Geoffrey Litt sostiene que, aunque los agentes de inteligencia artificial escriben cada vez más código por nosotros, los humanos seguimos necesitando comprender ese código para no quedarnos fuera del proceso creativo. La verificación algorítmica no basta: la comprensión permite a la persona mantener una participación activa y generar la siguiente idea que impulse el proyecto. Litt lo relaciona con la "deuda cognitiva" acuñada por Margaret Storey y Simon Willison: ignorar lo que ocurre bajo el capó puede pasar factura a medio plazo.
Para construir esa comprensión humana sin frenar el ritmo de trabajo con IA, Litt propone inspirarse en la educación. La primera técnica son las explicaciones estructuradas: tras cada cambio, generar un documento didáctico —no un diff en bruto— que aporte contexto previo, intuición antes que detalles y un recorrido en prosa del código modificado. Litt utiliza a diario una herramienta propia, /explain-diff, que produce estos materiales en HTML, Markdown o Notion.
La segunda técnica, inspirada en el educador Seymour Papert, son los micro-mundos: entornos interactivos donde el desarrollador habita el sistema y lo intuye de forma natural, como depuradores temporales para un intérprete de Prolog o centros de mando para migraciones de código.
La tercera, aún por desarrollar, se basa en la repetición espaciada de Andy Matuschak y Michael Nielsen: pequeños cuestionarios al final de cada explicación obligan a comprobar si realmente se ha entendido algo. El objetivo es regular la velocidad del bucle agente-humano para que la creatividad no se quede atrás.