AI-mallit ja alustat
NVIDIA julkaisee yhdeksän miljoonaa synteettistä japanilaista talousalan persoonaa
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Elith ja NVIDIA julkaisivat Nemotron-Personas-Finance-Japan-aineiston 9. marraskuuta 2026 ja avasivat yhdeksän miljoonaa synteettistä japanilaista persoonaa kaupalliseen ja ei-kaupalliseen tekoälyn kehittämiseen. CC BY 4.0 -lisenssillä julkaistu aineisto täydentää demografisia profiileja kotitalouksien taloutta, rahankäyttöä ja talouslukutaitoa koskevilla tiedoilla. Näin pankit, vakuutusyhtiöt ja kehittäjät voivat testata asiakasrajapinnan järjestelmiä ilman oikeiden asiakkaiden tietoja.
NVIDIAn mukaan julkaisu on sen tietojen perusteella ensimmäinen miljoonan tietueen mittakaavassa oleva avoin persooniaineisto, jossa Japanin viralliset tilastot yhdistyvät kotitalouksien taloutta ja talouslukutaitoa koskeviin tietoihin. Se laajentaa Nemotron-Personas-Japan-aineistoa, jonka 23. syyskuuta 2025 julkaistu versio sisälsi kuusi miljoonaa persoonaa 22 tietokentässä eikä sisältänyt erityisesti talousalaa koskevia persoonia. Uusi versio sisältää miljoona japaninkielistä tietuetta, joissa kussakin on yhdeksän persoonaa ja 50 tietokenttää. Aineisto kattaa kaikki 47 prefektuuria ja yli 1 600 ammattiryhmää.
Taloudellisia yksityiskohtia demografisten tietojen lisäksi
Persooniin liittyvistä 20 tietokentästä kolme kuvaa erikseen taloudellisia tottumuksia, päätöksentekokäyttäytymistä ja taloudellisia huolenaiheita. Kontekstia täydentävät 30 kenttää sisältävät tietoja henkilön tuloista, kotitalouden varallisuudesta, asumisesta ja asuntolainatilanteesta, kulutusalttiudesta, talouslukutaidon pistemääristä, internetin ja älypuhelimen käytöstä, kotitalouden rakenteesta sekä itse arvioidusta terveydestä. Profiileja voidaan käyttää monivuoroisen japaninkielisen vuoropuhelun pohjana: esimerkkeinä ovat alueella asuva eläkeläinen, joka kysyy varallisuuden siirtämisestä, ja kaupunkilainen kahden tulonsaajan kotitalous, joka tarkastelee koulutussäästöjä ja asuntolainaa.
Kotitalouksien varallisuusjakaumat perustuvat tilastoviraston vuoden 2019 kansalliseen perhetulojen, kulutuksen ja varallisuuden tutkimukseen, jossa selvitetään perheiden kulutusta, tuloja, varallisuutta ja velkoja. Aineistokortin analyysin mukaan niiden kotitalouksien osuus, joilla on vähintään 20 miljoonaa jeniä rahoitusvarallisuutta, kasvaa noin 10 prosentista 25–29-vuotiaiden ikäryhmässä noin 30 prosenttiin 60–64-vuotiaiden ikäryhmässä. Varallisuus pysyy suhteellisen suurena 60- ja 70-vuotiailla, vaikka henkilökohtaiset tulot pienenevät eläkkeelle siirtymisen aikoihin. Tämä mahdollistaa erilaisten asiakasprofiilien luomisen varallisuuden kartuttamiseen, eläkesuunnitteluun ja perintöasioihin.
Demografiset tiedot ovat erityisen hyödyllisiä eläkkeelle jäämistä ja perintöä koskevissa simulaatioissa: tilastoviraston vuoden 2024 väestöarvioiden mukaan vähintään 65-vuotiaiden osuus Japanin väestöstä oli 29,3 prosenttia 1. lokakuuta 2024. Synteettiset persoonat kattavat vain vähintään 18-vuotiaita aikuisia. Käyttötarkoituksiin kuuluvat asiakaspalveluagentit, myynti- ja markkinointikeskustelujen testaus, NeMo User Sim -simulaatiot, red team -testaus sekä käyttäytymisen johdonmukaisuuden tarkistaminen maaseudulla ja kaupungeissa, eri ikäryhmissä ja koulutustasoilla sekä erilaisissa taloudellisissa tilanteissa.
Miten persoonat luotiin
Luontoputkessa yhdistyvät NeMo Data Designer, NeMo SDG-PGMs -todennäköisyysgraafimallikehys sekä japaninkielistä tekstiä tuottava gemma-4-31B-it-malli, joka on lisensoitu Apache 2.0 -lisenssillä. Data Designer tuottaa rakenteisia tuloksia, validoi ne ja yrittää tehtäviä automaattisesti uudelleen. Sompo Japan, Tokio Marine Holdings, Bank of Fukuoka, Mizuho Financial Group, Meiji Yasuda Life Insurance ja Financial Data Utilization Association antoivat palautetta suunnitteluprosessin aikana.
Aineistokortissa mainitaan toisena lähteenä J-FLECin kysely- ja tilastotiedot. J-FLECin virallisen hakemiston mukaan sen talouslukutaitokysely kattaa 18–79-vuotiaat, kun taas kotitalouksien talouskäyttäytymistä koskevissa kyselyissä tarkastellaan kahden hengen ja yhden hengen kotitalouksien varallisuutta, velkoja ja elämänsuunnittelua.
Jokainen persoona on keinotekoinen eikä vastaa todellista asiakasta tai henkilöä, ja mahdollinen yhdennäköisyys todellisen henkilön kanssa on sattumaa. Hugging Facessa julkaistusta versiosta on jätetty pois erilliset etunimi- ja sukunimikentät sekä synteettiset osoitteet, eikä se sisällä terveydenhuoltoalan persoonia. Aineistokortissa tuodaan lisäksi esiin oletus, jonka mukaan ammatti on prefektuurin ja sukupuolen perusteella koulutuksesta riippumaton, sekä todetaan, ettei kattavia väestönlaskentatilastoja biologisesta sukupuolesta riippumattomasta sukupuolesta ole saatavilla.
Täydentävä tietosuojan aineisto
NVIDIA julkaisi aineiston rinnalla Nemotron-PII-Japan-aineiston, joka on tarkoitettu henkilön tunnistamiseen liittyviä tietoja (PII) havaitsevien ja poistavien järjestelmien kouluttamiseen ja testaamiseen. Se sisältää 100 000 synteettistä japanilaista yritysasiakirjaa, jotka kattavat kahdeksan aihealuetta ja 43 asiakirjatyyppiä. Aineistossa on 56 PII-merkintää ja 810 703 annotoitua tekstijaksoa. Talousalan persoonilla voidaan simuloida asiakkaita, kun taas PII-asiakirjoilla voidaan testata, tunnistaako tietojenkäsittelyketju arkaluonteiset tiedot.
PII-aineiston kortissa varoitetaan, etteivät synteettisillä asiakirjoilla saadut hyvät tulokset takaa kattavaa tunnistamista, oikeudenmukaisuutta, tietosuojaa tai sääntelyn noudattamista eivätkä estä tietojen vuotamista todellisessa aineistossa. Yhdessä aineistot tarjoavat finanssialan tekoälytiimeille avoimen tavan testata sekä asiakasvuorovaikutusta että tietosuojan valvontakeinoja. Julkaisujen käytännön arvo määräytyy siten ennen kaikkea sen perusteella, miten ne toimivat todellisten organisaatioiden japaninkielisissä työnkuluissa.
