卡帕西開發(fā)的“氛圍編碼”（Vibe Coding）模型將職業(yè)受AI影響程度量化為0至10分，其中10分代表最高風(fēng)險。數(shù)據(jù)顯示，美國勞動力整體加權(quán)風(fēng)險得分為4.9分，但內(nèi)部結(jié)構(gòu)呈現(xiàn)明顯分化：年收入超過10萬美元的職業(yè)平均得分達6.7分，而年收入低于3.5萬美元的群體平均得分僅為3.4分。這種差距在具體職業(yè)中更為突出——軟件開發(fā)人員、金融分析師、律師助理等崗位普遍獲得9分，而建筑工人、清潔工等體力勞動者得分低至1分，家庭保健助理等需要人際互動的服務(wù)崗位得分也僅為2分。

研究指出，高薪職業(yè)的高風(fēng)險源于其工作性質(zhì)與AI技術(shù)優(yōu)勢的高度重合。例如，依賴數(shù)據(jù)處理、內(nèi)容生成和邏輯推理的知識型工作，正被能夠快速完成復(fù)雜任務(wù)的生成式AI工具滲透?？ㄅ廖髟谏缃黄脚_X上解釋稱，這類工具可在幾分鐘內(nèi)完成人類數(shù)周的工作量，從而對相關(guān)職業(yè)構(gòu)成直接威脅。相比之下，需要精細手工操作或高度人際互動的崗位，由于AI在物理世界和情感交互領(lǐng)域的局限性，短期內(nèi)仍難以被替代。

盡管卡帕西隨后刪除相關(guān)數(shù)據(jù)并澄清該項目僅為“兩小時編寫的代碼演示”，但其引發(fā)的討論并未平息。他表示，該研究靈感源于近期閱讀的書籍，目的是幫助開發(fā)者可視化探索BLS數(shù)據(jù)集，但未料到會被解讀為“白領(lǐng)就業(yè)危機”的預(yù)警信號。盡管如此，存檔數(shù)據(jù)仍反映出AI技術(shù)發(fā)展的客觀趨勢：生成式AI在文本處理、代碼編寫等任務(wù)上的效率已遠超人類，而在物理操作和情感溝通領(lǐng)域則進展緩慢。

這一結(jié)論與人工智能初創(chuàng)公司Anthropic本月發(fā)布的報告不謀而合。該報告通過獨立分析指出，商業(yè)、金融、法律及計算機科學(xué)等領(lǐng)域的工作在理論上最易被自動化，而高收入、高學(xué)歷的勞動者群體可能成為AI浪潮中最脆弱的部分。報告同時強調(diào)，AI的實際應(yīng)用速度仍落后于其理論能力，但技術(shù)演進方向已清晰指向知識密集型職業(yè)的變革。