NVIDIA lansează nouă milioane de profiluri financiare sintetice japoneze

Elith și NVIDIA au lansat Nemotron-Personas-Finance-Japan pe 9 noiembrie 2026, punând la dispoziție nouă milioane de profiluri sintetice japoneze pentru dezvoltarea de sisteme de inteligență artificială, atât în scopuri comerciale, cât și necomerciale. Setul de date, distribuit sub licența CC BY 4.0, adaugă informații despre finanțele gospodăriilor, comportamentul financiar și educația financiară la profilurile demografice, oferind băncilor, asigurătorilor și dezvoltatorilor o modalitate de a testa sisteme destinate interacțiunii cu clienții fără a folosi înregistrări reale ale acestora.

Potrivit NVIDIA, aceasta este, din câte știe compania, prima versiune deschisă a unui set de date cu profiluri la scară de un milion de înregistrări care combină statisticile oficiale ale Japoniei cu date despre finanțele gospodăriilor și educația financiară. Setul extinde Nemotron-Personas-Japan, a cărui versiune din 23 septembrie 2025 cuprindea șase milioane de profiluri, structurate în 22 de câmpuri, și nu includea profiluri specifice domeniului financiar. Noua ediție conține un milion de înregistrări în limba japoneză, cu câte nouă profiluri și 50 de câmpuri în fiecare înregistrare; sunt acoperite toate cele 47 de prefecturi și peste 1.600 de categorii profesionale.

Detalii financiare dincolo de datele demografice

Trei dintre cele 20 de câmpuri asociate profilurilor descriu separat obiceiurile financiare, comportamentul decizional și preocupările financiare. Cele 30 de câmpuri contextuale adaugă informații despre veniturile personale, activele gospodăriei, locuință și statutul creditului ipotecar, înclinația spre consum, scorurile de educație financiară, utilizarea internetului și a smartphone-urilor, structura gospodăriei și starea de sănătate autoevaluată. Aceste profiluri pot servi drept bază pentru dialoguri în japoneză cu mai multe schimburi, de la un pensionar dintr-o regiune care întreabă despre transmiterea patrimoniului către moștenitori până la o gospodărie urbană cu două venituri care analizează economiile pentru educație și un credit ipotecar.

Distribuțiile activelor gospodăriilor se bazează pe Sondajul național din 2019 privind veniturile, consumul și averea familiilor, realizat de Biroul de Statistică, care analizează consumul, veniturile, activele și datoriile familiilor. Potrivit analizei din fișa setului de date, proporția gospodăriilor cu active financiare de cel puțin 20 de milioane de yeni crește de la aproximativ 10% în rândul persoanelor cu vârste între 25 și 29 de ani la aproximativ 30% în rândul celor cu vârste între 60 și 64 de ani. Activele rămân relativ ridicate în rândul persoanelor aflate în deceniile al șaptelea și al optulea de viață, chiar dacă veniturile personale scad în jurul vârstei de pensionare. Acest lucru permite crearea unor profiluri distincte de clienți pentru acumularea averii, planificarea pensionării și moștenire.

Contextul demografic este deosebit de relevant pentru simulările privind pensionarea și moștenirea: potrivit estimărilor populației pentru 2024 ale Biroului de Statistică, la 1 octombrie 2024, persoanele cu vârsta de cel puțin 65 de ani reprezentau 29,3% din populația Japoniei. Profilurile sintetice includ numai adulți cu vârsta de cel puțin 18 ani. Printre utilizările preconizate se numără agenții de servicii pentru clienți, testarea conversațiilor din vânzări și marketing, simulările NeMo User Sim, testarea adversarială și verificarea consecvenței comportamentului în funcție de mediul rural sau urban, vârstă, nivel de educație și situație economică.

Cum au fost create profilurile

Procesul de generare combină NeMo Data Designer, cadrul NeMo SDG-PGMs bazat pe modele grafice probabilistice și modelul gemma-4-31B-it, licențiat sub Apache 2.0, pentru generarea de text în japoneză. Data Designer furnizează rezultate structurate, validare și reîncercări automate. Sompo Japan, Tokio Marine Holdings, Bank of Fukuoka, Mizuho Financial Group, Meiji Yasuda Life Insurance și Financial Data Utilization Association au transmis observații în timpul procesului de proiectare.

Fișa setului de date menționează sondajele și datele statistice ale J-FLEC ca o altă sursă de date inițiale. Indexul oficial al J-FLEC precizează că sondajul privind educația financiară se adresează persoanelor cu vârste între 18 și 79 de ani, iar sondajele sale despre comportamentul financiar al gospodăriilor analizează activele, datoriile și planificarea vieții în gospodării cu două persoane și în gospodării formate dintr-o singură persoană.

Fiecare profil este artificial și nu reprezintă o înregistrare a unui client sau a unei persoane reale; orice asemănare cu o persoană reală este întâmplătoare. Versiunea publică de pe Hugging Face nu include câmpuri separate pentru prenume și nume, nici adrese sintetice și exclude profilurile din domeniul sănătății. Fișa menționează, de asemenea, ipoteza că ocupația este independentă de nivelul de educație atunci când se cunosc prefectura și sexul și precizează că nu sunt disponibile statistici cuprinzătoare de recensământ privind genul, distinct de sex.

Un set de date complementar pentru protecția vieții private

NVIDIA a lansat împreună cu setul Nemotron-PII-Japan, un set de date complementar pentru antrenarea și testarea sistemelor care detectează și redactează informațiile de identificare personală (PII). Acesta conține 100.000 de documente de afaceri sintetice în japoneză, din 43 de tipuri de documente și opt domenii, cu 56 de etichete PII și 810.703 de segmente adnotate. Profilurile financiare pot simula clienți, în timp ce documentele PII permit testarea capacității unui flux de procesare de a identifica datele sensibile.

Fișa setului PII avertizează că rezultatele bune obținute pe documente sintetice nu garantează detectarea completă, echitatea, protecția vieții private, conformitatea cu reglementările sau prevenirea scurgerilor de date reale. Împreună, cele două seturi de date oferă echipelor care dezvoltă sisteme de inteligență artificială pentru sectorul financiar o modalitate deschisă de a testa atât interacțiunile cu clienții, cât și măsurile de protecție a vieții private. Prin urmare, performanța în condiții reale, în raport cu fluxurile de lucru în limba japoneză ale instituțiilor, este criteriul decisiv pentru evaluarea valorii practice a acestor lansări.