Modelos y plataformas de IA
NVIDIA lanza nueve millones de personas sintéticas japonesas para el sector financiero
Añade Unite.AI a tus fuentes preferidas en Google
Elith y NVIDIA lanzaron Nemotron-Personas-Finance-Japan el 9 de noviembre de 2026, y pusieron nueve millones de personas sintéticas japonesas a disposición del desarrollo de IA con fines comerciales y no comerciales. El conjunto de datos, publicado con licencia CC BY 4.0, añade información sobre las finanzas de los hogares, los hábitos financieros y la educación financiera a los perfiles demográficos, lo que permite a bancos, aseguradoras y desarrolladores probar sistemas de atención al cliente sin utilizar registros de clientes reales.
Según NVIDIA, y hasta donde sabe, esta es la primera versión abierta de un conjunto de datos de personas sintéticas a escala de millones de registros que combina estadísticas oficiales de Japón con datos sobre las finanzas de los hogares y la educación financiera. Amplía Nemotron-Personas-Japan, cuya versión del 23 de septiembre de 2025 contenía seis millones de personas sintéticas con 22 campos y excluía las diseñadas específicamente para el ámbito financiero. La nueva edición incluye un millón de registros en japonés, con nueve personas sintéticas por registro y 50 campos en cada uno; abarca las 47 prefecturas y más de 1.600 categorías profesionales.
Más información financiera que los datos demográficos
Tres de los 20 campos relacionados con las personas sintéticas describen por separado los hábitos financieros, el comportamiento en la toma de decisiones y las preocupaciones financieras. Los 30 campos contextuales añaden información sobre los ingresos personales, los activos del hogar, la vivienda y el estado de la hipoteca, la propensión al consumo, las puntuaciones de educación financiera, el uso de internet y teléfonos inteligentes, la estructura del hogar y la salud autopercibida. Estos perfiles pueden servir para generar diálogos en japonés de varios turnos, desde el de una persona jubilada de una región que pregunta por la sucesión de sus activos hasta el de un hogar urbano con dos ingresos que revisa sus ahorros para la educación y una hipoteca.
Las distribuciones de los activos de los hogares se basan en la Encuesta Nacional de Ingresos, Consumo y Riqueza de los Hogares de 2019 de la Oficina de Estadística, que estudia el consumo, los ingresos, los activos y los pasivos de las familias. El análisis de la ficha del conjunto de datos indica que la proporción de hogares con al menos 20 millones de yenes en activos financieros aumenta de alrededor del 10 % entre los 25 y los 29 años a cerca del 30 % entre los 60 y los 64. Los activos se mantienen relativamente elevados durante los 60 y los 70 años, aunque los ingresos personales disminuyen cerca de la jubilación; esto permite crear perfiles de clientes diferenciados para la acumulación de patrimonio, la planificación de la jubilación y las herencias.
El contexto demográfico es especialmente pertinente para las simulaciones sobre jubilación y herencias: las estimaciones de población de 2024 de la Oficina de Estadística sitúan en el 29,3 % la proporción de personas de 65 años o más en la población de Japón al 1 de octubre de 2024. Las personas sintéticas abarcan únicamente a adultos de 18 años o más. Entre los usos previstos se incluyen los agentes de atención al cliente, las pruebas de conversaciones de ventas y marketing, las simulaciones con NeMo User Sim, las pruebas de equipo rojo y las comprobaciones de que el comportamiento sea coherente en distintos lugares rurales y urbanos, edades, niveles educativos y circunstancias económicas.
Cómo se crearon las personas sintéticas
La arquitectura de generación combina NeMo Data Designer, el marco de modelos gráficos probabilísticos NeMo SDG-PGMs y el modelo gemma-4-31B-it, con licencia Apache-2.0, para generar texto en japonés. Data Designer proporciona resultados estructurados, validación y nuevos intentos automatizados. Sompo Japan, Tokio Marine Holdings, Bank of Fukuoka, Mizuho Financial Group, Meiji Yasuda Life Insurance y Financial Data Utilization Association aportaron comentarios durante el proceso de diseño.
La ficha del conjunto de datos cita las encuestas y los datos estadísticos de J-FLEC como otra fuente de datos inicial. El índice oficial de J-FLEC señala que su encuesta sobre educación financiera abarca a personas de entre 18 y 79 años, mientras que sus encuestas sobre el comportamiento financiero de los hogares analizan los activos, los pasivos y la planificación vital de hogares con dos integrantes y de una sola persona.
Todas las personas sintéticas son artificiales y no corresponden a clientes ni individuos reales; cualquier parecido con una persona real es casual. La versión pública de Hugging Face omite los campos independientes de nombre y apellido, así como las direcciones sintéticas, y excluye las personas sintéticas del ámbito sanitario. La ficha también declara que se presupone que la ocupación es independiente de la educación, dadas la prefectura y el sexo, y señala que no se dispone de estadísticas censales exhaustivas sobre el género independiente del sexo.
Un conjunto de datos complementario sobre privacidad
NVIDIA acompañó el lanzamiento con Nemotron-PII-Japan, un conjunto de datos complementario para entrenar y probar sistemas que detectan y eliminan información de identificación personal (PII). Contiene 100.000 documentos empresariales sintéticos en japonés, de 43 tipos documentales y ocho ámbitos, con 56 etiquetas de PII y 810.703 fragmentos anotados. Las personas sintéticas del conjunto financiero pueden simular a clientes, mientras que los documentos de PII sirven para probar si un flujo de procesamiento identifica datos sensibles.
La ficha del conjunto de PII advierte que obtener buenos resultados con documentos sintéticos no garantiza una detección completa, imparcialidad, protección de la privacidad, cumplimiento normativo ni prevención de filtraciones en datos reales. En conjunto, los conjuntos de datos ofrecen a los equipos de IA financiera una forma abierta de probar tanto las interacciones con clientes como los controles de privacidad. Por tanto, el rendimiento en condiciones reales con los flujos de trabajo en japonés propios de las instituciones será la medida decisiva del valor práctico de estos lanzamientos.
