NVIDIA frigiver ni millioner syntetiske japanske finanspersonaer

Elith og NVIDIA frigav Nemotron-Personas-Finance-Japan den 9. november 2026 og gjorde dermed ni millioner syntetiske japanske personaer tilgængelige til kommerciel og ikke-kommerciel AI-udvikling. Datasættet er licenseret under CC BY 4.0 og føjer oplysninger om husholdningernes økonomi, økonomisk adfærd og finansiel forståelse til demografiske profiler. Det giver banker, forsikringsselskaber og udviklere mulighed for at teste kundevendte systemer uden at bruge rigtige kunderegistre.

NVIDIA beskriver, så vidt virksomheden ved, udgivelsen som det første åbne personasæt på millionpostniveau, der kombinerer Japans officielle statistikker med data om husholdningernes økonomi og finansielle forståelse. Det er en videreudvikling af Nemotron-Personas-Japan, hvis version fra 23. september 2025 rummede seks millioner personaer fordelt på 22 felter og ikke omfattede finansspecifikke personaer. Den nye udgave indeholder en million japansksprogede poster med ni personaer i hver og 50 felter pr. post. Den dækker alle 47 præfekturer og mere end 1.600 erhvervskategorier.

Finansielle detaljer ud over demografiske oplysninger

Tre af de 20 personarelaterede felter beskriver hver for sig økonomiske vaner, adfærd ved beslutningstagning og økonomiske bekymringer. De 30 kontekstfelter omfatter desuden personlig indkomst, husholdningens formue, bolig- og realkreditforhold, tilbøjelighed til forbrug, resultater for finansiel forståelse, brug af internet og smartphones, husstandens sammensætning og selvvurderet helbred. Profilerne kan danne grundlag for japanske dialoger over flere runder, fra en pensionist i en regional by, der spørger til overdragelse af formue, til en husstand med to indkomster i en storby, der gennemgår opsparing til uddannelse og et realkreditlån.

Fordelingen af husholdningernes formue bygger på statistikbureauets nationale undersøgelse af familieindkomst, forbrug og formue fra 2019, som undersøger familiers forbrug, indkomst, aktiver og gæld. Analysen i datasætkortet viser, at andelen af husholdninger med mindst 20 millioner yen i finansielle aktiver stiger fra omkring 10 % blandt 25-29-årige til omkring 30 % blandt 60-64-årige. Formuen ligger fortsat forholdsvis højt gennem 60- og 70-årsalderen, selv om den personlige indkomst falder omkring pensionering. Det understøtter særskilte kundeprofiler til formueopbygning, pensionsplanlægning og arv.

Den demografiske kontekst er særlig relevant for simuleringer af pensionering og arv: Ifølge statistikbureauets befolkningsestimater for 2024 udgjorde personer på 65 år eller derover 29,3 % af Japans befolkning pr. 1. oktober 2024. De syntetiske personaer omfatter kun voksne på 18 år og derover. De påtænkte anvendelser omfatter kundeservicemedarbejdere baseret på AI, test af samtaler inden for salg og markedsføring, simuleringer med NeMo User Sim, red-team-tests og kontrol af ensartet adfærd på tværs af land- og byområder, aldre, uddannelsesniveauer og økonomiske forhold.

Sådan blev personaerne skabt

Genereringssystemet kombinerer NeMo Data Designer, den probabilistiske grafmodelramme NeMo SDG-PGMs og modellen gemma-4-31B-it, der er licenseret under Apache-2.0, til japansk tekst. Data Designer leverer strukturerede resultater, validering og automatiske gentagelsesforsøg. Sompo Japan, Tokio Marine Holdings, Bank of Fukuoka, Mizuho Financial Group, Meiji Yasuda Life Insurance og Financial Data Utilization Association bidrog med feedback under designprocessen.

Datasætkortet angiver J-FLEC’s undersøgelses- og statistikdata som endnu en kilde til grunddata. J-FLEC’s officielle indeks oplyser, at undersøgelsen af finansiel forståelse omfatter personer i alderen 18-79 år, mens organisationens undersøgelser af husholdningers økonomiske adfærd ser på aktiver, gæld og livsplanlægning for husstande med to personer og enlige husstande.

Alle personaer er kunstige og udgør ikke registreringer af rigtige kunder eller enkeltpersoner; enhver lighed med en faktisk person er tilfældig. Den offentlige version på Hugging Face udelader særskilte felter til for- og efternavn samt syntetiske adresser, og den omfatter ikke sundhedsrelaterede personaer. Kortet oplyser også, at det antages, at erhverv er uafhængigt af uddannelse, når der er taget højde for præfektur og køn, og at der ikke findes omfattende folketællingsstatistikker om kønsidentitet, der er uafhængig af biologisk køn.

Et supplerende datasæt om beskyttelse af personoplysninger

NVIDIA udgav datasættet sammen med Nemotron-PII-Japan, et supplerende datasæt til træning og test af systemer, der opdager og fjerner personhenførbare oplysninger (PII). Det indeholder 100.000 syntetiske japanske forretningsdokumenter fordelt på 43 dokumenttyper inden for otte områder, med 56 PII-etiketter og 810.703 annoterede tekstspænd. Finanspersonaerne kan simulere kunder, mens PII-dokumenterne kan teste, om en datapipeline identificerer følsomme oplysninger.

PII-kortet advarer om, at gode resultater på syntetiske dokumenter ikke garanterer fuldstændig registrering, retfærdighed, beskyttelse af privatlivets fred, overholdelse af lovgivningen eller forebyggelse af lækager i forbindelse med rigtige data. Tilsammen giver datasættene finansielle AI-teams en åben mulighed for at teste både kundeinteraktioner og privatlivsbeskyttelse. Udgivelsernes praktiske værdi afhænger derfor afgørende af, hvordan de fungerer i virkelige arbejdsgange på japansk hos de enkelte institutioner.