2026年11月9日、NVIDIAの研究者7名と日本のAI企業Elithが、Hugging Faceの公式記事(日本語版・英語版)で合成ペルソナデータセット「Nemotron-Personas-Finance-Japan」の公開を発表しました。2025年に公開された「Nemotron-Personas-Japan」の金融ドメイン拡張版で、著者らの知る限り、日本の公的統計と家計の財務状況・金融リテラシーのデータを組み合わせた100万件規模のオープンなペルソナデータセットは初めてと、公式記事は説明しています。
データセットの内容は次のとおりです。ペルソナは自然な日本語で記述され、1レコードあたり50項目で構成されます。内訳は9つのペルソナフィールド、11のペルソナ属性、公的な人口統計・労働統計に基づいた30のコンテキスト項目です。総トークン数は約15億で、そのうち約7億5,000万がペルソナ関連です。ほかに固有の名前が約95万件、日本の労働力を反映した1,600以上の職種カテゴリーが含まれます。ペルソナのタイプには職業のほか、金融行動や金銭面の不安といった金融に関わる属性もあります。
構築には、NVIDIAの合成データ生成システムNeMo Data Designerと、統計に基づく生成のための確率的グラフィカルモデルフレームワークNeMo SDG-PGMs(Apache-2.0)、日本語文章生成のためのgemma-4-31B-it(Apache-2.0)の3つです。教育、職業、ライフステージ、世帯の資産、デジタル・金融リテラシーの各軸で公的統計に整合するよう設計されています。公式記事は、すべてのペルソナが完全に合成されたもので、実在する個人をモデルにしていないと説明しています。データセットはプライバシーリスクを低減するよう設計された、というのが公式記事の位置付けです。
開発には、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、明治安田生命保険相互会社、一般社団法人金融データ活用推進協会(FDUA)の6者から提供された知見とフィードバックが参考になったと、公式記事は述べています。データ提供や監修ではなく、知見の提供という位置付けの記述です。
ペルソナ数
- 前版
- 本版より50%少ない規模
- 金融拡張版
- 900万(100万レコード×各9ペルソナ)
項目数
- 前版
- 22項目
- 金融拡張版
- 50項目(9フィールド+11属性+30コンテキスト)
対象領域
- 前版
- 日本の人口分布一般
- 金融拡張版
- 家計・資産・金融リテラシーなど金融領域を追加
Hugging Face公式記事(2026-11-09)の記述に基づく。前版はNemotron-Personas-Japan、金融拡張版はNemotron-Personas-Finance-Japan。ペルソナ数は「前版より50%多い900万」という公式記事の表現から項目化したもので、前版の絶対数は記事に明記されていない。
想定する使い方は、日本の銀行や保険会社、それらにサービスを提供するスタートアップやシステムインテグレーター向けです。カスタマーサービスエージェントの構築、営業トークやマーケティング施策の評価、ユーザーシミュレーションフレームワークNeMo User Simでのシミュレーション実行、顧客向けAIのレッドチームテストに使えると公式記事は挙げています。ペルソナをシードにしたマルチターン会話データの合成や、都市部と地方、年齢層、学歴、経済状況の条件ごとのバイアステスト・公平性評価も用途として説明されています。
同じ11月9日には、Nemotron-PII-Japanも公開されました。こちらはラベル付けされた個人情報を含む10万件の日本語の合成ビジネス文書で、Nemotron-Personas-Japanを基に作られています。公式記事は、Personas-Finance-Japanで顧客をシミュレートし、PII-Japanでパイプラインが個人情報をどう保護するかをテストする組み合わせを提案しています。
金融AIの開発・評価の目的使うデータセット
- 顧客シミュレーションや金融AIの評価
Nemotron-Personas-Finance-Japan
家計・資産・金融リテラシーを反映した900万の合成ペルソナ。カスタマーサービスエージェント構築やレッドチームテストなど
- 個人情報の検出・マスキングの検証
Nemotron-PII-Japan
個人情報ラベル付きの日本語合成ビジネス文書10万件。パイプラインが個人情報をどう保護するかをテスト
Hugging Face公式記事(2026-11-09)の連携節に基づく。両データセットともCC BY 4.0で公開(HF Datasets APIで2026-11-10確認)。
この公開で確認できるのは、データの構成、生成パイプライン、ライセンスです。合成データが公的統計に基づくことは、実顧客の行動を忠実に再現する保証ではありません。分布の妥当性やバイアスについての独立した検証はまだ公表されておらず、著者らの「初めて」という主張も知る限りの限定付きです。CC BY 4.0での利用では帰属表示の条件に従う必要があります。
出典
- Nemotron-Personas-Finance-Japan: 日本の人口分布と金融コンテキストを捉える合成ペルソナデータセット(NVIDIA著者7名/Hugging Face公式記事 日本語版、2026-11-09)公開日(2026年11月9日)とElithとの共同発表、900万ペルソナ(100万レコード×各9ペルソナ)、1レコード50項目の内訳(9フィールド+11属性+30コンテキスト)、総トークン約15億(うち約7億5,000万がペルソナ関連)、固有名約95万件、職種カテゴリー1,600以上、CC BY 4.0での商用・非商用利用、NeMo Data Designer/NeMo SDG-PGMs(Apache-2.0)/gemma-4-31B-it(Apache-2.0)の構築基盤、金融機関6者とFDUAの知見・フィードバック、全ペルソナが完全合成で実在個人ではない点、前版より50%多い900万・項目数22から50への拡大、NeMo User Simとの連携、PII-Japanとの組み合わせ用途、「私たちの知る限り初めて」の表明。2026-11-10に全文取得
- Nemotron-Personas-Finance-Japan: Synthetic personas capturing Japan's demographics and financial context(Hugging Face公式記事 英語版、2026-11-09)日本語版と同じ内容の英語版。Elith and NVIDIAによる公開、「To our knowledge, it is the first open persona dataset at million-record scale」の原文表現、構築基盤と利用目的を確認。2026-11-10に全文取得
- nvidia/Nemotron-Personas-Finance-Japan(Hugging Face Datasets、2026-11-10確認)HF Datasets APIでライセンスcc-by-4.0、size_categories 1M<n<10M、lastModified 2026-11-09T07:05Z、createdAt 2026-11-04を確認
- nvidia/Nemotron-PII-Japan(Hugging Face Datasets、2026-11-10確認)HF Datasets APIでライセンスcc-by-4.0、size_categories 100K<n<1M、lastModified 2026-11-09T07:35Zを確認。公式記事の説明では個人情報ラベル付きの日本語合成ビジネス文書10万件、基盤はNemotron-Personas-Japan
出典の確認日 2026.11.10