Workable vs Greenhouse

Workable は誰かと話す前に価格を提示し、同じサブスクリプションに HRIS を含め、2026年7月20日以降はすべてのプランで追加費用なしに 94 個の MCP ツールをあらゆる AI アシスタントへ公開しています。Greenhouse はどの規模でも金額を公開せず、recruiting のみを扱い、自社の MCP は Core・Plus・Pro の各ティアに限定したオープンベータの内側に置いています。ただし Greenhouse は recruiting エコシステムの他社が最初に対応する system of record であり、2026年の AI 群は structured hiring を迂回するのではなく、それを支えるように明確に設計されています。この 2 製品によくある「安い SMB 向けツール対高価なエンタープライズ ATS」という構図は、従業員 100 人あたりを超えると成立しません。どこで崩れるかは価格のセクションが示します。

Workable が勝つところ

• recruiting と HR が 1 本のサブスクリプションで済みます。 同じプランに ATS と並んで HRIS、オンボーディング、休暇管理、勤怠管理、電子署名、給与計算の準備が入っています。本来なら Greenhouse と BambooHR を両方買う 60 人規模の会社にとって、これは契約 2 本が 1 本になり、従業員データの同期に連携を挟む必要がなくなることを意味します。Greenhouse は HRIS を販売しておらず、その予定もありません。
• MCP の面積は ATS として現時点で最も広いものです。 Workable は 2026年5月13日に 57 ツールで MCP サーバーを公開し、7月20日に 94 ツールへ拡張しました。求人、候補者、パイプラインのステージ、オファー、requisition、従業員、休暇、そして人事評価の全サイクルまで対応します。読み取りと書き込みの両方に対応し、OAuth2 で Claude、ChatGPT、その他の MCP クライアントに接続し、アクセス範囲はログイン中のユーザーの権限と担当求人に限定されます。大部分は全プランで追加費用なしに使えます。Premier 以上が必要なのは Advanced Candidate Search と Advanced Employee Search だけです。
• エージェントがファネル上部の 1 ステップではなく全体を回します。 2026年3月13日に公開された Workable Agent は、インテークの対話を行い、理想候補者像を作り、4 億件超のプロファイルから sourcing し、パーソナライズした outbound を送り、不足情報を候補者とのチャットで補い、要件に対してスコアリングし、shortlist を引き渡します。新しい情報が入るたびに再スコアリングし、すべての操作を記録します。Workable は保護属性を設計上スコアリングから除外していると説明しています。このカテゴリの守備範囲は 自律型 AI リクルーター を参照してください。
• ブラウザのタブだけで見積もれます。 従業員数の帯ごとに 3 ティア、金額はページに出ています。Greenhouse のティアページは Core・Plus・Pro の名前を挙げたうえで価格はカスタムだと述べます。つまり予算に収まるかどうかを知る前にデモの商談が挟まります。
• 求人配信は連携ではなく標準搭載です。 200 以上の job board、採用ページビルダー、Indeed Easy Apply、LinkedIn Recruiter System Connect、過去候補者の再浮上がすべてのプランに入っています。

