W niniejszym artykule opracowano dostosowaną do międzynarodowych różnic w zadaniach zawodowych miarę ekspozycji pracowników na sztuczną inteligencję (SI) w 108 krajach, obejmujących 89% globalnego zatrudnienia. Opierając się na indeksie ekspozycji zawodowych na sztuczną inteligencję Feltena i in. (2021), mapujemy umiejętności związane ze sztuczną inteligencją na zadania zawodowe na poziomie pracownika, wykorzystując dane ankietowe z PIAAC, STEP i CULS. Następnie szacujemy ekspozycje zawodowe na SI w krajach, w których brakuje danych ankietowych. Uwzględnienie międzynarodowych różnic w zadaniach zawodowych ujawnia znaczne zróżnicowanie między krajami: pracownicy w krajach o niskich dochodach wykazują poziom narażenia na AI o około 0,8 odchylenia standardowego poniżej poziomu w krajach o wysokich dochodach, głównie ze względu na różnice w strukturze zadań wykonywanych w ramach danego zawodu. Za pomocą ekonometrycznych dekompozycji, przypisujemy te różnice głównie różnicom w intensywności wykorzystania technologii informacyjno-komunikacyjnych w poszczególnych krajach, a następnie kapitałowi ludzkiemu i charakterystykom firm. Kraje o wysokich dochodach zatrudniają większość pracowników w zawodach o wysokim stopniu narażenia na AI, podczas gdy kraje o niskich dochodach koncentrują się na zawodach o mniejszym stopniu narażenia. Korzystając z dwóch cykli PIAAC, dokumentujemy rosnącą ekpsozycję na AI w krajach o wysokich dochodach, spowodowaną głównie ewolucją zadań wykonywanych w ramach danego zawodu.
Dziękujemy Du Yangowi i Jia Pengowi z „The Institute of Population and Labor Economics Chinese Academy of Social Sciences za pomoc z danymi China Urban Labor Survey. Dziękujemy Omarowi Ariasowi, Maddalenie Honorati, oraz uczestnikom konferencji w Warszawie Luksemburgu, Sofii i Brukseli za cenne komentarze. Projekt dofinansowany przez program Horizon Europe Komisji Europejskiej, umowa grantowa nr 101132581 (SkiLMeeT). Wszystkie błędy są nasze.
