卡帕西利用美國(guó)勞工統(tǒng)計(jì)局（BLS）數(shù)據(jù)開(kāi)發(fā)了一套名為“氛圍編碼”（Vibe Coding）的分析工具，通過(guò)0至10分的評(píng)分體系量化不同職業(yè)受人工智能和自動(dòng)化影響的程度。結(jié)果顯示，美國(guó)勞動(dòng)力整體加權(quán)風(fēng)險(xiǎn)敞口為4.9分，但內(nèi)部呈現(xiàn)明顯分化：年收入超過(guò)10萬(wàn)美元的高薪職業(yè)平均得分達(dá)6.7分，而年收入低于3.5萬(wàn)美元的群體平均風(fēng)險(xiǎn)僅為3.4分。

高薪職業(yè)中，軟件開(kāi)發(fā)人員、計(jì)算機(jī)程序員、數(shù)據(jù)科學(xué)家、金融分析師、律師助理、作家、編輯及市場(chǎng)研究人員等崗位風(fēng)險(xiǎn)評(píng)分普遍高達(dá)9分。這類(lèi)依賴(lài)數(shù)據(jù)處理、內(nèi)容生成和邏輯推理的工作，正面臨高級(jí)AI工具的快速滲透——部分工具可在幾分鐘內(nèi)完成人類(lèi)數(shù)周的工作量。例如，代碼生成、法律文書(shū)起草和財(cái)務(wù)分析等任務(wù)已出現(xiàn)被AI替代的案例。

相比之下，低薪體力勞動(dòng)者和服務(wù)業(yè)崗位受影響程度顯著較低。建筑工人、屋頂工、油漆工和清潔工等職業(yè)風(fēng)險(xiǎn)評(píng)分低至1分，而家庭保健助理、護(hù)理助理、理發(fā)師和調(diào)酒師等需要人際互動(dòng)或精細(xì)手工操作的崗位得分也僅為2分。這類(lèi)工作因涉及復(fù)雜的物理操作或情感交流，目前仍難以被AI技術(shù)復(fù)制。

卡帕西在社交平臺(tái)X上解釋稱(chēng)，該分析僅是他用兩小時(shí)編寫(xiě)的代碼演示項(xiàng)目，靈感源于近期閱讀的書(shū)籍，目的是幫助開(kāi)發(fā)者可視化探索BLS數(shù)據(jù)集。他坦言：“即使附帶了說(shuō)明文檔，也未預(yù)料到會(huì)被如此解讀。”盡管隨后刪除了相關(guān)帖子，但存檔數(shù)據(jù)仍反映出當(dāng)前AI技術(shù)發(fā)展的現(xiàn)實(shí)邏輯：生成式AI在文本處理、代碼編寫(xiě)和復(fù)雜分析任務(wù)上的效率已遠(yuǎn)超物理世界操作。

這一結(jié)論與人工智能初創(chuàng)公司Anthropic本月發(fā)布的報(bào)告《人工智能對(duì)勞動(dòng)力市場(chǎng)的影響：一項(xiàng)新的衡量標(biāo)準(zhǔn)和早期證據(jù)》不謀而合。該報(bào)告指出，盡管AI的實(shí)際應(yīng)用速度滯后于理論能力，但商業(yè)、金融、法律、計(jì)算機(jī)科學(xué)及管理類(lèi)工作在理論上最易被自動(dòng)化。報(bào)告特別強(qiáng)調(diào)，年齡較大、受教育程度高且收入較高的勞動(dòng)者群體，在AI浪潮中面臨更大的職業(yè)不確定性。