NVIDIA vydává devět milionů syntetických japonských finančních person

Společnosti Elith a NVIDIA vydaly Nemotron-Personas-Finance-Japan 9. listopadu 2026 a zpřístupnily tak devět milionů syntetických japonských person pro komerční i nekomerční vývoj umělé inteligence. Datová sada s licencí CC BY 4.0 doplňuje demografické profily o informace o financích domácností, finančním chování a finanční gramotnosti. Bankám, pojišťovnám a vývojářům tak umožňuje testovat systémy určené zákazníkům bez použití skutečných zákaznických záznamů.

NVIDIA označuje toto vydání, pokud je jí známo, za první otevřenou datovou sadu person v rozsahu milionu záznamů, která kombinuje oficiální japonské statistiky s údaji o financích domácností a finanční gramotnosti. Navazuje na Nemotron-Personas-Japan, jehož verze z 23. září 2025 obsahovala šest milionů person ve 22 kategoriích a nezahrnovala persony se specifickým zaměřením na finance. Nové vydání obsahuje jeden milion záznamů v japonštině, v každém z nichž je devět person a 50 položek. Pokrývá všech 47 prefektur a více než 1 600 kategorií povolání.

Finanční podrobnosti nad rámec demografických údajů

Tři z 20 položek popisujících persony se samostatně věnují finančním návykům, chování při rozhodování a finančním obavám. Dalších 30 kontextových položek zahrnuje osobní příjmy, majetek domácnosti, stav bydlení a hypotéky, sklon ke spotřebě, skóre finanční gramotnosti, používání internetu a chytrých telefonů, složení domácnosti a subjektivně hodnocený zdravotní stav. Tyto profily mohou posloužit jako základ pro vícetahové rozhovory v japonštině, například pro rozhovor s důchodcem z regionu, který se ptá na předání majetku, nebo s městskou domácností se dvěma příjmy, která probírá úspory na vzdělání a hypotéku.

Rozložení majetku domácností vychází z celostátního průzkumu příjmů, spotřeby a majetku domácností z roku 2019, který provádí Statistický úřad a který zkoumá spotřebu, příjmy, majetek a závazky rodin. Analýza v dokumentaci k datové sadě uvádí, že podíl domácností s finančním majetkem ve výši alespoň 20 milionů jenů stoupá z přibližně 10 % ve věkové skupině 25–29 let na přibližně 30 % ve věkové skupině 60–64 let. Majetek zůstává relativně vysoký i u lidí ve věku 60 a 70 let, přestože jejich osobní příjem v době odchodu do důchodu klesá. To umožňuje vytvářet odlišné zákaznické profily pro budování majetku, plánování důchodu a dědictví.

Demografický kontext je zvlášť důležitý pro simulace plánování důchodu a dědictví: odhady počtu obyvatel z roku 2024 zveřejněné Statistickým úřadem uvádějí, že k 1. říjnu 2024 tvořili lidé ve věku 65 let a více 29,3 % obyvatel Japonska. Syntetické persony zahrnují pouze dospělé ve věku 18 let a více. K zamýšlenému využití patří agenti zákaznické podpory, testování rozhovorů pro prodej a marketing, simulace v NeMo User Sim, red teaming a ověřování konzistentního chování v různých venkovských i městských lokalitách, věkových skupinách, úrovních vzdělání a ekonomických podmínkách.

Jak persony vznikly

Proces generování kombinuje NeMo Data Designer, rámec pravděpodobnostních grafických modelů NeMo SDG-PGMs a model gemma-4-31B-it s licencí Apache 2.0 pro tvorbu japonského textu. Data Designer zajišťuje strukturované výstupy, jejich validaci a automatické opakování neúspěšných pokusů. Během návrhu poskytly zpětnou vazbu společnosti Sompo Japan, Tokio Marine Holdings, Bank of Fukuoka, Mizuho Financial Group, Meiji Yasuda Life Insurance a Financial Data Utilization Association.

Dokumentace k datové sadě uvádí jako další zdroj pro vytvoření dat průzkumy a statistické údaje J-FLEC. Oficiální rejstřík J-FLEC uvádí, že jeho průzkum finanční gramotnosti se týká lidí ve věku 18–79 let, zatímco průzkumy finančního chování domácností zkoumají majetek, závazky a plánování života v dvoučlenných i jednočlenných domácnostech.

Každá persona je umělá a nepředstavuje záznam skutečného zákazníka ani jednotlivce; případná podobnost se skutečnou osobou je náhodná. Veřejná verze na Hugging Face neobsahuje samostatná pole pro křestní jméno a příjmení ani syntetické adresy a nezahrnuje persony ze zdravotnictví. Dokumentace také uvádí předpoklad, že povolání je při zohlednění prefektury a pohlaví nezávislé na vzdělání, a konstatuje, že nejsou k dispozici úplné statistiky ze sčítání lidu o genderu nezávislém na pohlaví.

Doplňková datová sada pro ochranu soukromí

NVIDIA vydala spolu s touto datovou sadou také Nemotron-PII-Japan, doplňkovou datovou sadu pro trénování a testování systémů, které rozpoznávají a odstraňují osobně identifikovatelné údaje (PII). Obsahuje 100 000 syntetických japonských obchodních dokumentů 43 typů z osmi oborů, označených 56 štítky PII a s 810 703 anotovanými úseky. Finanční persony mohou simulovat zákazníky, zatímco dokumenty s PII slouží k testování, zda systémový řetězec citlivé údaje rozpozná.

Dokumentace k datové sadě PII upozorňuje, že dobré výsledky u syntetických dokumentů nezaručují úplné rozpoznávání, spravedlivé zacházení, ochranu soukromí, soulad s předpisy ani prevenci úniku údajů při práci se skutečnými daty. Tyto datové sady společně poskytují týmům vyvíjejícím finanční umělou inteligenci otevřený způsob, jak testovat zákaznické interakce i opatření na ochranu soukromí. Rozhodujícím měřítkem praktické hodnoty těchto vydání proto bude jejich výkon v reálných pracovních postupech institucí v japonštině.