日本の金融AI向け合成ペルソナ900万件が無料公開　商用利用もOK、NVIDIAとElith

NVIDIAとElithの公式ブログによると、対象は日本で金融AIを作る銀行・保険会社、それを支えるスタートアップやシステム会社です。一般の利用者の手続きや契約が変わる話ではありません。日本語AIを作る人なら、金融以外でも使えます。

「Nemotron-Personas-Finance-Japan」は、実在しない日本人の人物像（ペルソナ）を大量にそろえたデータセットです。顧客対応AIの試験や学習に使います。

900万人分、1件あたり50項目

構成は、100万件の記録にそれぞれ9人のペルソナが付く形で、合計900万件です。ブログによると、自然な日本語で書かれています。

主な規模は次のとおりです。

• 1件あたり50項目（人物の記述9、属性11、公的統計に基づく文脈30）
• 全体で約15億トークン（AIが文字を数える単位）。うちペルソナ部分は約7億5,000万
• 約95万種類の名前
• 1,600以上の職業区分

従来の「Nemotron-Personas-Japan」より件数は5割多く、項目は22から50に増えました。

世帯の資産や金融リテラシーまで入れた

このデータの特徴は、人口や職業の統計に、世帯の金融資産・実物資産、収入や消費の傾向、インターネットやスマートフォンの利用、金融リテラシー（お金の知識）を組み合わせた点です。ブログは、日本の公的統計と家計・金融リテラシーのデータを組み合わせた百万件規模のオープンなペルソナデータは、自社の知る限り初だとしています。

統計が粗く集計している部分は補っています。学歴は細かく分け、職業は経営者や専門職を追加しました。学生、退職者、失業中といった統計で目立たない時期も作っています。

データセット上の人物像は、たとえば長男の進学費用を預貯金や保険で賄う計画や、親の介護費用として数百万円を確保している計画などです。実際の人の記録ではなく、統計の分布から作られています（Hugging Faceのデータセットページ、11/10確認）。

作り方と協力した金融機関

作成には、NVIDIAの合成データ生成の仕組み「NeMo Data Designer」と、統計に沿ってデータを作る「NeMo SDG-PGMs」が使われました。日本語の文章生成には「gemma-4-31B-it」が使われています。どちらもApache-2.0ライセンスです。

設計には、損保ジャパン、東京海上ホールディングス、福岡銀行、みずほフィナンシャルグループ、明治安田生命、金融データ活用推進協会（FDUA）の意見が反映されたとしています。

日本で無料・商用で使える場面

ライセンスはCC BY 4.0で、商用・非商用のどちらでも使えます。入手は次のコードです。

from datasets import load_dataset
ds = load_dataset("nvidia/Nemotron-Personas-Finance-Japan")

ブログが挙げる用途は次のとおりです。

• 対話データを作るための種（シード）
• 顧客対応エージェントや、営業・マーケティングの会話の評価
• 地方と都市、年代、学歴、経済状況ごとにAIの出来を確かめる偏りの検査
• 顧客向けAIへの攻撃的な試験（レッドチーム）

ユーザーシミュレーションの枠組み「NeMo User Sim」と連携でき、実世界の分布に沿った模擬対話をすぐ動かせるとしています。

個人情報検出用のデータも同日に

同じ日に「Nemotron-PII-Japan」も公開されました。個人情報に印を付けた日本語の業務文書10万件で、検出や黒塗りのモデルの学習・試験に使います。顧客の模擬にはFinance-Japan、個人情報の保護の確認にはPII-Japanを使う組み合わせです。