Greenhouse が勝つところ

• structured hiring が機能の 1 つではなく製品そのものです。 interview kit、scorecard、source-of-hire レポートが第一級のオブジェクトであり、AI 群はそれを支えます。2026年7月中旬に出た Greenhouse Notetaker は、AI が生成した面接メモを kit が定義する個々の scorecard 設問に対応付けます。Workable にも interview kit と scorecard はあります。違いは有無ではなく、運用を強制する度合いとレポートの深さです。採用品質の問題が規模を伴う面接官の規律にあるなら、構造化面接 を読み、その差分を正直に金額換算してください。
• MCP のアクセス統制がユーザー単位ではなく組織単位です。 Greenhouse MCP は 2026年5月7日に StubHub と Komodo Health を design partner として発表され、以後オープンベータです。個々のユーザーが接続する前に、組織が Dev Center → MCP Access でスコープを承認する必要があります。各呼び出しはそのユーザーの既存の Greenhouse 権限を継承し、監査証跡に残ります。権限が個人に従い組織単位のスコープ関門を持たない Workable のモデルは、導入は速い一方でセキュリティレビューに対して示せる材料が少なくなります。
• 連携マーケットプレイスが堀です。 450 以上の認定連携があるということは、assessment、バックグラウンドチェック、日程調整、sourcing のどのツールを選んでも、まず Greenhouse 向けに作られているということです。Workable のオールインワン論は必要な連携が少なくて済むという主張で、必要な 1 つが Workable の作らないものである日まではそのとおりです。
• 応募洪水の規模に見合う不正・本人確認の統制があります。 Greenhouse 自身の数字では、公開求人数がほぼ横ばいのまま応募は 2023年比で 412% 増えています。Real Talent は Core に talent matching を、Plus に不正およびスパム検知を追加します。さらに Greenhouse は 2026年5月に音声 AI 面接の Ezra AI Labs を買収し、scorecard と同じベンダーの中にスクリーニング面接を取り込みました。
• 上場企業になっても持ちこたえます。 監査ログ、エンタープライズ向けのデータ構成、開発用サンドボックスと同期、内部統制レビューが要求する権限・承認フローは、実在する Pro ティアの機能です。Workable の上限は現実に存在し、従業員数千人の手前のどこかにあります。

価格の実態

Workable は従業員総数に連動する headcount 課金を公開しています。リクルーター数でも採用件数でもありません。従業員 1〜20 人の帯では Standard が月 $299(年 $3,588)、Premier が月 $599(年 $7,188)、Enterprise が月 $719(年 $8,628)です。101〜200 人の帯では同じティアが月 $949(年 $11,388)、月 $1,759(年 $21,108)、月 $2,109(年 $25,308)になります。アドオンは別料金で、金額も小さくありません。この帯では Texting が月 +$269、Video Interviews が月 +$409、Assessments が月 +$209 です。

Greenhouse は何も公開していません。本日時点の Vendr の購買実績データでは、年間契約の中央値が 866 件で $26,646、レンジは $10,215 から $75,125、購入側は平均 16% の値引きを得ています。

この比較は規模とともに逆転します。従業員 20 人なら、$3,588 の Workable Standard は Vendr が記録した最安の Greenhouse 契約のおよそ 3 分の 1 です。200 人になると、$21,108 の Workable Premier は Greenhouse の中央値より 21% ほど安いだけで、ATS 移行のコストに対しては誤差の範囲です。Workable の価格優位は従業員 50 人未満では決定的ですが、200 人ではほぼ消えます。 それ以上の規模では、プロセスとエコシステムで選ぶことになります。それはまさに Greenhouse が望む選び方です。

AI の費目は両社で性質が異なります。Greenhouse は Notetaker を Core に含め、MCP のアクセスと価格は担当営業チーム経由にしています。Workable はエージェントを AI credits で従量課金します。候補者を要件に対して評価するたびに 1 クレジット、パッシブ候補者を sourcing してパイプラインに入れるたびに 2 クレジット、候補者がチャットとやり取りするたびに 10 クレジットです。有料アカウントには 3,000 クレジットが無料で付きます。追加パックは 5,000 クレジットが $600(1 クレジット $0.12)、10,000 クレジットが $1,000($0.10)、50,000 クレジットが $4,750($0.095)です。実際に計算してみます。四半期に 2,000 人を評価し、300 人をパッシブ sourcing し、200 件の候補者チャットを行うと 2,000 + 600 + 2,000 = 4,600 クレジット、50,000 パックの単価で約 $460、5,000 パックの単価で $552 です。チャットは評価の 10 倍のコストなので、この請求額を動かすのは量的なスクリーニングではなく対話型スクリーニングです。

