AIエージェント向け合成データ900万件
NVIDIAが日本語の合成データを公開 社内AI開発の「データ枯渇」を突破
個人情報保護の壁に阻まれ、業務AIの学習データ不足に悩む情シスは多い。NVIDIAが日本の商慣行や個人情報文書を再現した二つの合成データセットを公開した。実データを使わずに安全なAIを開発する新たな一手とは。
「業務に特化したAIエージェントを作れと言うが、肝心の社内データは個人情報ばかりで使えない」。AI導入を推進する情シス部門では、学習や検証に使えるデータの枯渇が深刻な悩みとなっている。
セキュリティとプライバシーの制約から実データを持ち出せないジレンマをどう突破すべきか。実在の個人情報を一切使わずに、日本の商慣行や個人情報保護の仕組みを検証できる新たなアプローチが公開された。国内大手企業も参画した、安全なAI開発を加速させる「ある手法」の全容を解説する。
金融ペルソナ900万件とPII文書10万件の合成データを公開
NVIDIAは2026年11月10日、都内で開催した開発者向けイベント「NVIDIA Agentic AI Day」で、日本語AIの開発を支援する二つの合成データセット「Nemotron Personas Finance Japan」と「Nemotron PII Japan」を発表した。いずれもエージェント型AI向けのオープンなモデルやデータセット群「NVIDIA Nemotron」の一部として、Hugging Face上で公開している。
AIエージェントを企業の業務に組み込み、顧客との対話や文書処理を任せるには、学習・評価データに各国の言語や文化、人口動態、業界固有の事情を反映させなければならない。しかし、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制約が厳しく、特に金融や医療、公共領域では取得や利用が難しい。今回公開された合成データは、実在する個人の情報を使わずに属性や文書構造を再現し、日本の開発者や企業が安全な環境でAIを開発・評価できるようにする。
1つ目の「Nemotron Personas Finance Japan」は、日本社会を反映した合成ペルソナを金融領域へ拡張したデータセットだ。ベースとなったのは、NVIDIAが2025年に公開した「Nemotron Personas Japan」（V1）だ。V1は公的な人口統計や労働統計に基づく100万レコードから、年齢や職業、居住地域、キャリア志向などを自然な日本語で記述した600万件の日本人合成ペルソナを生成していた。
今回の拡張版では、100万サンプルを基盤としつつ、ペルソナ数をV1の600万件から900万件へ、総トークン数を約14億から約15億へと拡大した。国内金融機関の知見を取り入れ、収入や資産、支出、貯蓄、投資、金融上の意思決定といった属性を追加している。公開統計から確率的グラフィカルモデルで属性をサンプリングし、「NVIDIA NeMo Data Designer」を用いて個人コンテキストとペルソナを生成した。全ての人物は人工的に作られたもので、実在の個人とは結び付かない。
金融機関はこのデータを複数回の対話（マルチターン会話）の合成や市場調査、営業トレーニング用の顧客シミュレーションなどに利用できる。また、対話シミュレーションフレームワーク「NVIDIA NeMo User Sim」と組み合わせることで、日本の顧客像や金融商品、商慣行に合わせた専用プローブを構築し、多様なシナリオでのAIエージェントの応答をテストできる。
東大松尾研発のElithが実装、メガバンクや損保が知見を提供
プロジェクト全体はNVIDIAが主導し、実装や生成パイプラインの構築、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。ElithはNVIDIAの「Inceptionプログラム」のメンバーであり、エージェント型AIの知見と開発力が評価されて開発パートナーに選ばれた。
設計と品質改善に当たっては、各社固有の顧客データや機密情報を使わず、国内の主要な金融機関から実務知見の提供を受けた。各機関の協力内容は以下の通りだ。
・損害保険ジャパン：保険の加入・更新や事故対応などの場面でのペルソナ表現について意見を提供
・東京海上ホールディングス：保険分野のマーケティングでの活用を見据え、想定ユースケースや顧客ペルソナに必要な情報についてフィードバックを提供
・福岡銀行：個人の属性などに応じた金融商品の提案を想定し、その妥当性についてフィードバックを提供
・みずほフィナンシャルグループ：合成データのサンプルを確認し、データ項目や個人営業領域での活用可能性についてフィードバックを提供
・明治安田生命保険相互会社：生命保険のニーズを踏まえたペルソナ像や、営業活動、商品開発に必要な属性情報についてフィードバックを提供
・一般社団法人金融データ活用推進協会（FDUA）：ウェルスマネジメントなどリテール施策のシミュレーションを想定し、属性の追加やペルソナ記述との整合性についてフィードバックを提供
43種類の業務文書を模倣 個人情報の自動マスキング精度を向上
2つ目の「Nemotron PII Japan」は、個人識別情報（PII）を含む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だ。医療や金融、行政、雇用、教育、法律、IT・セキュリティ、Eコマースの8分野を対象に、診断書、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ている。なお、今回公開されたのはデータセットであり、日本語PIIモデルそのものではない。
各文書には、氏名や住所、メールアドレス、各種識別番号などのPIIが文中のどこにあり、どのカテゴリーに該当するかを示す正解ラベル（アノテーション）が付与されている。企業は実データを社外や検証環境に持ち出すリスクを冒さずに、顧客から受け取った文書を大規模言語モデル（LLM）に入力する前の自動検出・マスキング用モデルを追加学習し、その保護機能を評価できる。このデータセットのアーリーアクセスにはNECが参加し、実用性を検証した。
Copyright © ITmedia, Inc. All Rights Reserved.
