NVIDIA выпустила девять миллионов синтетических японских финансовых профилей

9 ноября 2026 года Elith и NVIDIA выпустили Nemotron-Personas-Finance-Japan, открыв для коммерческой и некоммерческой разработки ИИ доступ к девяти миллионам синтетических японских профилей. Набор данных распространяется по лицензии CC BY 4.0 и дополняет демографические профили сведениями о финансах домохозяйств, денежном поведении и финансовой грамотности. Это позволяет банкам, страховым компаниям и разработчикам тестировать системы взаимодействия с клиентами без использования реальных клиентских данных.

По имеющимся у NVIDIA сведениям, это первый открытый набор данных профилей такого масштаба — в миллионы записей, — который объединяет официальную статистику Японии со сведениями о финансах домохозяйств и финансовой грамотности. Он расширяет Nemotron-Personas-Japan: в версии от 23 сентября 2025 года было шесть миллионов профилей по 22 полям, без профилей, посвящённых финансам. В новой версии — миллион записей на японском языке, по девять профилей в каждой и 50 полей на запись; охвачены все 47 префектур и более 1600 категорий профессий.

Финансовые подробности за пределами демографических данных

Три из 20 полей, связанных с профилями, отдельно описывают финансовые привычки, особенности принятия решений и финансовые опасения. Ещё 30 контекстных полей содержат сведения о личных доходах, активах домохозяйства, жилье и ипотеке, склонности к потреблению, уровне финансовой грамотности, использовании интернета и смартфонов, составе домохозяйства и самооценке здоровья. Эти профили могут служить основой для многоэтапных диалогов на японском языке: например, пенсионер из региона может спрашивать о передаче активов по наследству, а городская семья с двумя работающими взрослыми — обсуждать накопления на образование и ипотеку.

Распределение активов домохозяйств основано на данных Бюро статистики Японии из Национального обследования доходов, потребления и благосостояния домохозяйств за 2019 год, в котором изучаются потребление, доходы, активы и обязательства семей. В анализе, представленном в карточке набора данных, указано, что доля домохозяйств с финансовыми активами не менее 20 миллионов иен увеличивается примерно с 10% в возрасте 25–29 лет до примерно 30% в возрасте 60–64 лет. В 60–70 лет активы остаются относительно высокими, хотя личные доходы снижаются примерно к моменту выхода на пенсию. Это позволяет создавать разные профили клиентов для моделирования накопления капитала, пенсионного планирования и наследования.

Демографические данные особенно важны для моделирования выхода на пенсию и наследования: согласно оценкам численности населения за 2024 год, опубликованным Бюро статистики Японии, на 1 октября 2024 года на жителей в возрасте 65 лет и старше приходилось 29,3% населения страны. Синтетические профили охватывают только взрослых в возрасте от 18 лет. Предусмотренные варианты использования включают агентов клиентской поддержки, тестирование диалогов для продаж и маркетинга, симуляции NeMo User Sim, тестирование на устойчивость к атакам и проверку последовательности поведения в сельской и городской местности, среди людей разного возраста, уровня образования и материального положения.

Как создавались профили

Для генерации используются NeMo Data Designer, фреймворк вероятностных графических моделей NeMo SDG-PGMs и модель gemma-4-31B-it с лицензией Apache 2.0 для создания текста на японском языке. Data Designer формирует структурированные результаты, выполняет их проверку и автоматически повторяет попытки. В процессе разработки отзывы предоставили Sompo Japan, Tokio Marine Holdings, Bank of Fukuoka, Mizuho Financial Group, Meiji Yasuda Life Insurance и Financial Data Utilization Association.

В карточке набора данных также указаны опросы и статистические данные J-FLEC в качестве ещё одного источника для создания профилей. В официальном указателе J-FLEC говорится, что его исследование финансовой грамотности охватывает людей в возрасте от 18 до 79 лет, а опросы домохозяйств о финансовом поведении изучают активы, обязательства и планирование жизни в домохозяйствах из двух человек и в домохозяйствах из одного человека.

Все профили синтетические и не представляют собой записи о реальных клиентах или людях; любое сходство с конкретным человеком случайно. В общедоступной версии на Hugging Face отсутствуют отдельные поля для имени и фамилии, синтетические адреса и профили, связанные со здравоохранением. В карточке также раскрывается допущение, что профессия не зависит от образования при заданных префектуре и поле, и отмечается отсутствие исчерпывающей переписной статистики о гендере как отдельном от пола понятии.

Дополнительный набор данных для защиты конфиденциальности

Вместе с основным набором NVIDIA выпустила Nemotron-PII-Japan — дополнительный набор данных для обучения и тестирования систем, обнаруживающих и удаляющих персональные данные (PII). Он включает 100 000 синтетических японских деловых документов 43 типов из восьми областей, содержащих 56 категорий PII и 810 703 размеченных фрагмента. Финансовые профили позволяют моделировать клиентов, а документы с PII — проверять, выявляет ли конвейер обработки конфиденциальные данные.

В карточке набора данных PII предупреждается, что хорошие результаты на синтетических документах не гарантируют полного обнаружения данных, справедливости, защиты конфиденциальности, соблюдения нормативных требований или предотвращения утечек при работе с реальными данными. Вместе эти наборы дают командам, разрабатывающим финансовые ИИ-системы, открытый способ проверять как взаимодействие с клиентами, так и средства защиты конфиденциальности. Поэтому решающим критерием практической ценности этих наборов станет их эффективность в реальных рабочих процессах организаций на японском языке.