注意点と、それぞれの対処

• Workable の AI credits は購入から 1 年で失効し、返金されません。 ガード: まず 5,000 クレジットのパックを買い、求人 1 件の全サイクルを回し、実測消費から年間必要量を割り出してから 50,000 の階層に踏み込んでください。
• クレジットを飲み込むのはチャットです。 応募が大量に来る職種で全応募者をエージェントのチャットに通すと、1 人あたり 10 クレジットが消えます。ガード: 評価ステップを通過した後にのみチャットが起動するよう設定し、求人ごとに上限を設けてください。
• Workable の価格は採用ではなく従業員数に連動します。 採用ペースが変わらなくても従業員が倍になれば次の帯を払います。ガード: 今日ではなく 18 か月後の人員計画で見積もりを試算し、帯の切り替わりを契約で交渉してください。
• Workable の無料トライアルに Agent は含まれません。 15 日間のトライアルは Standard の機能範囲のみで、まさに評価したい部分が入っていません。ガード: 実際の求人 1 件を対象にした範囲限定のエージェント検証を、契約の書面条件にしてください。
• Greenhouse MCP はオープンベータで、レガシーティアは明確に対象外です。 古いプランの長期顧客は、エージェントのアクセスを得るためだけにティア変更が必要になる場合があります。ガード: 自社のサブスクリプションが Core・Plus・Pro のいずれかであることを書面で確認し、MCP のアクセスと価格を商談での口頭説明ではなく発注書に明記させてください。
• 「カスタム価格」とは、更新のたびに誰かが交渉を担当する必要があるという意味です。 Vendr のデータでは購入側が平均 16% の値引きを得ていますが、それは誰かがプロセスを回した場合にだけ存在する金額です。ガード: Core・Plus・Pro の見積もりを同時に取り、最初の逆提案の前に $10,215〜$75,125 という実測レンジと突き合わせてください。

結論

• Workable を選ぶのは、従業員がおよそ 200 人未満で、固定された HRIS がない場合。採用の負荷が波状で、プロセス重視のシステムを運用する専任の TA ops 担当がいない場合。組織単位の導入プロジェクトなしに、全プランで採用データと HR データへのエージェントアクセスがほしい場合。あるいは公開価格があって初めて稟議が通る場合です。
• Greenhouse を選ぶのは、守るべきものが面接官の規律で、scorecard の遵守状況をレポートできる必要がある場合。パネル面接での採用件数が十分にあり、source-of-hire とステージ別のコンバージョンのレポートが実際の意思決定を動かす場合。最大のマーケットプレイスにしかない連携に stack が依存している場合。あるいはセキュリティレビューが、候補者データへの AI アクセスをユーザー単位ではなく組織承認と監査付きで求めてくる場合です。
• どちらも選ばないのは、制約が別のところにある場合です。両者より深いネイティブ analytics を備えたオールインワンがほしいなら、Ashby の方が直接の競合です(Ashby vs Greenhouse)。HRIS の重心がすでに Workday にあるなら、スイートの論理が両者に勝ります。Greenhouse に近い形をより安く求めるなら、次の候補はたいてい Lever です(Greenhouse vs Lever)。全体像は 2026年のベスト ATS プラットフォーム と Greenhouse の代替 にあります。

デフォルトの選択: Workable。 この 2 つで本当に決めきれないチームは、ほぼ例外なく Greenhouse のプロセスの厳格さが元を取る規模より下にいます。そして商談なしで価格を提示し、recruiting に加えて HR も担い、入門ティアからエージェントアクセスを提供するのは、この 2 つのうち Workable だけです。Greenhouse に切り替えるのは、具体的な条件が発生したときです。プロセスを運用する専任の TA ops 担当がいる、年間 100 件超の採用でパネル面接を行い scorecard のレポートが業務の柱になっている、依存している連携が Greenhouse 向けにしか認定されていない、のいずれかです。判断材料にすべきでないのは表示価格です。従業員 200 人では差は 21% 程度で、その時点で買っているのはライセンスではなく採用プロセスです。本当の問題が応募の量なら、どちらと契約するかよりも AI による履歴書スクリーニング と 大量採用向け stack の方が効きます。