Hugging Face が How to Ground a Korean AI Agent in Real Demographics with Synthetic Personas をリリース ── 個人情報ゼロで700万件のリアルな韓国住民データ
AIエージェントを特定の国の文脈で動かそうとすると、文化和や制度の違いでボロが出る。特に敬語の使い分けや職業の分布なんかは、英語データ主体の学習だけではカバーしきれない。NVIDIAとNAVER Cloudが、韓国の公式統計にガチで根差した合成ペルソナデータセット「Nemotron-Personas-Korea」を公開した。個人情報を一切含まずにリアルな人口動態を再現しているのがすごい。
▸何が変わったのか
このデータセットには、韓国の17の道・広域自治体と25の区をカバーする700万件（100万レコード×7ペルソナ）の合成データが含まれる。年齢や職業（2,000種類以上）、ライフステージ（学生、軍務、就業者など）といった26のフィールドが用意され、118の姓と約21,400の名前から約209,000のユニークな名前を生成。日本や米国などのデータを含む「Nemotron-Personas Collection」の一部として追加された。
◈前モデル / 競合との比較
既存の多くのAIエージェント用データが英語圏の偏ったウェブデータに基づいているのに対し、今回は韓国の公式統計情報（KOSIS、大法院、国民健康保険など）を直接ソースとしている点が大きく異なる。単なる翻訳データではなく、韓国政府の公式合成データ生成ガイドラインに沿ってガバナンスを確保している。
◈技術背景と意義
AIに韓国のユーザー応対をさせようとしても、元の学習データがアメリカ中心だと、医療制度や敬語のニュアンスが現実と乖離してしまう。このデータセットは、NVIDIAの「NeMo Data Designer」を使い、確率的グラフィカルモデルで韓国の公式統計（KOSISなど）をベースに人物像を組み立て、Gemma-4-31Bで自然な韓国語のテキストに仕上げている。韓国の個人情報保護法（PIPA）にも配慮し、PII（個人を特定できる情報）を完全にゼロにしているのがポイント。
▸こんな人・用途に
韓国市場向けのカスタマーサポートAIや、パブリックなヘルスケア対応エージェントの開発・テスト。多言語対応チャットボットに、自然な韓国語の文脈と文化的なバックグラウンドを持たせたい場合に最適。
SOURCE: Hugging Face (2026-04-21)
