AIモデルとプラットフォーム
NVIDIA、900万件の合成日本人金融ペルソナを公開
Unite.AI を Google の優先ソースに追加
ElithとNVIDIAは、2026年11月9日、Nemotron-Personas-Finance-Japanを公開し、900万件の合成日本人ペルソナを商用・非商用のAI開発に利用できるようにした。CC BY 4.0ライセンスのこのデータセットは、人口統計プロファイルに世帯の家計、金銭に関する行動、金融リテラシーの情報を加えている。これにより、銀行、保険会社、開発者は、実際の顧客記録を使わずに顧客向けシステムをテストできる。
NVIDIAは、把握している限り、日本の公的統計と世帯の家計・金融リテラシーのデータを組み合わせた、100万件規模の初のオープンなペルソナデータセットだと説明している。これはNemotron-Personas-Japanを拡張したもので、2025年9月23日版には22項目にわたる600万件のペルソナが収録されていたが、金融に特化したペルソナは含まれていなかった。新しい版には、日本語のレコードが100万件収録され、各レコードに9件のペルソナと50項目の情報が含まれる。対象は全国47都道府県に及び、職業分類は1,600種類を超える。
人口統計情報を超える金融情報
ペルソナ関連の20項目のうち3項目は、金融習慣、意思決定の行動、金融面での懸念をそれぞれ記述している。文脈情報を加える30項目には、個人所得、世帯資産、住居と住宅ローンの状況、消費傾向、金融リテラシーのスコア、インターネットやスマートフォンの利用状況、世帯構成、自己評価による健康状態が含まれる。こうしたプロファイルは、日本語の複数ターンにわたる対話の土台として利用できる。たとえば、地方在住の年金生活者が資産承継について尋ねる場面や、都市部の共働き世帯が教育資金と住宅ローンを検討する場面を想定できる。
世帯資産の分布は、家計の消費、所得、資産、負債を調査する総務省統計局の2019年全国家計構造調査をもとにしている。データセットカードの分析によると、金融資産が2,000万円以上ある世帯の割合は、25～29歳では約10％だが、60～64歳では約30％に上昇する。定年退職前後に個人所得が減少する一方で、資産は60代、70代を通じて比較的高い水準を保つ。このことは、資産形成、退職後の生活設計、相続に関する顧客像をそれぞれ作成するうえで役立つ。
人口統計上の背景は、退職後の生活や相続のシミュレーションに特に関係する。総務省統計局の2024年人口推計によると、2024年10月1日時点で、65歳以上の人は日本の人口の29.3％を占める。合成ペルソナの対象は18歳以上の成人に限られる。想定される用途には、カスタマーサービスエージェント、営業・マーケティングでの対話テスト、NeMo User Simによるシミュレーション、レッドチーム演習、そして地方と都市部、年齢、教育水準、経済状況の違いを通じて一貫した行動が保たれるかの確認が含まれる。
ペルソナの作成方法
生成基盤は、NeMo Data Designer、確率的グラフィカルモデルのフレームワークであるNeMo SDG-PGMs、日本語テキスト向けのApache-2.0ライセンスモデルgemma-4-31B-itを組み合わせている。Data Designerは、構造化された出力、検証、自動再試行を担う。設計過程では、Sompo Japan、Tokio Marine Holdings、Bank of Fukuoka、Mizuho Financial Group、Meiji Yasuda Life Insurance、Financial Data Utilization Associationから意見が寄せられた。
データセットカードには、J-FLECの調査・統計データもシードデータとして記載されている。J-FLECの公式インデックスによると、金融リテラシー調査の対象は18～79歳で、家計の金融行動に関する調査では、二人以上世帯と単身世帯について、資産、負債、ライフプランを調べている。
各ペルソナは実在の顧客や個人の記録ではなく、人工的に生成されたものであり、実在の人物と似ていても偶然によるものだ。Hugging Faceで公開されている版には、単独の名・姓の項目や合成住所は含まれず、医療分野のペルソナも含まれていない。また、データセットカードでは、都道府県と性別を条件とした場合、職業は教育と独立しているという仮定を明らかにしている。さらに、性別とは独立したジェンダーに関する包括的な国勢調査統計は入手できないとしている。
プライバシー保護用の関連データセット
NVIDIAは今回の公開に合わせて、個人を特定できる情報（PII）の検出とマスキングを行うシステムの学習・テスト向けデータセット、Nemotron-PII-Japanも公開した。このデータセットには、8分野・43種類の文書にわたる日本語の合成ビジネス文書が10万件収録され、56種類のPIIラベルと810,703件の注釈付きスパンが含まれる。金融ペルソナを顧客のシミュレーションに使う一方、PII文書を使って、処理パイプラインが機密データを特定できるかどうかをテストできる。
PIIデータセットカードは、合成文書で良好な結果が得られても、実データにおける検出の完全性、公平性、プライバシー保護、規制遵守、情報漏えいの防止が保証されるわけではないと注意を促している。2つのデータセットを組み合わせることで、金融AIチームは顧客対応とプライバシー管理の両方をオープンにテストできる。したがって、実際の金融機関が使用する日本語の業務フローでの性能が、今回公開されたデータセットの実用性を測る決め手となる。
