NVIDIA släpper nio miljoner syntetiska japanska finansprofiler

Elith och NVIDIA släppte Nemotron-Personas-Finance-Japan den 9 november 2026 och gjorde därmed nio miljoner syntetiska japanska personas tillgängliga för kommersiell och icke-kommersiell AI-utveckling. Datasetet, som licensieras under CC BY 4.0, kompletterar demografiska profiler med uppgifter om hushållens ekonomi, ekonomiska beteenden och finansiell kunskap. Det ger banker, försäkringsbolag och utvecklare möjlighet att testa kundnära system utan att använda verkliga kunduppgifter.

NVIDIA beskriver, såvitt företaget känner till, utgåvan som det första öppna datasetet med personas i miljonklassen som kombinerar Japans officiella statistik med uppgifter om hushållsekonomi och finansiell kunskap. Det bygger vidare på Nemotron-Personas-Japan, vars version från den 23 september 2025 innehöll sex miljoner personas med 22 fält och inte omfattade finansspecifika personas. Den nya utgåvan innehåller en miljon japanskspråkiga poster med nio personas i varje och 50 fält per post. Den täcker alla 47 prefekturer och fler än 1 600 yrkeskategorier.

Ekonomiska detaljer utöver demografi

Tre av de 20 personarelaterade fälten beskriver var för sig ekonomiska vanor, beslutsbeteende och ekonomiska farhågor. De 30 kontextuella fälten omfattar dessutom personlig inkomst, hushållstillgångar, bostads- och bolånestatus, konsumtionsbenägenhet, poäng för finansiell kunskap, internet- och smarttelefonanvändning, hushållssammansättning och självskattad hälsa. Profilerna kan ligga till grund för japanska dialoger med flera turer, från en pensionär på landsbygden som frågar om generationsöverföring av tillgångar till ett stadsboende hushåll med två inkomster som ser över utbildningssparande och bolån.

Fördelningen av hushållens tillgångar bygger på Statistikbyråns nationella undersökning av familjers inkomster, konsumtion och förmögenhet från 2019, som undersöker familjers konsumtion, inkomster, tillgångar och skulder. Analysen i datasetets dokumentationskort visar att andelen hushåll med minst 20 miljoner yen i finansiella tillgångar ökar från omkring 10 % bland personer i åldern 25–29 år till omkring 30 % bland personer i åldern 60–64 år. Tillgångarna ligger kvar på en relativt hög nivå när människor är i 60- och 70-årsåldern, även när den personliga inkomsten sjunker i samband med pensioneringen. Det möjliggör särskilda kundprofiler för förmögenhetsuppbyggnad, pensionsplanering och arv.

Den demografiska kontexten är särskilt relevant för simuleringar av pensionering och arv: enligt Statistikbyråns befolkningsuppskattningar för 2024 utgjorde personer som var 65 år eller äldre 29,3 % av Japans befolkning den 1 oktober 2024. De syntetiska personprofilerna omfattar endast vuxna från 18 års ålder. Användningsområdena omfattar kundtjänstagenter, tester av försäljnings- och marknadsföringssamtal, simuleringar med NeMo User Sim, red teaming och kontroller av att beteendet är konsekvent mellan landsbygds- och stadsmiljöer samt olika åldrar, utbildningsnivåer och ekonomiska förhållanden.

Så skapades personprofilerna

Genereringskedjan kombinerar NeMo Data Designer, det probabilistiska grafiska modellramverket NeMo SDG-PGMs och modellen gemma-4-31B-it, som är licensierad under Apache-2.0 och används för japansk text. Data Designer tillhandahåller strukturerade utdata, validering och automatiska nya försök. Sompo Japan, Tokio Marine Holdings, Bank of Fukuoka, Mizuho Financial Group, Meiji Yasuda Life Insurance och Financial Data Utilization Association lämnade synpunkter under utformningsprocessen.

Datasetets dokumentationskort anger J-FLEC:s undersöknings- och statistikdata som ytterligare indata. J-FLEC:s officiella index uppger att dess undersökning av finansiell kunskap omfattar personer i åldern 18–79 år, medan dess undersökningar av hushållens ekonomiska beteende granskar tillgångar, skulder och livsplanering för hushåll med två personer respektive en person.

Varje persona är artificiell och motsvarar inte någon verklig kund eller individ. Eventuella likheter med verkliga personer är tillfälliga. Den offentliga versionen på Hugging Face saknar separata fält för för- och efternamn samt syntetiska adresser, och omfattar inte personas inom hälso- och sjukvården. Dokumentationskortet redovisar också antagandet att yrke är oberoende av utbildning, givet prefektur och kön, och uppger att det saknas heltäckande folkräkningsstatistik om kön oberoende av biologiskt kön.

Ett kompletterande dataset för integritet

NVIDIA lanserade tillsammans med utgåvan Nemotron-PII-Japan, ett kompletterande dataset för att träna och testa system som identifierar och maskerar personligt identifierbar information (PII). Det innehåller 100 000 syntetiska japanska affärsdokument från 43 dokumenttyper inom åtta områden, med 56 PII-etiketter och 810 703 annoterade textsegment. Finansprofilerna kan användas för att simulera kunder, medan PII-dokumenten testar om en databehandlingskedja identifierar känsliga uppgifter.

Dokumentationskortet för PII varnar för att goda resultat på syntetiska dokument inte garanterar fullständig identifiering, rättvisa, integritetsskydd, regelefterlevnad eller att läckage av verkliga data förhindras. Tillsammans ger dataseten AI-team inom finans en öppen möjlighet att testa både kundinteraktioner och integritetskontroller. Hur systemen fungerar i verkliga arbetsflöden på japanska hos olika institutioner blir därför det avgörande måttet på utgåvornas praktiska värde.