NVIDIAが金融機関向け日本人ペルソと、PII検出・マスキング用の2つの合成データを発表

AI半導体大手の米国NVIDIA(エヌビディア)は11月10日、東京都内で開いた開発者向けイベント「NVIDIA Agentic AI Day」において、日本語AIの開発を支援する2つの合成データセットを発表した。このうち、「Nemotron Personas Finance Japan」は金融領域に拡張した日本人のペルソナ(顧客像)で、もう一つの「Nemotron PII Japan」は日本語文書に含まれる個人識別情報(PII)の検出とマスキング用モデルの開発を支援する。いずれもAI開発プラットフォーム「Hugging Face(ハギング・フェイス)」で公開している。

Nemotron Personas Finance Japanは、NVIDIAが2025年に公開した600万件の日本人ペルソナ「Nemotron Personas Japan」に金融領域のAI開発に役立つ属性とペルソナを追加して900万件に拡張し、総トークン数も約14億から約15億に増やした。収入や資産などの属性を含め、支出、貯蓄、投資、金融上の意思決定を表現できるよう国内金融機関の知見を取り入れて設計した。マルチターン会話の合成、マーケティングや市場調査のシミュレーションや、AIエージェントを評価する「NVIDIA NeMo User Sim」と組み合わせて応答テストも可能。

Nemotron PII Japanは、PIIを含んだ日本語文書を想定して生成した10万件規模の完全合成データセット。医療、金融、行政、雇用、教育、法律、IT/セキュリティ、Eコマースの8分野で、診断書やローン審査書類、住所変更届、申請書など43種類の文書を収録した。各文書に氏名、住所、メールアドレス、各種識別番号などのPIIの位置とカテゴリーを示すアノテーションを付与しており、PIIの検出とマスキングモデルの追加学習に活用できる。企業は実データを学習や検証のために持ち出すリスクを抑えて、日本語の文書形式に対応した検証ができる。

AIエージェントが企業の業務に組み込まれ、学習や評価に使うデータも言語、文化、人口動態、業界固有の状況を正確に反映する必要がある。ただ実際の個人情報を含むデータは、プライバシーやセキュリティの観点から取得、利用、共有が容易ではない。特に金融、医療、公共などで開発の課題になることから、NVIDIAは実在する個人の情報を一切使わずに属性や文書構造を再現できる合成データを開発した。今回の2つのデータセットは、日本の開発者や企業が地域と業界の要件に即したAIをより安全に開発、評価できる環境を広げる。