新媒体代运营通常笔者在跟算法沟通需求的时候，算法常问的有以下几点：

在什么场景下做；

需要识别什么；

用户接受的成本是多少；

产品的性能要求是多少（准确率和耗时）；

云端还是本地端。

结合上述五点AI产品经理就需要反推算法需求：

1. 算法问：“在什么场景下做”

产品需要描述清楚业务场景，如果是在业务方现有的硬件方案上拓展，算法需求中要包括图片成像的条件，图片的分辨率。最好的方式就是获取当前条件下的图片给算法，一图胜万言。

在这一步，算法会评估当前的硬件条件是否可以满足识别的要求；如果不满足，AI产品经理就需要做以下两步：

（跟算法商量，让算法给出硬件部署参数，包括摄像头架设角度、摄像头架设高度，摄像头型号要求，其他的要求（如补光等）；

跟业务方商量，如果要做AI方案需要重新部署硬件，业务方是否接受，业务方可能就需要评估下施工和硬件成本了。

2. 算法问：“需要识别什么内容”

这一步以OCR为例，可以参照上述业务需求描述中的内容；扩充下，算法需求分析不仅要告诉算法需要识别的内容，还需要告诉算法需要返回的内容，比如返回目标框的坐标信息，目标的置信度，目标的数量等。

3. 算法问：“用户接受的成本是多少”

这点一般是出现在需要重新部署硬件方案的前提下，因为算法评估硬件参数，一般都是综合考虑的，如果要求是低成本的，算法一般就需要牺牲一些性能采用轻量级的模型等。

4.  算法问：“产品的性能要求是多少”

通常算法期望获得是用户想要的准确率和耗时，AI产品需要做的是跟用户确认这个数值。一般有的用户会自己先做好充分调研，然后会告诉产品他期望的指标是多少。

但是很多传统企业都是第一次接入AI，通常并不清楚这个指标能达到多少。AI产品跟算法和用户先约定一个指标，方便工作试点，后续根据用户反馈可以收集错误样本快速进行产品迭代。

5. 算法问：“云端还是本地端”

这点关系算法的模型方案和硬件成本，也关系产品设计是API接口还是SDK服务。

举例：根据业务需求描述的待识别内容，算法需要评估是采用视频还是图片来分析，如果是视频分析同时还要部署云端，则网络带宽成本将非常高。这时候算法要评估是否可以采用图片分析，最低的帧率是多少，采用什么量级的模型，架构需要评估网络部署方案，是否可以在本地加入视频服务器做预处理，多少时间传输一次合适等。

产品在此过程中起到项目推动的作用，协调内部技术和用户。

小结：

将上述的内容结合业务需求分析一般就可以给算法提需求了，最后跟算法明确输出算法方案的时间。

附：算法需求分析需要AI产品在算法和用户之间不断沟通确认各种信息（有时候会很拉扯，因为用户在接入AI之前也无法预估自己的期望）。

【不定期群内开公开课，分享干货。免费赠送给您;您只需要关注微信公众号“亿软阁”回复：“好友”找我们索取即可。】