI coding practices.
- 그들은 시청자들에게 책임감 있는 AI 경력 구축과 AI 코딩 관행 개선에 관한 토론에 참여할 것을 초대한다.
---
**Overall Message:**
While AI coding agents bring unprecedented productivity gains, unchecked deployment and removal of human oversight threaten software quality and safety, especially in critical systems. The speaker urges the industry to develop robust monitoring solutions and invites collaboration to ensure AI benefits do not come at unacceptable costs.
---
*Connect with the speaker on LinkedIn for updates and career insights related to AI safety in software engineering.*
*소프트웨어 엔지니어링에서 AI 안전과 관련된 최신 정보와 경력 인사이트를 위해 LinkedIn에서 발표자와 연결하세요.*