Los bancos y aseguradoras que quieren crear asistentes de IA chocan con un obstáculo básico: los datos con los que tendrían que probarlos son justo los datos de clientes que las normas de privacidad les impiden usar con libertad. Nvidia y la empresa japonesa Elith han publicado un conjunto de datos pensado para ese hueco en Japón: una gran colección de clientes inventados pero basados en estadísticas que cualquiera puede usar, también con fines comerciales, bajo licencia CC BY 4.0.
Nemotron-Personas-Finance-Japan contiene 1 millón de registros, cada uno con 9 personajes, lo que suma 9 millones, redactados en japonés natural. Cada registro tiene 50 campos: descripciones del personaje, atributos como la actitud ante el dinero o la planificación financiera, y 30 campos de contexto tomados de estadísticas oficiales demográficas y laborales. El conjunto suma unos 1,5 mil millones de tokens, con alrededor de 950.000 nombres únicos y más de 1.600 categorías de ocupación. Amplía el anterior Nemotron-Personas-Japan, que tenía 22 campos por registro, y añade patrimonio del hogar, educación financiera y uso de internet y del móvil.
El proceso de creación es transparente en sus piezas. Un modelo gráfico probabilístico, NeMo SDG-PGMs, muestrea los atributos para que sigan las distribuciones oficiales, y el modelo abierto gemma-4-31B-it de Google escribe el texto en japonés, todo coordinado con NeMo Data Designer de Nvidia. El equipo dice que grandes instituciones japonesas, como Sompo Japan, Tokio Marine, Mizuho y Meiji Yasuda Life, opinaron sobre el diseño. Los usos sugeridos son generar diálogos de atención al cliente, simular usuarios en NeMo User Sim y comprobar si un modelo trata igual a clientes rurales y urbanos, jóvenes y mayores, o con más y menos recursos. Un lanzamiento paralelo, Nemotron-PII-Japan, ofrece 100.000 documentos empresariales sintéticos con datos personales etiquetados para probar la anonimización.
Esto forma parte de una pauta. Nvidia viene publicando conjuntos de personajes por país que alimentan sus propias herramientas, y los usuarios sintéticos se están convirtiendo en una forma habitual de probar agentes conversacionales antes de que los vea gente real. Para cualquier trabajo en japonés, un conjunto grande, con licencia permisiva y cortes demográficos finos, resulta útil incluso fuera de las finanzas.
Los límites vienen de serie. Personajes extraídos de estadísticas oficiales reproducen las medias y la dispersión de esas estadísticas; no captarán a los clientes poco habituales ni las situaciones enrevesadas que provocan los fallos reales de atención. El texto lo escribe un único modelo de 31B, con sus propias costumbres de redacción. El anuncio no ofrece ninguna evaluación que muestre que los agentes probados con estos personajes funcionen mejor con clientes reales, así que la ventaja para un banco concreto está por demostrar.