Geoffrey Litt de Notion: entender el código de IA es el nuevo cuello de botella en 2026

Understanding is the new bottleneck: por qué los fundadores deben entender el código que escriben sus agentes de IA

Geoffrey Litt, ingeniero de diseño en Notion, presentó en julio de 2026 una tesis contraintuitiva en la conferencia AI Engineer: "Understanding is the new bottleneck" (La comprensión es el nuevo cuello de botella). Mientras los agentes de IA escriben código cada vez más rápido, los desarrolladores humanos nos enfrentamos a un desafío inesperado: mantener el ritmo de comprensión de lo que estos sistemas están creando.

La presentación, que también compartió como hilo en X, argumenta que no debemos simplemente "salir del bucle" y dejar que los agentes trabajen solos. En cambio, debemos profundizar nuestra comprensión para participar activamente en el proceso creativo.

¿Por qué entender si los agentes son cada vez mejores?

Litt identifica dos respuestas fundamentales a esta pregunta. La primera, más obvia, es entender para verificar: revisar si el código cumple con las especificaciones, está bien arquitecturado y es correcto. Sin embargo, advierte que los agentes están mejorando rápidamente en verificar su propio trabajo, lo que eventualmente podría hacer redundante esta función humana.

La segunda respuesta, más profunda, es entender para participar. "Un proyecto nunca es solo un bucle", explica Litt. "Es muchos, muchos bucles con el agente. La comprensión que tienes del sistema es parte de tu capacidad para idear la siguiente idea para evolucionarlo".

Esta perspectiva conecta directamente con el concepto de deuda cognitiva, popularizado por Margaret Storey y Simon Willison. Similar a la deuda técnica, la deuda cognitiva ocurre cuando los humanos involucrados "simplemente pierden el hilo" de lo que está sucediendo en el sistema. Puedes salir adelante sin entender a corto plazo, pero eventualmente te morderá.

Tres técnicas para construir comprensión en la era de la IA

1. Explicaciones estructuradas

Litt desarrolló una habilidad llamada /explain-diff que genera documentos explicativos de código en HTML, markdown o páginas de Notion. Estos "explicadores" siguen principios educativos clave:

• Enseñar información de fondo antes de entrar en los cambios
• Intuición antes de detalles, explicando conceptos relacionados primero
• Diferencias literarias que estructuran los cambios como prosa en lugar de archivos editados en orden alfabético

El resultado es un paquete explicativo que Litt a veces imprime y lleva a una cafetería para leer sin distracciones. "Es irónicamente hermoso", señala, "que la IA convierta una actividad interactiva en un informe estático en papel en el que puedo concentrarme profundamente".

2. Cuestionarios como reguladores de velocidad

Inspirándose en el trabajo de Andy Matuschak y Michael Nielsen sobre cuestionarios de repetición espaciada integrados en ensayos, Litt añade cuestionarios interactivos al final de sus explicadores. Su regla: no envía código a otros hasta que puede pasar el cuestionario, y hace lo mismo al revisar el código de otros.

"Un cuestionario es un regulador de velocidad", explica. "Trabajar con IA hace que el bucle funcione más rápido que la velocidad de la comprensión humana. El cuestionario es una fuerza contrarrestante: me pregunto mecánicamente '¿realmente entiendo?' para poder seguir siendo un participante creativo completo".

3. Micro-mundos para intuición práctica

Inspirándose en el educador visionario Seymour Papert y su concepto de "vivir en Mathland", Litt propone crear micro-mundos donde los desarrolladores puedan habitar e intuir naturalmente cómo funciona un sistema y cómo está cambiando.

Por ejemplo, al migrar su sitio web personal entre frameworks, en lugar de simplemente revisar el script que Claude escribió, le pidió al agente que creara un "centro de comando" donde pudiera ejecutar la migración paso a paso, viendo los efectos visibles y la evolución del árbol de archivos. Esto le dio una comprensión similar a hacerlo manualmente, pero mucho más rápido.

"Los agentes pueden escribir fragmentos de código que nos ayuden a los humanos a entender otro código", destaca Litt. "¡Esto es algo importante!"

Espacios compartidos para equipos

Cuando trabajas en equipo, necesitas entender juntos. Litt enfatiza la importancia de crear entornos compartidos donde los equipos construyan esa comprensión colectiva. Recientemente, Notion ha estado implementando nuevas funciones para que humanos y agentes trabajen juntos, permitiendo que todo el equipo desarrolle una comprensión compartida en lugar de trabajar en silos.

"Ahora puedes ejecutar agentes de Claude y Cursor en Notion", revela Litt. "Y cuando esos agentes hacen un plan técnico en Notion, está en una página colaborativa por defecto, así que puedo comentarlo con mi equipo y discutirlo inmediatamente. Pensando juntos, no solos".

¿Qué significa esto para tu startup?

1. Implementa reguladores de velocidad en tu flujo de trabajo con IA

No dejes que la velocidad de generación de código supere tu capacidad de comprensión. Establece mecanismos como:

• Cuestionarios obligatorios antes de aprobar cambios generados por IA
• Sesiones de revisión en equipo donde cada miembro debe explicar lo que entendió
• Documentación explicativa como paso requerido en tu pipeline de desarrollo

2. Crea micro-mundos para proyectos complejos

En lugar de simplemente aceptar el código generado por IA, pide a tus agentes que creen:

• Entornos de depuración interactivos donde puedas explorar el sistema
• Simulaciones paso a paso para migraciones o refactorizaciones importantes
• Herramientas de visualización que muestren cómo diferentes componentes interactúan

3. Prioriza la comprensión compartida en tu equipo

La deuda cognitiva es tan peligrosa como la deuda técnica. Implementa:

• Espacios colaborativos donde humanos y agentes trabajen juntos visiblemente
• Revisiones de código que incluyan explicaciones, no solo verificación técnica
• Cultura que valore la comprensión profunda sobre la velocidad superficial

El punto siempre fue aumentar, no solo automatizar

Litt concluye conectando su visión con la de Alan Kay hace 50 años: "Alan Kay imaginó que las computadoras podrían ser un nuevo medio, mejor que el libro, para enseñar a las personas — especialmente a los niños — a pensar sobre el mundo".

"La IA ahora hace que crear simulaciones sea tan accesible… Tener a la IA enseñándonos es una de las mayores posibilidades que la informática ha abierto jamás".

La optimización final de Litt es poderosa: "Si construimos las herramientas correctas, ahora podemos entender el mundo mejor que nunca antes. No tenemos que simplemente sacarnos del bucle, también podemos profundizar en el bucle. Depende de nosotros".

Fuentes

• Understanding is the new bottleneck - geoffreylitt.com