卡帕西開發的“氛圍編碼”（Vibe Coding）模型將職業受AI影響程度量化為0至10分，其中10分代表最高風險。數據顯示，美國勞動力整體加權風險得分為4.9分，但內部結構呈現明顯分化：年收入超過10萬美元的職業平均得分達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中更為突出——軟件開發人員、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崗位得分也僅為2分。
研究指出，高薪職業的高風險源于其工作性質與AI技術優勢的高度重合。例如，依賴數據處理、內容生成和邏輯推理的知識型工作，正被能夠快速完成復雜任務的生成式AI工具滲透。卡帕西在社交平臺X上解釋稱，這類工具可在幾分鐘內完成人類數周的工作量，從而對相關職業構成直接威脅。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域的局限性，短期內仍難以被替代。
盡管卡帕西隨后刪除相關數據并澄清該項目僅為“兩小時編寫的代碼演示”，但其引發的討論并未平息。他表示，該研究靈感源于近期閱讀的書籍，目的是幫助開發者可視化探索BLS數據集，但未料到會被解讀為“白領就業危機”的預警信號。盡管如此，存檔數據仍反映出AI技術發展的客觀趨勢：生成式AI在文本處理、代碼編寫等任務上的效率已遠超人類，而在物理操作和情感溝通領域則進展緩慢。
這一結論與人工智能初創公司Anthropic本月發布的報告不謀而合。該報告通過獨立分析指出，商業、金融、法律及計算機科學等領域的工作在理論上最易被自動化，而高收入、高學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，AI的實際應用速度仍落后于其理論能力，但技術演進方向已清晰指向知識密集型職業的變革。
