A Elith e a NVIDIA apresentaram o Nemotron-Personas-Finance-Japan, uma extensão do conjunto aberto Nemotron-Personas-Japan orientada para o setor financeiro. Segundo a publicação no Hugging Face, datada de 9 de novembro de 2026, os autores consideram tratar-se do primeiro conjunto aberto de personas à escala de um milhão de registos que combina estatísticas oficiais japonesas com dados sobre finanças domésticas e literacia financeira. O texto é assinado por autores da NVIDIA e apresenta o projeto como um recurso para o desenvolvimento de sistemas de inteligência artificial no Japão, adaptados a requisitos locais e setoriais.

O ponto de partida é uma restrição conhecida. No setor financeiro, a utilização de dados reais esbarra em regras de privacidade rigorosas, exigências de conformidade e na necessidade de conhecimento especializado. Por isso, o desenvolvimento de IA agêntica para finanças exige dados sintéticos capazes de evitar os riscos associados à informação real, refletindo ao mesmo tempo a demografia, a composição dos agregados familiares e a situação dos ativos. O objetivo declarado é reproduzir cenários financeiros diversos e realistas sem recorrer a dados de clientes verdadeiros.

Segundo a descrição do projeto, o conjunto foi construído com base em estatísticas oficiais do governo japonês, recorrendo ao NeMo SDG-PGMs, uma framework de modelos gráficos probabilísticos para geração de dados sintéticos, e ao NeMo Data Designer, um sistema empresarial de geração de dados sintéticos. A publicação refere ainda que o desenho incorporou contributos e feedback de instituições financeiras e associações do setor, entre as quais Sompo Japan, Tokio Marine Holdings, Bank of Fukuoka, Mizuho Financial Group, Meiji Yasuda Life Insurance e a Financial Data Utilization Association. A lista indica quem forneceu opinião, não que tenha validado independentemente o resultado.

Quanto à estrutura, o conjunto contém um milhão de registos com nove personas cada, totalizando nove milhões de personas escritas em japonês natural. Cada registo tem 50 campos, incluindo nove campos de persona, onze atributos e trinta campos contextuais baseados em estatísticas oficiais de demografia e emprego. O volume aproximado é de 1,5 mil milhões de tokens, dos quais cerca de 750 milhões correspondem a tokens de persona, e inclui mais de 1600 categorias ocupacionais. A licença CC BY 4.0 permite uso comercial e não comercial. O conjunto foi desenhado para se integrar com a framework de simulação NeMo User Sim.

Os casos de uso apontados incluem agentes conversacionais, simulação de clientes e avaliação de modelos. A publicação afirma que o conjunto foi concebido sem recorrer a dados reais de clientes, mas são afirmações do próprio fabricante, e o texto não apresenta resultados de avaliação independente nem métricas comparativas. Para leitores em Portugal, o caso serve sobretudo como exemplo de uma abordagem de dados sintéticos ancorada em estatísticas públicas e em contributos setoriais. Fica por conhecer como as instituições financeiras o aplicarão na prática.

Porque importa

O setor financeiro enfrenta limites reais no acesso a dados de clientes, o que dificulta o teste de sistemas de IA. Um conjunto sintético com base em estatísticas oficiais pode reduzir essa barreira para programadores e empresas japonesas. Ainda assim, a eficácia depende de validação independente, que a publicação não apresenta, pelo que a relevância prática deve ser avaliada caso a caso.

Fontes

Nemotron-Personas-Finance-Japan: A Synthetic Dataset Capturing Japan's Demographics and Financial ContextHugging Face ↗