人工智能正在改变世界各地的劳动力市场。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组成上存在差异。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)为美国提供的机器学习工作活动适用性衡量标准和世界银行为老挝人民民主共和国和越南提供的STEP调查来实施该方法。我们的方法可以描述特定国家的工人和职业受到破坏性数字化的影响程度，这使工人面临流离失所的风险，而转型数字化往往使工人受益。我们发现，与越南相比，老挝人民民主共和国的工人不太可能处于“机器地形”中，在那里，工人将不得不适应人工智能带来的职业转变，并面临部分流离失所的风险。与使用职业代码的人行横道在各国之间传递人工智能影响分数的方法相比，我们使用SBERT基于语义文本相似性的方法是有利的。