卡帕西利用美國勞工統計局（BLS）數據開發了一套名為“氛圍編碼”（Vibe Coding）的分析工具，通過0至10分的評分體系量化不同職業受人工智能和自動化影響的程度。結果顯示，美國勞動力整體加權風險敞口為4.9分，但內部呈現明顯分化：年收入超過10萬美元的高薪職業平均得分達6.7分，而年收入低于3.5萬美元的群體平均風險僅為3.4分。
高薪職業中，軟件開發人員、計算機程序員、數據科學家、金融分析師、律師助理、作家、編輯及市場研究人員等崗位風險評分普遍高達9分。這類依賴數據處理、內容生成和邏輯推理的工作，正面臨高級AI工具的快速滲透——部分工具可在幾分鐘內完成人類數周的工作量。例如，代碼生成、法律文書起草和財務分析等任務已出現被AI替代的案例。
相比之下，低薪體力勞動者和服務業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風險評分低至1分，而家庭保健助理、護理助理、理發師和調酒師等需要人際互動或精細手工操作的崗位得分也僅為2分。這類工作因涉及復雜的物理操作或情感交流，目前仍難以被AI技術復制。
卡帕西在社交平臺X上解釋稱，該分析僅是他用兩小時編寫的代碼演示項目，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。他坦言：“即使附帶了說明文檔，也未預料到會被如此解讀。”盡管隨后刪除了相關帖子，但存檔數據仍反映出當前AI技術發展的現實邏輯：生成式AI在文本處理、代碼編寫和復雜分析任務上的效率已遠超物理世界操作。
這一結論與人工智能初創公司Anthropic本月發布的報告《人工智能對勞動力市場的影響：一項新的衡量標準和早期證據》不謀而合。該報告指出，盡管AI的實際應用速度滯后于理論能力，但商業、金融、法律、計算機科學及管理類工作在理論上最易被自動化。報告特別強調，年齡較大、受教育程度高且收入較高的勞動者群體，在AI浪潮中面臨更大的職業不確定性。
