Banken und Versicherer, die KI-Assistenten bauen wollen, stoßen auf ein Grundproblem: Die Daten, mit denen sie sie testen müssten, sind genau die Kundendaten, die sie wegen Datenschutzregeln nicht frei nutzen dürfen. Nvidia und das japanische Unternehmen Elith haben für diese Lücke in Japan einen Datensatz veröffentlicht, eine große Sammlung erfundener, aber statistisch fundierter Kunden, die jeder unter einer CC-BY-4.0-Lizenz nutzen darf, auch kommerziell.
Nemotron-Personas-Finance-Japan umfasst 1 Million Datensätze mit je 9 Personas, insgesamt also 9 Millionen, verfasst in natürlichem Japanisch. Jeder Datensatz hat 50 Felder: Persona-Beschreibungen, Merkmale wie die Einstellung zu Geld und Finanzplanung sowie 30 Kontextfelder aus amtlichen Bevölkerungs- und Arbeitsmarktstatistiken. Zusammen sind es etwa 1,5 Milliarden Tokens, mit rund 950.000 eindeutigen Namen und über 1.600 Berufskategorien. Der Datensatz erweitert das frühere Nemotron-Personas-Japan mit 22 Feldern pro Datensatz und ergänzt Haushaltsvermögen, Finanzwissen sowie Internet- und Smartphone-Nutzung.
Die Bauweise wird offen beschrieben. Ein probabilistisches grafisches Modell, NeMo SDG-PGMs, zieht die Merkmale so, dass sie den amtlichen Verteilungen folgen, und Googles offenes Modell gemma-4-31B-it schreibt den japanischen Text, gesteuert über Nvidias NeMo Data Designer. Laut dem Team haben große japanische Institute wie Sompo Japan, Tokio Marine, Mizuho und Meiji Yasuda Life Rückmeldungen zum Design gegeben. Vorgeschlagen werden Einsätze wie das Erzeugen von Kundenservice-Dialogen, Nutzersimulationen in NeMo User Sim und die Prüfung, ob ein Modell Kunden auf dem Land und in der Stadt, junge und alte, wohlhabende und weniger wohlhabende gleich behandelt. Eine Schwesterveröffentlichung, Nemotron-PII-Japan, bietet 100.000 synthetische Geschäftsdokumente mit markierten personenbezogenen Daten, um Schwärzungen zu testen.
Das gehört zu einem Muster. Nvidia veröffentlicht länderspezifische Persona-Sätze, die in die eigenen Werkzeuge einfließen, und synthetische Nutzer werden zum Standardweg, Chat-Agenten zu testen, bevor echte Menschen sie sehen. Für japanischsprachige Projekte allgemein ist ein großer, freizügig lizenzierter Satz mit feinen demografischen Schnitten auch außerhalb der Finanzbranche nützlich.
Die Grenzen sind eingebaut. Personas, die aus amtlichen Statistiken gezogen werden, bilden deren Mittelwerte und Streuungen ab; ungewöhnliche Kunden und verworrene Situationen, an denen echter Support scheitert, fehlen. Der Text stammt von einem einzigen 31B-Modell mit eigenen Formulierungsgewohnheiten. Die Ankündigung enthält keine Auswertung, die zeigt, dass mit diesen Personas getestete Agenten bei echten Kunden besser abschneiden, der Nutzen für eine bestimmte Bank ist also noch zu belegen.