本ページはプロモーションを含みます
Nemotron PII Japanは、日本語文書向けの個人情報検出用に作られた10万件規模の完全合成データ
画像：NVIDIA（公式発表より）
なるほど
要約版：専門用語を控えて説明しています
「Nemotron PII Japan」は、診断書やローン審査書類、住所変更届など43種類の文書を、10万件規模で作ったデータです。医療、金融、行政など8分野をカバーします。
文書ごとに、氏名や住所などが文中のどこにあるかの正解ラベルが付いています。これでAIを追加学習させたり、性能を測ったりできます。
公開されたのはデータだけで、個人情報を検出するAIそのものではありません。
「Nemotron Personas Finance Japan」は、収入や資産、貯蓄、投資の考え方などを備えた架空の日本人像のデータです。数は900万件で、前の版の600万件から増えました。
銀行や保険会社が、顧客との会話の練習やテストに使うことを想定しています。
詳しい利用条件は、Hugging Faceの各データセットのブログで確認できます。
対象になるのは、日本語の文書を扱うAIを自分で作る開発者と、金融分野でAIを試したい企業です。AIを使うだけの一般の利用者には、今すぐ変わることはありません。
「Nemotron PII Japan」は、日本語の文書から個人情報を見つけて隠す（マスキング）AIを育てるための学習・評価用データです。PIIとは、氏名や住所のように個人を特定できる情報のことです。
NVIDIAの日本版ブログによると、2つのデータセットは11月10日に発表されました。発表の場は、都内で開いた開発者向けイベント「NVIDIA Agentic AI Day」です。どちらも、エージェント型AI（自分で手順を進めるAI）向けのオープンなモデルとデータの集まり「NVIDIA Nemotron」の一部です。
実在の個人情報が入ったデータは、取得も共有も簡単ではありません。特に金融、医療、公共の分野では、これがAI開発の壁になります。そこでNVIDIAは、実在の情報を使わず文書の形だけを再現した合成データを用意しました。
Nemotron PII Japanの中身は次のとおりです。
文書と正解ラベルがセットなので、検出モデルの追加学習や評価、改善に使えます。顧客から受け取った文書をLLM（大規模言語モデル）で処理する前に、氏名や住所を自動で隠す専用モデルを作る場面が想定されています。
公開されたのはデータセットで、日本語PIIモデルそのものではありません。ここは取り違えやすい点です。
検証には、早期に試す「アーリーアクセス」でNECが参加しました。NECの吉川彰一氏（AIプラットフォームサービス統括部 統括部長）は、「客観的に検証できるようになり」と説明しています。背景には、日本語PIIの公開データセットが少ないことがあります。
同氏によると、新たな外部データでも高い検出性能を確認できました。このデータで追加学習すると、高い検出率を保ったまま適合率が上がりました。誤検知が減ったということです。
もう1つの「Nemotron Personas Finance Japan」は、2025年に公開された日本人の合成ペルソナ「Nemotron Personas Japan」（V1）の金融版です。V1は、公的な人口統計や労働統計に基づく100万レコードから、600万件のペルソナを生成していました。
金融版は100万サンプルを土台にしています。ペルソナ数は600万件から900万件に増えました。収入や資産のほか、支出、貯蓄、投資、金融上の意思決定を表す属性が加わりました。
V1の22項目に対し、金融版は1件あたり50項目という整理も、サイソクの過去記事で伝えています（サイソクの過去記事、11/10）。詳しくは金融AI向け合成ペルソナ900万件の記事にまとめました。
想定される使い道は、マルチターン会話（やり取りが複数回続く会話）の合成です。ほかに、マーケティングや市場調査のシミュレーション、営業トレーニング用の顧客シミュレーションも想定されています。属性は公開統計から確率モデルでサンプリングし、NVIDIA NeMo Data Designerで個人像の文章を生成しました。
開発の主導はNVIDIAです。実装と大規模なデータ生成は、東京大学の松尾研究所発のスタートアップElithが担いました。設計の段階では、損害保険ジャパン、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、明治安田生命保険、金融データ活用推進協会（FDUA）が意見を出しています。
