NVIDIA、日本語AIエージェント開発向けの合成データセット「Nemotron Personas Finance Japan」と「Nemotron PII Japan」を公開
NVIDIAは11月10日、東京で開いた開発者向けイベント「NVIDIA Agentic AI Day」に合わせ、日本語のAIエージェントを開発する人向けに2つの合成データセットを公開したと、同社の日本版ブログで発表した。Nemotron Personas Finance Japanは、これまで公開してきた日本人の合成ペルソナを金融領域に広げたもので、Nemotron PII Japanは日本語文書に含まれる個人情報を検出し、マスキングするモデルの学習を支援する。いずれもオープンなNemotronファミリーの一部として、Hugging Faceで公開されている。
金融版の土台は、2025年に公開されたNemotron Personas Japanである。公的な人口統計や労働統計に基づく100万レコードから、600万件の日本人合成ペルソナを生成していた。新版はこうした基本属性を引き継ぎ、収入や資産、支出、貯蓄、投資行動といった属性を加えた。設計には国内の金融機関の知見を取り入れたという。ペルソナ数は900万件に増え、総トークン数は約14億から約15億に拡大した。NVIDIAによると、登場する人物はすべて人工的に生成されたもので、実在の個人とは結びつかない。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AIスタートアップであるElithが担当した。
実務への影響
Nemotron PII Japanは、約10万件の完全合成文書で構成される。医療、金融、行政、雇用、教育、法律、IT/セキュリティ、Eコマースの分野を対象に、診断書やローン審査書類、住所変更届など43種類の文書を収録した。各文書には、氏名、住所、メールアドレス、各種識別番号がどこに現れ、どのカテゴリーに当たるかを示す注釈が付いている。NVIDIAは、公開したのはデータセットであり、完成した日本語PIIモデルではないと強調する。企業は実際の顧客データを持ち出さずに、マスキング用ツールの学習や検証ができる。金融機関はペルソナデータを、マルチターン会話の合成や市場調査、営業研修のシミュレーションに活用できる。
今回の公開は、日本語AI向けのオープンな資源をさらに広げるものだ。Preferred NetworksによるPLaMo 3 Translateのオープンウェイト公開や、ドコモSMTBネット銀行のNEOBANK ai BIZといった金融分野のエージェントの取り組みに続く動きである。今後の焦点は、国内の銀行や保険会社が顧客対応エージェントの検証にペルソナデータを採用するかどうか、そして国内の開発者が新たな文書データで学習したPIIマスキングモデルを公開するかどうかだ。