2026年版 QA・テスト向けAIエージェント14選：セルフヒーリングの透明性で順位付け

現時点で、エージェント型のQAカバレッジに最も近いものを求めるチームには、QA WolfとMablがこのリストの先頭に来ます。アナリストがすでに評価した名前を選びたいなら、Testim（Tricentis）とApplitools Autonomousのほうが安全です。専任の自動化エンジニアがいない小規模なチームは、MomenticかFunctionizeから始めるのがよいでしょう。本ガイドでは、ソフトウェアQA専用に作られたAIエージェント14製品を順位付けします。仕様書やアプリのクロールからテストケースを生成し、エンドツーエンドとUIのテストを実行し、セレクターが変わったときに自己修復し、ビジュアルのリグレッションを検出し、APIをテストし、失敗した実行をトリアージするツールです。料金は2026年8月にベンダー自身の料金ページで確認し、価格を公開していないベンダーにはその旨を記しています。

対象範囲は、見た目よりも絞られています。真のエージェントは、複数のステップを計画し、ブラウザやテストランナーなどの実際のツールを呼び出し、次に何をするかを自ら判断します。人がチェックリストを順にクリックするのを支援するだけの製品は、代わりに2026年のアシスタント型AIエージェントに属します。また本ガイドは、これらのエージェントがテストする対象のアプリケーションコードを書くAIコーディングエージェント、コードのリリース後に本番のインシデント対応を担うAIエージェント、AIエージェント自身の挙動をトレースするAIエージェントのオブザーバビリティツールも扱いません。扱うのは、リリース前のソフトウェア品質、つまり、機能が出荷前に動作するかどうかです。以下のすべての製品は、マーケティングページがとかく省略しがちな1つの問いで評価しました。それは、壊れたテストを「自己修復」したとき、何を変更したかを伝えてくれるのか、そしてその変更が合格したビルドとして出荷される前に、人が「ノー」と言えるのか、という問いです。

2026年8月更新：変更点

• Gartnerは2025年に、AI-Augmented Software Testing ToolsのMagic Quadrantを初めて公表し、Tricentisを、実行能力で最高位に位置付けられたLeaderに選びました。この分野が、個々のベンダーの主張から、アナリストが追跡する市場へと成熟したことを示す、これまでで最も明確なシグナルです。
• Forresterは2025年第4四半期に、Autonomous Testing PlatformsのWaveを初めて実施しました。 テストの作成、実行、保守を従来のスクリプト型の自動化の先へどこまで進めているかについて、15のベンダーを評価しました。TricentisはLeader、ApplitoolsはStrong Performerとされました。
• SmartBearは2026年3月31日に、Reflectの中に新たなエージェント機能を投入しました。 開発者が、別のダッシュボードではなく、接続したコーディングエージェントからMCPサーバー経由で、直接テストを生成できます。このリストの他の製品とは、連携のモデルが大きく異なります。
• Katalonは、AI AssistantとMCP Serverを、すべての料金ティアに追加料金なしで組み込みました。 AIによるテスト支援が、プレミアムなアドオンではなく、基本的な期待になるという見方に賭けた動きです。

重要なポイント

• 米国における低品質なソフトウェアのコストは、少なくとも2.41兆ドルに上り、そのうち累積した技術的負債、つまり未テストまたはテスト不足の近道のバックログが、約1.52兆ドルを占めています（Consortium for IT Software Quality の2022年のレポートによる）。
• 組織全体のテスト自動化カバレッジの平均は、わずか33%で、自動化戦略を完全に確立していると答えたのは8%だけです。Capgemini、Sogeti、OpenTextのWorld Quality Report 2025-26による、23か国の経営幹部2,000人を対象とした調査の結果です。
• クオリティエンジニアリング全体で生成AIを全社的に展開している組織は15%にとどまり、43%はまだ試行段階です（同じWorld Quality Report 2025-26による）。
• テストチームの76.8%が何らかの形でAIを導入していますが、導入は保守よりも作成に偏っています。テストケースの生成にAIを使うのが69.6%、テストの保守に使うのが59.6%です（PractiTestの2026年State of Testingレポートによる。第13版を迎えました）。
• テストの不安定さ（フレーキネス）を経験しているチームの割合は、2022年から2025年半ばにかけて10%から26%に増えました。1,000万件を超えるビルドの分析に基づいています（Bitriseの2025年Mobile Insightsレポートによる）。
• エンタープライズアプリケーションの40%が、2026年末までにタスク特化型のAIエージェントを搭載し、2025年の5%未満から増加します（Gartnerによる）。

---

比較早見表

---

セルフヒーリング：バグを隠してしまうこともある機能

このリストのすべてのベンダーは、セルフヒーリングを乗り換える理由として打ち出しています。しかし、それが作動したときに実際に何をするのかを説明しているベンダーは、それほど多くありません。見つけるはずの要素が移動または変更されている場合に、最も近いものを探し、テストをそちらに向け直して更新するのです。うまくいけば、QAエンジニアが毎スプリント、ロケーターを録画し直す手間が省けます。雑に行われれば、壊れた要素の隣にある、見た目の似た要素に黙って向け直してしまい、テストが合格し、本物のリグレッションが出荷されることがあります。これこそ、セルフヒーリングに関するベンダーのベストプラクティスのガイドが警告している失敗のパターンです。直すのはロケーターであり、アサーションではないこと、黙って修復する前に信頼度のしきい値を求めること、すべての修復をレビュー用に記録すること、修復率が想定外に急増したらビルドを失敗させることです。誰にも知らせずに自己修復するテストスイートは、証拠ではなくなり、見せかけの演出になります。

この14製品の本当の違いは、セルフヒーリングをするかどうかではありません。ほぼすべてが行います。違いは、その修復が見えてレビューできるのか、それとも見えず自動的に行われるのかです。この種のガードレールをゼロから設計する構築側のチームは、AI QA testing agent blueprintで、その範囲がどう定められているかを参照してください。この設計図は、「失敗しているテストを合格にしてはならない」を、設定項目ではなく、絶対のルールとして扱っています。

---

自分でテストを書くのか、与えられたものを実行するだけか

これらの製品を実際に分けるもう1つの軸は、テストがどこから来るかです。アプリを自ら探索し、何をテストする価値があるかを自分で決めるエージェントもあれば、仕様書、平易な言葉による説明、録画されたセッションを待ち、人が指し示したものだけを実行するエージェントもあります。どちらの方法も間違いではありませんが、リスクは異なります。自ら探索するエージェントは、気づいていなかったカバレッジのギャップを見つけられます。一方、指定されたものしか実行しないエージェントは、誰も説明しようとしなかった機能については、警告できません。

---

CI/CD連携と失敗のトリアージ

ダッシュボードからしか動かないエージェントは、確認すべき2つ目のワークフローになってしまいます。このリストの大半は、すでに使っているパイプラインの中で動き、実行が失敗したときに開発者に対応可能な情報を渡すように作られています。何の文脈もない赤い×印ではなく、再現手順が付いたバグレポートを、JiraやLinearに直接起票します。

---

料金モデル：シート、クレジット、予算が想定外になる場面

このリストには3つの料金の考え方があり、予算の見通しの中でそれらを混同すると、更新時に驚くことになります。シート単位の料金は、1人あたりのコストに上限を設けますが、人数に比例して増えます。クレジットや従量課金は、エージェントがどれだけ働くかに応じて増えます。1つの大規模なリグレッションスイートが、1か月分の許容量を1週間で使い切ってしまうまでは、問題ありません。そして、このリストの最も高機能な製品のいくつかは、そもそも価格をまったく公開していません。

規模とペルソナの表

---

1. QA Wolf：すべての失敗を人がレビューする体制に支えられた、AIによるテスト作成

QA Wolfは、自社を、チームのQAの負担を「完全に」取り除く、ハイブリッドのプラットフォーム兼サービスと位置付けています。Coverage as a Serviceのティアは、その約束を、このリストで最も文字どおりに実現したものです。QA Wolf自身のチームが、エンドツーエンドのカバレッジを構築・保守し、「フレークゼロ」を保証し、すべての失敗を24時間以内に調査して、人が検証したバグレポートを添付します。セルフサーブのPlatformティアは、同じAIによる探索とワークフローのマッピングを、自社のチームに任せる形で提供します。オープンソースのPlaywrightにエクスポートするため、基盤となるテストにベンダーロックインはありません。

その幅こそ、購入前に理解しておくべきことでもあります。PlatformとCoverage as a Serviceは、1つのブランドを共有する、ほぼ別の2つの製品です。一方は従量制で料金が明確に示され、もう一方は完全に営業対応の裏に価格があります。

料金： Platformは従量制です。AIクレジットが1つあたり$0.01、ランナーの分数が1分あたり$0.15で、シート単位やテスト単位の課金はなく、お試し用の無料ティアがあります。Coverage as a Serviceはカスタムで、見積もりは営業担当に問い合わせてください。出典：qawolf.com/pricing。

最適な用途： 人がレビューするマネージドサービスにエンドツーエンドのQAを任せたいチーム。また、自動化を自社で担うつもりのチーム向けには、より安価なセルフサーブの選択肢もあります。

2. Mabl：自ら構築し、実行し、修復するカバレッジ

Mabl自身の位置付けである「自ら構築し、自ら実行し、自ら復旧するカバレッジ」は、この分野で最も直接的なエージェント型の売り文句であり、その範囲も他より広くなっています。Web、モバイル、API、アクセシビリティ、パフォーマンスのテストが、別々のSKUではなく、1つのサブスクリプションの下で1つのクレジットプールを共有します。ローカルでのテスト実行が無制限であること、クラウドの同時実行数が無制限であることは、すべてのプランに含まれており、クラウド実行用に500クレジットの初期割り当てがあります。

問題は、これらに公開された金額が付いていないことです。すべてのプランがカスタムの見積もりのため、チームは、まず営業担当と話さなければ、おおまかな予算も立てられません。これだけ広く採用されている製品としては、珍しいことです。

料金： カスタム、見積もりベース。月500クレジットの初期割り当てで、各機能にまたがるクラウドのテスト実行をカバーし、ローカル実行は無料です。出典：mabl.com/pricing。

最適な用途： 個別のツールをつなぎ合わせる代わりに、Web、モバイル、API、アクセシビリティのテストにまたがる、1つのエージェント型プラットフォームを求めるチーム。

3. Testim (Tricentis)：エンタープライズの自律テストにおけるGartnerとForresterのLeader

TestimがTricentisに買収されたことで、この分野で最大の専門テストベンダーの傘下に入りました。そして2025〜26年に、それが第三者による評価という形で表れました。Tricentisは、GartnerのAI-Augmented Software Testing Toolsの初のMagic QuadrantでLeaderに、ForresterのAutonomous Testing Platformsの初のWaveでもLeaderに選ばれ、「機能テストと非機能テストのための、最も包括的なエンタープライズ級のプラットフォームの1つ」を提供していると評価されました。Testim Copilotは、エディターの中で、平易な言葉の説明からテストのステップを生成します。Tricentisは現在、その上にエージェント層を売り出しています。テストすべきことを説明すれば、自動的に実行されるというものです。

すでにWebに加えてSalesforceやモバイルも運用しているチームにとって、これは実際の利点です。Testimは、3つの別々のベンダー契約ではなく、Tricentisとの1つの関係の下で、この3つをカバーします。

料金： トライアルの後、無料のCommunityプランが利用できます（セルフサービスのみ、1組織につき1つ）。Testim Web、Testim Salesforce、Testim Mobileは、いずれも料金について営業担当への問い合わせが必要です。出典：testim.io/pricing。

最適な用途： Web、Salesforce、モバイルのテストを、1つの関係の下でカバーする、アナリストに評価されたベンダーを求める、エンタープライズのQAチーム。

4. Applitools Autonomous：URLのリストを、完全なテストスイートに変える

Applitoolsは、Visual AIで評価を築き、Autonomousは、その専門性を、テストそのものの生成と保守に広げたものです。URLまたはURLのリストを指定すると、サイトをスキャンして、ビジュアルのチェックポイントを組み込んだテストスイートを、コードなしで自動生成します。ForresterはApplitoolsを、初のAutonomous Testing Platforms WaveでStrong Performerに選びました。Tricentisより一段下ですが、まったく新しいカテゴリでの、本物の第三者評価です。

ここでのセルフヒーリングは、このリストの中でも透明性が高い部類です。AIがサイト全体の変更を検出すると、それらをグループ化し、チームが1つずつ探し回る代わりに、「ワンクリックで数百のテスト」をレビューして更新できます。黙って行うのではなく、まとめてレビューするモデルです。

料金： Starterには、50 Test Units、ユーザーと実行数が無制限の無料トライアルが含まれます。Public CloudとDedicated Cloudのプラン（50 Test Units以上、SSO、オンプレミスのオプション）はカスタムで、営業担当に問い合わせてください。出典：applitools.com/pricing。

最適な用途： Applitoolsの確立されたビジュアルリグレッションエンジンとセットで、自律的なエンドツーエンドのテスト生成を求めるチーム。

5. Katalon AI：手動テストと自動テストを1つのプラットフォームで、AIは無料で含まれる

Katalonの賭けは、幅広さです。ローコードとフルコードのテスト作成、手動のテストケース管理、クラウド実行、レポートを1つのプラットフォームでカバーし、AI AssistantとMCP Serverを、追加料金なしで、すべてのティアに組み込みました。多くの競合がAIをプレミアムなティアやカスタムの見積もりの裏に置いているこの分野では、この最後の点が重要です。KatalonのAIは、セルフヒーリング付きのスクリプト生成と、まだ完全には自動化する準備ができていないチーム向けの、AI支援による手動テストケースの生成の両方を担います。

オプションのTrue Production Insightsアドオンは、より自律的な領域に踏み込みます。実際のユーザーの動線を既存のテストカバレッジと突き合わせ、不足しているテストを自動生成します。録画を基本とするKatalon自身の標準よりも、ApplitoolsやRainforestの探索型のモデルに近いものです。

料金： Katalon Studio Enterpriseは$180/シート/月（年払いで$84/シート/月）。True Platformは$70/シート/月（年払いで$59/シート/月）。True Automation（両方を組み合わせたもの）は$200/シート/月（年払いで$167/シート/月）。Enterpriseはカスタムです。出典：katalon.com/pricing。

最適な用途： 追加のAIの費用項目なしに、手動テストと自動テスト、そしてAIの支援を、1つのプラットフォームで求めるチーム。

6. testRigor：ユーザーの実際の行動から生成されるテスト

testRigorの中核にある考えは、そもそもセレクターは、壊れにくいテストの土台として間違っている、というものです。XPathやCSSのロケーターの代わりに、そのAIは、人と同じようにWebアプリやモバイルアプリを読み取るよう学習されており、本番で実際のユーザーがアプリケーション内をどう動くかを再現することで、テストを自動的に生成・保守できます。そのプロセスで、デフォルトで最大1,000件のテストケースをカバーします。何かが壊れると、testRigorは、同じ根本原因の影響を受けるすべてのケースをグループ化するため、チームは、壊れたロケーターを1つずつ追いかける代わりに、1回で直せます。

料金も、他とは違うという同じパターンに従っています。ユーザー単位もテスト単位も課金がなく、SSOは全社で含まれ、請求額全体は、必要な並列実行のインフラの量だけに応じて増えます。

料金： Private Linux Chromeは$300/月から。Private Complete（Ubuntu、Windows、Mac、Android、iOS、Windows Native、すべてのAI機能）は$900/月からです。公開評価用の、完全にパブリックな無料ティアもあります。Enterpriseはカスタムです。出典：testrigor.comの料金とFAQのページ。

最適な用途： シート単位の課金なしで、書かれた仕様ではなく、実際のユーザーの行動からテストを生成したいチーム。

7. Momentic：シート課金のない従量課金

Momenticは、そのAIが実際にいくらかかるかについて、このリストの中でも透明性の高い製品の1つです。すべてのプランがクレジットで計測され、超過料金（1クレジットあたり$0.01875）が公開されており、どのティアにもシート単位の課金がありません。無料プラン（月2,000クレジット、テスト実行およそ200回）は、小規模なチームが、何も支払う前に、じっくり評価するのに十分です。自然言語のロケーターが壊れやすいセレクターに取って代わり、自動修復するテストが軽微なUIの変更を吸収し、エージェントのリトライが一時的な失敗に対処します。実際のiOSとAndroidのエミュレーターでのモバイルテストも、無料ティアから含まれています。

そのシンプルな定額制のトレードオフは、とりわけモバイルなど、使用量が増えると、他のすべてと同じ共有クレジットプールから消費されることです。そのため、モバイル中心のスイートは、表示価格が示すよりも速く、許容量を使い切ることがあります。

料金： Freeは$0（月2,000クレジット）。従量課金は$125/月（月10,000クレジット）に、超過分が1クレジットあたり$0.01875です。Enterpriseはカスタムで、テスト量に応じて価格が決まります。出典：momentic.ai/pricing。

最適な用途： 人数が増えてもシート単位の上乗せがない、透明なクレジットベースの料金を求めるチーム。

8. Functionize：エージェント型テストへの、最も安価なセルフサーブの入り口

Functionizeは自社の製品を、率直に「Webの全UIワークフローのための、独立したテストエージェント」とブランド化しており、料金は、このリストの中で群を抜いて手が届きやすい水準です。月200クレジットの、実際に使える無料ティアと、月$20のProティアがあり、実際の利用が始まる前の、この分野の大半の料金のほんの一部です。Functionize自身の技術記事は、この分野全体が解決するために存在する、不安定なテストの問題に特に焦点を当てています。また、Maxティアには、より単純な自動化ツールではつまずくワークフロー向けに、SMSとMFA/OTPのテストが加わります。

チーム向けの料金は、モデルが変わります。GrowthとScaleのティアはユーザー単位で課金され、各ユーザーが、共有のチームプールではなく、それぞれのクレジットの許容量を持ちます。数シートを超えて拡大する前に、試算しておく価値があります。

料金： Freeは$0/月（200クレジット）。Proは$20/月（400クレジット）。Maxは$100/月（2,000クレジット、最大10の並列実行）。Growth（Team）は$40/ユーザー/月（400クレジット/ユーザー）。Scale（Team）は$200/ユーザー/月（2,000クレジット/ユーザー）。Enterpriseはカスタムです。出典：functionize.com/pricing。

最適な用途： 最初に予算を確保せずに、エージェント型テストを試したい小規模なチームや個人のQAエンジニア。

9. Reflect (SmartBear)：コーディングエージェントが直接呼び出せるMCPサーバー

Reflectは、ノーコードのテストプラットフォームとして名を上げ、2024年にSmartBearの傘下に入って以来の最も特徴的な動きは、機能のチェック項目ではなく、アーキテクチャにあります。2026年3月時点で、コーディングエージェントがMCPサーバー経由でReflectに接続し、ツールとして使えます。自然言語のプロンプトでテストのステップを追加し、スクリーンショットでアプリケーションの状態を確認し、既存のテストのセグメントを再利用し、失敗したステップをリトライします。人が別のReflectのダッシュボードに切り替える必要はありません。セルフヒーリングは、コードベースのロケーターではなく、ビジュアルのオブジェクト検出で動作し、UIが変わると自動的に適応します。

その「自動」という表現は、注意深く読む価値があります。SmartBear自身の資料は、テストを「手動の介入なしに」更新する修復を説明しており、そのため、ReflectはApplitoolsやtestRigorが採るまとめてレビューする側ではなく、透明性のスペクトルの、自動寄りの端に位置付けられます。

料金： Premium（月5,000クレジット）、Advanced（月20,000クレジット）、Enterprise（月40,000クレジット、プライベート環境のテスト）は、いずれもクレジット単位のティアで、ドル建ての価格は営業との対話まで非公開です。Webのテストは1クレジット、モバイルは5クレジット、APIは0.1クレジットです。出典：reflect.run/pricing。

最適な用途： すでにAIコーディングエージェントに標準化しており、確認すべき別のアプリではなく、そのワークフローの中で、ツール呼び出しとしてテストが行われることを求めるチーム。

10. Autify：2つの製品、1つのセルフヒーリングエンジン

Autifyは、1つのブランドの下で、2つの異なる製品ラインを運営しています。Aximoは、「Your Autonomous AI Tester」として売り出されており、クラウドベースで、テストのステップごとにクレジットが計測されます。内部では、特にClaudeのモデルで動作しています（料金ページでは、Sonnetクラスのステップがクレジット消費1倍、Haikuクラスのステップはそれより安く設定されています）。Nexusは、より従来型の対となる製品です。ノーコードとフルコードの作成を組み合わせた、Playwrightベースのツールで、コードレベルの制御を手放さずにAI生成を求めるチーム向けです。

どちらも、Webとモバイルにまたがるセルフヒーリングを共有していますが、2つの料金体系は財布を共有しません。チームが本当はNexusが必要だったのにAximoを選んだ場合（またはその逆）、料金の話し合いを最初からやり直すことになります。

料金： Aximo Coreは$120/月（年払いで$99/月、月6,000クレジット）。Aximo Teamは$550/月（年払いで$450/月、月30,000クレジット）。Nexus Professionalは$400/月、または年$3,600（1ユーザー）です。どちらも、カスタムのEnterpriseティアが加わります。出典：autify.com/pricing。

