來自101個/地區的288位質量工程師的經驗數據提供了報告背后的洞察力和可信度，該報告證明了Visual AI在測試自動化領域中的優勢。該報告來自Applitools，該公司銷售使用視覺AI的功能和視覺測試工具。

視覺AI是計算機視覺的一種形式，它以與人眼和大腦相同的方式查看應用程序，其優點是不會疲勞。人工智能工具為不斷增加的自動化輔助服務增加了另一個方面，使測試工程師能夠跟上當今現代應用程序對CI / CD的快速發展和需求。

該報告聲稱，通過使用Visual AI，質量工程師能夠以5.8倍的速度創建測試用例，從而擴大了測試覆蓋范圍，將測試代碼的穩定性提高了3.8倍，并增加了預生產中捕獲的錯誤數量。使測試人員能夠提供更大覆蓋范圍，效率提高45%的因素。

與領先的開源測試框架(Cypress，Selenium和WebdriverIO)相比，該報告中的統計數據提供了一系列令人印象深刻的性能優勢。盡管基于代碼的框架本質上是開放的，可配置的，但精簡程度較低，但它們的確為大多數質量工程師和測試人員所熟悉的比較提供了基準。該報告詳細介紹了本研究中使用Applitools平臺以提高這些效率并驗證統計數據的過程和技術。在考慮針對DevOps環境的系統方法時，在測試自動化工具上的投資并不是一個可以跳過的領域，因此，如果超出用戶對AI自動化的熱情，管理人員可以評估一個嚴肅的業務案例。

測試自動化框架和工具市場上已有穩定的參與者，每個參與者對測試，組織，協作和報告的處理方式都不同。人工智能驅動的認知視覺呈現了一些相當新穎的屬性，這些屬性僅報告了用戶可以感知的差異，而忽略了看不見的渲染，大小和位置差異。隨著公司在UI / UX Web和移動域中的工作越來越多，在表示層之間保持一致性將帶來巨大的好處，從而使質量團隊的工作更加有效。該報告驗證了視覺AI是一種嚴肅的“自動化測試效率多人游戲”，為測試人員提供了“超級能力”，可以在幾分鐘內訪問每個屏幕和頁面，而不會感到疲倦或犯錯誤。

Applitools使用黑客馬拉松方法為報告提供了真實數據，它提供了288個獨立測試工程師的數據集，這些工程師共花費了80個工作周以上的時間來記錄其進度。有了如此大量的數據點，它開始類似于現實世界中的場景，在該場景中，不同的行業，開發團隊和文化已經動手使用該工具，并研究了可視化AI作為測試自動化特定分支的優勢。該報告的主要結果是，使用AI工具監視整個設備和瀏覽器范圍內的UI / UX元素的呈現可以改善測試團隊的整體性能。節省時間和提高質量，或者在這種情況下，準確性可以節省時間，這對于測試團隊而言具有明顯的好處;