NVIDIA lanserer ni millioner syntetiske japanske finanspersonas

Elith og NVIDIA lanserte Nemotron-Personas-Finance-Japan 9. november 2026, og gjorde ni millioner syntetiske japanske personas tilgjengelige for kommersiell og ikke-kommersiell KI-utvikling. Datasettet, som er lisensiert under CC BY 4.0, legger til opplysninger om husholdningenes økonomi, økonomisk atferd og finansiell kompetanse i demografiske profiler. Dermed kan banker, forsikringsselskaper og utviklere teste systemer som brukes i kundekontakt, uten å benytte ekte kundedata.

NVIDIA beskriver, så vidt selskapet kjenner til, utgivelsen som det første åpne personasettet i millionstørrelse som kombinerer Japans offisielle statistikk med data om husholdningsøkonomi og finansiell kompetanse. Det bygger videre på Nemotron-Personas-Japan, som i versjonen fra 23. september 2025 inneholdt seks millioner personas fordelt på 22 felt, men ingen personas med særskilt fokus på økonomi. Den nye utgaven inneholder én million japanskspråklige poster med ni personas hver og 50 felt per post. Den dekker alle 47 prefekturene og mer enn 1 600 yrkeskategorier.

Økonomiske detaljer utover demografi

Tre av de 20 personarelaterte feltene beskriver hver for seg økonomiske vaner, atferd ved beslutningstaking og økonomiske bekymringer. De 30 kontekstfeltene omfatter personinntekt, husholdningenes formue, bolig- og boliglånsstatus, forbrukstilbøyelighet, skårer for finansiell kompetanse, bruk av internett og smarttelefon, husholdningssammensetning og egenvurdert helse. Profilene kan danne utgangspunkt for flerturssamtaler på japansk, fra en pensjonist i en regional del av landet som spør om overføring av formue, til en husholdning med to inntekter i en by som går gjennom utdanningssparing og boliglån.

Fordelingen av husholdningenes formue bygger på Statistikkbyråets nasjonale undersøkelse av familieinntekt, forbruk og formue fra 2019, som kartlegger familiers forbruk, inntekt, eiendeler og gjeld. Ifølge analysen i datasettkortet øker andelen husholdninger med minst 20 millioner yen i finansielle eiendeler fra rundt 10 % blant personer i alderen 25–29 år til rundt 30 % blant dem i alderen 60–64 år. Formuen holder seg relativt høy gjennom 60- og 70-årene, selv om personinntekten faller rundt pensjonsalderen. Dette legger til rette for ulike kundeprofiler knyttet til formuesbygging, pensjonsplanlegging og arv.

Den demografiske konteksten er særlig relevant for simuleringer av pensjonering og arv: Statistikkbyråets befolkningsanslag for 2024 viser at personer som er 65 år eller eldre, utgjorde 29,3 % av Japans befolkning per 1. oktober 2024. De syntetiske personaene omfatter bare voksne fra 18 år og oppover. Tiltenkte bruksområder omfatter kundeserviceagenter, testing av samtaler innen salg og markedsføring, simuleringer med NeMo User Sim, red teaming og kontroller av atferdskonsistens på tvers av distrikts- og byområder, alder, utdanningsnivå og økonomiske forhold.

Slik ble personaene laget

Genereringsstakken kombinerer NeMo Data Designer, rammeverket for probabilistiske grafiske modeller NeMo SDG-PGMs og modellen gemma-4-31B-it, som er lisensiert under Apache 2.0, for japansk tekst. Data Designer leverer strukturerte resultater, validering og automatiske nye forsøk. Sompo Japan, Tokio Marine Holdings, Bank of Fukuoka, Mizuho Financial Group, Meiji Yasuda Life Insurance og Financial Data Utilization Association ga tilbakemeldinger under utformingen.

Datasettkortet oppgir J-FLECs spørreundersøkelser og statistiske data som enda en kilde for grunnlagsdata. J-FLECs offisielle oversikt opplyser at undersøkelsen om finansiell kompetanse omfatter personer i alderen 18–79 år, mens spørreundersøkelsene om husholdningenes økonomiske atferd undersøker eiendeler, gjeld og livsplanlegging for husholdninger med to personer og aleneboende.

Hver persona er kunstig og gjengir ikke en ekte kunde eller enkeltperson. Eventuelle likheter med virkelige personer er tilfeldige. Den offentlige versjonen på Hugging Face utelater egne felt for fornavn og etternavn samt syntetiske adresser, og utelukker helsepersonas. Kortet opplyser også at det legges til grunn at yrke er uavhengig av utdanning når prefektur og kjønn er gitt, og at det ikke finnes omfattende folketellingsstatistikk om kjønn uavhengig av biologisk kjønn.

Et tilhørende datasett for personvern

NVIDIA lanserte datasettet sammen med Nemotron-PII-Japan, et tilhørende datasett for å trene og teste systemer som oppdager og sladder personidentifiserende opplysninger (PII). Det inneholder 100 000 syntetiske japanske forretningsdokumenter fordelt på 43 dokumenttyper innen åtte domener, med 56 PII-etiketter og 810 703 annoterte tekstområder. Finanspersonaene kan simulere kunder, mens PII-dokumentene brukes til å teste om en databehandlingskjede identifiserer sensitive opplysninger.

PII-kortet advarer om at gode resultater på syntetiske dokumenter ikke garanterer fullstendig oppdagelse, rettferdighet, personvern, etterlevelse av regelverk eller beskyttelse mot datalekkasje ved bruk av ekte data. Samlet gir datasettene team som arbeider med KI for finans, en åpen måte å teste både kundedialog og personvernkontroller på. Ytelsen i virkelige situasjoner, målt mot institusjonenes egne japanskspråklige arbeidsflyter, er derfor det avgjørende målet på utgivelsenes praktiske verdi.