編集部の見方です。個人情報の検出モデルは、日本語の書式や住所表記に合わせた評価用データが少ないことが課題でした。NECの説明のとおり、共通の物差しとして使えるなら、各社の検証結果を比べやすくなります。
判断ガイド
状況ごとのおすすめと理由です。どれを選ぶかは、ご自身の状況で決めてください。
不安Q&A
このデータセットは、氏名や住所を自動で隠す専用モデルの開発に役立つものです。今回公開するのは日本語PIIモデルそのものではなく、データセットだと明記されています。
出典・blogs.nvidia.co.jp今できること検出モデルを作る人は、Hugging FaceのNemotron PII Japanブログでライセンスとデータ形式を確認する。
実在する個人情報は一切使用していないと書かれています。すべての人物は人工的に生成され、実在する個人とは結びつかないとも説明されています。
出典・blogs.nvidia.co.jp今できることデータを使う前に、Hugging Face上の各データセットのブログで詳細を確認する。
各社固有の顧客データや機密情報は使用せず、金融実務に関する知見のみを反映したと書かれています。金融機関の協力は、設計やレビューへのフィードバックという形でした。
出典・blogs.nvidia.co.jp今できること金融向けデータを試す場合は、Nemotron Personas Finance JapanのHugging Faceブログで利用条件を確かめる。
使われていません。協力した金融機関の各社固有の顧客データや機密情報は使わず、ヒアリングや中間成果物のレビューで得た金融実務の知見だけを設計と品質改善に反映したとしています。
使えます。NeMo User Simは、現実的なマルチターンの対話を再現してAIエージェントを試すためのものです。金融サービス向けのプローブと組み合わせたり、日本の商慣行に合わせて拡張したりもできます。
2つのデータセットは、現在Hugging Faceで公開されています。データの詳細、ライセンス、使い方は、Hugging Face上の各データセットのブログに載っています。
個人情報を隠す機能を作る場合は、Hugging FaceのNemotron PII Japanのブログでライセンスとデータ形式を確認します。自社の文書の種類が、43種類のどれに近いかも見ておくとよいでしょう。
金融機関で顧客対応AIを試す場合は、Nemotron Personas Finance Japanのブログを確認します。ライセンスは、先に掲載した過去記事にも整理しています。
同じ話題の記事提供前現代背景
日本語の個人情報を検出するモデルは、公開データセットが少なく、性能を客観的に比べにくい状況でした。実在の個人情報は取得や共有が容易でないため、合成データで文書の形を再現して用意したと説明されています。
出典・blogs.nvidia.co.jpすぐにできること
Hugging Faceの「Nemotron PII Japanブログ」で、ライセンスとデータ形式を確認する
金融向けAIを試す人は、Nemotron Personas Finance Japanの利用条件を確認する
自社の文書が、43種類のどれに近いかを照らし合わせる
公式窓口
SMSやメールに書かれた連絡先ではなく、ここにある公式の窓口を使ってください。
Nemotron PII Japanブログ（Hugging Face）
データセットの詳細、ライセンス、利用方法はこのブログで確認する。
Nemotron Personas Finance Japanブログ（Hugging Face）
データセットの詳細、ライセンス、利用方法はこのブログで確認する。
発表内容をもとにした一般的な情報です。導入や契約の判断は、公式情報を確かめたうえでご自身で行ってください。
自社で日本語文書を扱うAIを作る人は、Hugging Faceで利用条件を確かめてから試すとよいでしょう。
11/10時点の判定。発表内容をもとにAIで判定しています。最新の提供状況は公式情報をご確認ください。
前日に出た記事から、給付・税・料金・値上げなど暮らしとお金に関わる話を中心に選び、1本2行でまとめてメールで届けます。無料・いつでも解除できます。
主要企業の大きな発表だけ、1日4回まで。夜22時〜朝7時は鳴らしません。いつでも解除できます。
本記事は公式発表の文章をもとにAIが要約・解説して自動生成したものです。誤りが含まれる可能性があるため、正確な仕様・料金は公式発表をご確認ください。元記事を読む制作方法と事実確認の手順は編集方針をご覧ください。誤りのご指摘はお問い合わせから受け付けています。