本記事は制作段階でChatGPT等の生成系AIサービスを利用していますが、文責は編集部に帰属します。
TechTarget ニュースプラス
国内のIT業界ニュースを迅速に報道します。企業動向から導入事例、市場トレンドまで幅広く取り上げ、実務に直結する情報をタイムリーに提供する連載です。
関連記事
新着ホワイトペーパー PR
-
事例
[株式会社キーエンス] PCが苦手でも自動化できる 近鉄コスモスなど4事例に学ぶ「ナビ搭載型RPA」活用 -
製品資料
[レノボ・ジャパン合同会社] 約1.39kgにAI処理能力を凝縮 持ち運べるAPU搭載ワークステーションの実力は？ -
製品レビュー
[ネットアップ合同会社] ランサムウェア被害からの回復を阻む最大の壁とは？ -
製品レビュー
[ネットアップ合同会社] 攻撃者は“最後の砦”を真っ先に狙う いま必要なランサムウェア対策とは？ -
市場調査・トレンド
[Snowflake合同会社] AI時代のビジネスインテリジェンス変革：5大トレンドと成功戦略
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
「Active Directory」復旧で“詰む”企業が続出 ランサムウェアに備える4対策
-
2
なぜ「WSUS」を捨てない？ 非推奨でも35％が使い続けるワケ
-
3
「AI時代の統合基盤・エンタープライズAI管理」に関するアンケート
-
4
なぜMicrosoftは「Rust」を標準言語に？ AIで進むC/C++書き換えの課題
-
5
クラウド時代にあえて「メインフレーム」を選びたくなる理由はこれだ
-
6
1巻40TB、量子解読も防ぐ「LTO-10」 テープを侮るバックアップの盲点
-
7
なぜサーバ価格は下がらないのか？ メモリ不足は2027年も続く
-
8
Microsoft 365統一で「SharePoint」が1日2TB増 富士フイルムはどう管理した？
-
9
複雑化するフォント管理に終止符を Monotypeが提唱する安全な運用方法
-
10
CPUとGPUに加わった注目のプロセッサ「NPU」とは？ AI時代にPCはどう選ぶ
ホワイトペーパーランキング PR
-
1
「IT史に名を残すシステム障害」8選
-
2
AIが苦手な「汚いデータ」になっていない？ AI投資を無駄にしないための注意点
-
3
急増する高度なフィッシング詐欺 先回りしてブロックするには何が必要？
-
4
法人向け光回線のプランはどう選ぶ？ 機能面／保守体制／コストを一覧で比較
-
5
三井ホームに学ぶ「無線LAN環境」構築 快適なオフィスと高度なIT運用の両立法
-
6
SNMPより詳細で、パケット解析より簡単な「トラフィック可視化・分析」の方法
-
7
Microsoft 365のメールセキュリティ、3つの“死角”と追加で検討すべき対策とは
-
8
「RPA導入の成果が出ない」を防ぐ、成果につながる自動化対象業務の選び方
-
9
10G回線の真価をフルに享受するには？ 導入前にチェックしたいポイント
-
10
サイバー脅威「トップ50」完全解説ガイド、新たな攻撃手法に対抗するには
TechTargetジャパン SNS
@techtarget_itmをフォロー
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー