NVIDIA brengt negen miljoen synthetische Japanse financiële persona’s uit

Elith en NVIDIA hebben op 9 november 2026 Nemotron-Personas-Finance-Japan uitgebracht, waarmee negen miljoen synthetische Japanse persona’s beschikbaar kwamen voor commerciële en niet-commerciële AI-ontwikkeling. De dataset, die onder CC BY 4.0 is uitgebracht, voegt informatie over de financiën van huishoudens, financieel gedrag en financiële geletterdheid toe aan demografische profielen. Zo kunnen banken, verzekeraars en ontwikkelaars klantgerichte systemen testen zonder gegevens van echte klanten te gebruiken.

NVIDIA omschrijft deze uitgave, voor zover het bedrijf weet, als de eerste open dataset met persona’s op een schaal van miljoenen records die officiële Japanse statistieken combineert met gegevens over de financiën van huishoudens en financiële geletterdheid. De dataset bouwt voort op Nemotron-Personas-Japan, waarvan de versie van 23 september 2025 zes miljoen persona’s met 22 kenmerken bevatte en geen financiële persona’s omvatte. De nieuwe editie bevat één miljoen records in het Japans, elk met negen persona’s en 50 kenmerken. De dataset bestrijkt alle 47 prefecturen en meer dan 1.600 beroepscategorieën.

Financiële details naast demografische gegevens

Drie van de 20 kenmerken die betrekking hebben op de persona’s beschrijven afzonderlijk financieel gedrag, besluitvormingsgedrag en financiële zorgen. De 30 contextuele kenmerken omvatten daarnaast persoonlijk inkomen, vermogen van huishoudens, de woonsituatie en hypotheekstatus, consumptieneiging, scores voor financiële geletterdheid, internet- en smartphonegebruik, gezinssamenstelling en de zelfbeoordeelde gezondheid. Deze profielen kunnen als basis dienen voor meerbeurten-dialogen in het Japans, bijvoorbeeld tussen een gepensioneerde op het platteland die vragen heeft over vermogensoverdracht en een tweeverdienershuishouden in de stad dat spaargeld voor onderwijs en een hypotheek bespreekt.

De verdeling van het vermogen van huishoudens is gebaseerd op het Nationaal onderzoek naar gezinsinkomen, consumptie en vermogen uit 2019 van het Bureau voor de Statistiek. Dat onderzoek brengt de consumptie, inkomsten, bezittingen en schulden van gezinnen in kaart. Uit de analyse in de datasetkaart blijkt dat het aandeel huishoudens met minstens 20 miljoen yen aan financiële activa stijgt van ongeveer 10% onder 25- tot 29-jarigen naar ongeveer 30% onder 60- tot 64-jarigen. Het vermogen blijft relatief hoog bij mensen van 60 tot en met 79 jaar, ook wanneer hun persoonlijk inkomen rond hun pensionering daalt. Dat maakt het mogelijk afzonderlijke klantprofielen op te stellen voor vermogensopbouw, pensioenplanning en erfenissen.

De demografische context is bijzonder relevant voor simulaties rond pensionering en erfenissen: volgens de bevolkingsramingen voor 2024 van het Bureau voor de Statistiek was op 1 oktober 2024 29,3% van de Japanse bevolking 65 jaar of ouder. De synthetische persona’s vertegenwoordigen uitsluitend volwassenen van 18 jaar en ouder. Mogelijke toepassingen zijn klantenservicemedewerkers, tests van verkoop- en marketinggesprekken, NeMo User Sim-simulaties, red-teaming en controles op consistent gedrag in landelijke en stedelijke gebieden, bij verschillende leeftijden en opleidingsniveaus en onder uiteenlopende economische omstandigheden.

Hoe de persona’s zijn samengesteld

De generatiepijplijn combineert NeMo Data Designer, het probabilistisch-grafische modelraamwerk NeMo SDG-PGMs en het onder Apache-2.0 gelicentieerde model gemma-4-31B-it voor Japanse tekst. Data Designer levert gestructureerde uitvoer, validatie en automatische nieuwe pogingen. Sompo Japan, Tokio Marine Holdings, Bank of Fukuoka, Mizuho Financial Group, Meiji Yasuda Life Insurance en de Financial Data Utilization Association hebben tijdens het ontwerpproces feedback gegeven.

De datasetkaart noemt de enquêtes en statistische gegevens van J-FLEC als een andere bron voor de dataset. Volgens de officiële index van J-FLEC richt de enquête naar financiële geletterdheid zich op mensen van 18 tot en met 79 jaar. De enquêtes naar financieel gedrag van huishoudens onderzoeken bezittingen, schulden en levensplanning bij huishoudens met twee personen en eenpersoonshuishoudens.

Elke persona is kunstmatig en vertegenwoordigt geen echte klant of persoon; eventuele gelijkenis met een bestaand persoon berust op toeval. De openbare versie op Hugging Face bevat geen afzonderlijke velden voor voor- en achternaam of synthetische adressen en bevat geen persona’s uit de gezondheidszorg. De datasetkaart vermeldt ook de aanname dat beroep onafhankelijk is van opleiding, gegeven prefectuur en sekse, en stelt dat er geen uitgebreide censusstatistieken beschikbaar zijn over gender, onafhankelijk van sekse.

Een aanvullende dataset voor privacy

NVIDIA heeft de uitgave gekoppeld aan Nemotron-PII-Japan, een aanvullende dataset voor het trainen en testen van systemen die persoonsgegevens (PII) kunnen detecteren en afschermen. De dataset bevat 100.000 synthetische Japanse bedrijfsdocumenten uit 43 documenttypen en acht domeinen, met 56 PII-labels en 810.703 geannoteerde tekstfragmenten. Met de financiële persona’s kunnen klanten worden gesimuleerd, terwijl de PII-documenten testen of een pijplijn gevoelige gegevens herkent.

De PII-datasetkaart waarschuwt dat goede resultaten op synthetische documenten geen garantie bieden voor volledige detectie, eerlijkheid, privacybescherming, naleving van regelgeving of het voorkomen van datalekken bij echte gegevens. Samen bieden de datasets AI-teams in de financiële sector een open manier om zowel klantinteracties als privacymaatregelen te testen. De doorslaggevende maatstaf voor de praktische waarde van de uitgaven is daarom hoe goed ze presteren in de Japanstalige werkprocessen van financiële instellingen.