Coverage Cat 这则招聘最刺眼的地方，不是“Growth Engineer”。

刺眼的是同一个岗位里，既要设计 AI 增长工具，也要去 Craigslist 找线下 canvassing 人员。

一家 YC S22 公司，自称要打造 AI-native insurance broker。听起来很软件，很自动化，很“模型吃掉中介”。但增长端写得很直白：世界上再 AI-native 的保险经纪，也还需要一点 IRL effort。

翻译成人话：工具可以很新，获客还是很脏。

这则招聘到底写了什么

先看硬信息。它不是融资新闻，也不是产品发布，更不能直接推成公司战略转向。它只是一则合同工招聘。

项目信息
公司Coverage Cat，YC S22，自称 AI-native insurance broker
岗位Fractional Growth Engineer，Engineering，合同工，Entry level
薪酬时薪 15-25 美元，可能有额外激励
职责范围organic growth engineering implementation and operations
具体任务设计 AI 增长工具、执行增长实验、从 Craigslist 招线下 canvassing 人员
地域限制不接受 CA、MA、NJ、OR、WA、CT、IL、RI、MD、MI、NH、HI 等州申请者
申请方式只能通过 YC Work-at-a-Startup，邮件申请会被丢弃

这张表里有三个信号。

一个是岗位很碎。工程、增长、运营、招募线下人员，被塞进同一个合同角色。

一个是成本很低。Entry level，时薪 15-25 美元，另有激励可能。这里不能直接说违法或剥削，材料不够，也要看具体州法和合同安排。但它至少说明，公司想用低固定成本跑增长实验。

还有一个是限制很硬。CA、MA、NJ、OR、WA、CT、IL、RI、MD、MI、NH、HI 等州被排除。原因招聘材料没有解释，不能替它脑补。但对求职者来说，动作很简单：不在名单内，再走 YC 渠道；在名单内，别浪费时间发邮件，邮件申请也明确会被丢弃。

这就是这则招聘的价值。它把“AI 创业公司怎么真实干活”露出了一角。

反常点不在岗位，而在保险增长

保险不是短视频会员。用户不会因为页面顺滑，就马上掏钱。

他要看保费，要看条款，要担心理赔，要确认中介靠不靠谱。买之前怕被坑，出事之后怕没人管。保险增长里最难自动化的，从来不是生成一段文案，而是建立信任。

AI 能做很多事。它可以生成落地页，整理报价，写触达脚本，跑线索归因，做增长实验记录。工具密度会变高，试错会变快。

但线索从哪里来？用户为什么信？线下触达能不能比线上广告便宜？这些问题不会因为公司叫 AI-native 就消失。

所以 Craigslist 和 AI tool 出现在同一个岗位里，并不荒诞。它反而很合理。

“天下熙熙，皆为利来。”放在这里很直白：增长不是信仰，是算账。一个获客渠道只要账能跑通，哪怕看起来土，也会被拿来试。

这和早期互联网不完全一样，但味道相近。很多后来被包装成“平台革命”的公司，早期都干过大量笨活：扫街、打电话、贴广告、人工审核、手工撮合。技术负责压缩流程，脏活负责穿透现实。

AI 公司也没有逃出这条老路。只是现在，表格里多了“AI-native”。

对两类人，影响很具体

关注 AI 创业公司真实运营的人，别只看 demo 和模型叙事。更该看三个地方：获客从哪来，信任怎么建立，低价值执行谁来做。

如果一家 AI 公司在宣传里全是自动化，招聘里却大量出现合同工、线下执行、手工运营，这不一定是坏事。早期公司本来就要试渠道。但它提醒你：自动化可能只发生在工具层，增长闭环还没被自动化。

对创业团队，动作也很清楚。别急着把“AI-native”写成全自动神话。先算单位经济账：一个线索多少钱，一个有效转化多少钱，线上广告和线下触达哪个更便宜，哪个能更快验证信任。

对保险科技和增长岗位从业者，这类角色会越来越夹心。你不能只会写代码，也不能只会投广告。更像一个会搭工具的增长运营：能把 AI 接进流程，也能把 Craigslist、地推、表单、脚本和转化数据串起来。

这对求职者有两个现实动作。

对象该看什么直接动作
AI 创业观察者 / 投资人招聘是否暴露获客方式、人工依赖和执行成本少看口号，多看增长岗位和运营岗位怎么写
保险科技 / 增长求职者岗位是否要求工程、运营、线下招募混合能力准备增长实验案例，而不是只展示代码或投放经验

这里也有边界。不能因为一则招聘，就断言 Coverage Cat 增长困难，也不能说 AI-native 只是噱头。材料只能支持一个较稳的判断：至少在这个岗位上，AI 工具和线下执行被放进了同一条增长链路。

接下来最该观察的不是它还会不会喊 AI-native，而是两个变量。

第一，线下 canvassing 能不能带来更便宜、更可信的保险线索。第二，这个 Fractional Growth Engineer 搭出的 AI 增长工具，能不能把线下动作变成可复制流程。

如果只能靠人海填坑，那叫便宜执行。如果工具能把线索、脚本、招募、转化和复盘连起来，才算 AI-native 在增长端真的起了作用。

Coverage Cat 这则招聘有意思，就在这里。它没有证明一家公司成败，却提醒了一个行业事实：模型可以把刀磨快，但不能替你走完街区。