The Pulse

Elith e NVIDIA rilasciano 9 milioni di persona sintetiche per l’IA finanziaria in Giappone

Elith e NVIDIA hanno rilasciato Nemotron-Personas-Finance-Japan, un dataset sintetico di 9 milioni di persona giapponesi per lo sviluppo dell’IA finanziaria. I suoi 50 campi coprono il contesto demografico, le finanze familiari e l’alfabeti

AI.info Team · Scritto con l’IA · verificato · 2026-11-09

Nemotron-Personas-Finance-Japan contiene 9 milioni di persona sintetiche, organizzate in 1 milione di record con nove persona ciascuno. Elith e NVIDIA hanno rilasciato il dataset come estensione finanziaria del dataset open source Nemotron-Personas-Japan. NVIDIA afferma che, per quanto ne sa, si tratta del primo dataset aperto di persona su una scala di un milione di record ad abbinare le statistiche ufficiali del Giappone a dati sulle finanze familiari e sull’alfabetizzazione finanziaria.

Cosa contiene ogni record

Ogni record ha 50 campi: nove campi relativi alle persona, 11 attributi delle persona e 30 campi contestuali basati sulle statistiche ufficiali demografiche e del lavoro. Il dataset contiene circa 1,5 miliardi di token, di cui circa 750 milioni relativi alle persona, e circa 950.000 nomi unici. Le sue oltre 1600 categorie professionali rispecchiano la forza lavoro giapponese, con una copertura completa sotto il profilo demografico e regionale, della distribuzione patrimoniale e dei tratti della personalità. I diversi tipi di persona comprendono occupazioni, sport, arti, viaggi, cucina, finanza, comportamenti e preoccupazioni finanziarie.

Come è stato costruito

Il dataset è stato costruito usando NeMo Data Designer di NVIDIA, che supporta i template Jinja, la validazione Pydantic, gli output strutturati, i tentativi ripetuti automaticamente e più backend di generazione. La pipeline di generazione ha utilizzato NeMo SDG-PGMs, un framework per modelli grafici probabilistici con licenza Apache-2.0, e gemma-4-31B-it (Apache-2.0) per la generazione di testo in giapponese. Il dataset prevede categorie di istruzione più dettagliate di quelle offerte dalle statistiche nazionali di carattere generale, amplia le categorie professionali per includere titolari di imprese e professioni specializzate e comprende fasi della vita come gli studi, la pensione e i periodi di disoccupazione. Include anche attività finanziarie e beni reali a livello familiare, oltre al reddito individuale e alla propensione alla spesa, nonché all’uso di internet e smartphone e all’alfabetizzazione finanziaria.

I team finanziari possono simulare clienti e testare modelli

Il dataset è pensato anzitutto per i team che sviluppano IA finanziaria in Giappone, nelle banche e nelle compagnie assicurative e nelle startup e negli integratori che le servono. Tra gli usi indicati figurano la creazione di agenti per il servizio clienti, la valutazione di conversazioni di vendita e iniziative di marketing, l’esecuzione di simulazioni degli utenti in NeMo User Sim e il red-teaming dell’IA rivolta ai clienti. Gli sviluppatori possono inoltre usare le persona come base per dataset di dialoghi a più turni, creare assistenti finanziari e testare le prestazioni dei modelli in relazione alle differenze tra aree rurali e urbane, fasce d’età, livelli di istruzione e condizioni economiche. La versione rilasciata contiene 9 milioni di persona, il 50% in più rispetto a Nemotron-Personas-Japan, distribuite su 50 campi anziché 22.

Gli autori affermano che la progettazione si è avvalsa del contributo di istituzioni finanziarie e organismi di settore giapponesi: Sompo Japan, Tokio Marine Holdings, Bank of Fukuoka, Mizuho Financial Group, Meiji Yasuda Life Insurance e Financial Data Utilization Association (FDUA). L’obiettivo, scrivono, è consentire agli sviluppatori di creare e valutare sistemi di IA per le esigenze locali e del settore senza usare dati di clienti reali.

Privacy e un dataset complementare

Ogni persona è interamente sintetica, non rappresenta alcun individuo reale ed è progettata per ridurre il rischio per la privacy. I dati demografici e le finanze familiari seguono le statistiche ufficiali e i dati di indagini pubbliche, mentre i nomi seguono i modelli reali di denominazione giapponesi. Il dataset è rilasciato con licenza CC BY 4.0 per uso commerciale e non commerciale. Nemotron-PII-Japan viene lanciato lo stesso giorno e contiene 100.000 documenti aziendali giapponesi sintetici con informazioni personali etichettate, destinati all’addestramento e al test di modelli di rilevamento e oscuramento. Le persona finanziarie possono essere usate per simulare clienti e i documenti PII per verificare come una pipeline protegge i loro dati.