人工智能正在改变全球的劳动力市场。现有的研究主要集中在发达经济体，而忽视了发展中经济体。人工智能对不同国家劳动力市场的不同影响不仅源于不同的职业结构，还源于不同国家的职业在任务构成上的差异。我们提出了一种新的方法，将为美国开发的现有人工智能影响衡量标准转化为不同经济发展水平的国家。我们的方法评估了美国工作活动的文本描述与其他国家调查中得出的工人技能之间的语义相似性。我们使用Brynjolfsson等人(2018)为美国和世界银行针对老挝人民民主共和国和越南的STEP调查提供的机器学习工作活动适宜性度量来实现该方法。我们的方法允许描述特定国家的工人和职业在多大程度上受到破坏性数字化的影响，这使工人面临流离失所的风险，而变革性数字化往往有利于工人。我们发现，老挝人民民主共和国的工人比越南的工人更不可能处于“机器地带”，在那里，工人将不得不适应人工智能带来的职业转变，并有部分被取代的风险。我们使用SBERT基于语义文本相似性的方法比使用职业代码横行线在各国转移AI影响分数的方法更有优势。