最適な用途： 1つのベンダーとの関係の中で、完全自律型のテスター（Aximo）と、Playwrightベースのハイブリッド（Nexus）のどちらかを選びたいチーム。

11. Rainforest QA：人間のクラウドが背後にいる、AIによるテスト計画

Rainforest QAのAI Test Plannerは、アプリケーションを自動でマッピングして何をテストすべきかを提案し、ビジュアルなノーコードのインターフェースでテストを生成し、UIが変わると自己修復します。これは、このリストの他の複数の製品と同じ形です。Rainforestを際立たせているのは、その層の背後にあるものです。AIだけでは見逃してしまう、探索的なテストやエッジケースのテストを引き受けられる、人間のクラウドテスターがいて、重厚なスクリプト型の自動化と、手動のリグレッションテストの橋渡し役として位置付けられています。

その人間の層は、この分野全体が解決しなければならない、セルフヒーリングへの信頼の問題に対する、実際の答えです。しかし同時に、Rainforestの料金は、このリストで最も読みにくいことも意味します。何も公開されておらず、第三者の購入者データによって報告された実際の契約は、小規模チームで月およそ$1,500から、大量利用では月$7,000を大きく超える水準まで幅があります。

料金： 非公開。報道ベース（第三者による、匿名化された購入者の契約データに基づく）では、小規模チームが月およそ$1,500から$3,000、中規模チームが月$3,500から$6,500、エンタープライズが月$7,000から$12,000以上、平均の年間契約額が約$62,400です。出典：Vendr。Rainforest QA自身の料金ページは、営業との対話が必要です。

最適な用途： AIによるテスト計画を求めつつ、人間のレビュアーを介在させずにセルフヒーリングを信頼する準備ができていないチーム。

12. Meticulous：セレクターなし、テスト作成なし、あるのはセッションの再生だけ

Meticulousは、このリストの他のどの製品とも本質的に異なるアプローチを取っています。仕様書、クロール、録画からテストを生成する代わりに、（ステージングまたは本番の）実際のユーザーセッションを記録し、あらゆるプルリクエストで、新しいコードに対して決定論的に再生して、ビジュアルの違いを自動的にフラグ付けします。従来のロケーターに相当するものがないため、通常の意味で「自己修復」するものがありません。Meticulousの本当の技術的課題は、その逆です。実際には意味のないビジュアルの差分を除外し、チームが誤検知に埋もれないようにすることです。

そのため、このリストの他とは根本的に異なる買い物になります。特定のビジネスロジックを確認する、意図的に作り込んだスクリプト型のテストケースの代わりではなく、誰もテストを書こうと思わなかったリグレッションを捕捉する、メンテナンスゼロのセーフティネットです。

料金： 非公開。カスタムで、営業担当に問い合わせと記載されています。オープンソースのプロジェクトとパブリックリポジトリは無料です。出典：meticulous.ai（本レビューの時点で、公開された料金ページなし）。

最適な用途： テストケースを1つも書いたり保守したりせずに、実際の利用に基づく自動のリグレッションカバレッジを求めるフロントエンドのチーム。

13. CoTester (TestGrid)：バンドル型のAIテストチームメイト、シート単位の課金

CoTesterは、自社を「いつでも使えるAIのテストチームメイト」と位置付けており、TestGridのより広いエージェント型プラットフォームの上に構築されています。27を超えるAIテストエージェントをバンドルし、テストケースの生成、セルフヒーリング、バグの要約、ビジュアルテスト、パフォーマンステスト、APIテスト、ジオロケーションのテストをカバーして、エージェントごとの追加料金なしに、すべてのシートに含めています。実機とブラウザへのアクセスは、エントリーのティアから含まれており、特定のハードウェアでしかバグが現れないチームにとって重要です。

注目すべきは、シートの単価ではなく、最低シート数です。Starterは、始める前に4シートが必要で、実際の月額の下限は、$199という見出しの料金が示唆する額よりも、$800に近くなります。

料金： Starterは$199/シート/月、最低4シートで、4台のデバイス/ブラウザと月5,000トークンを含みます。Growthはカスタム（トークン無制限、実行の上限なし）。Custom Device Lab（オンプレミスまたはプライベートクラウド）も、カスタムです。出典：testgrid.io/pricing。

最適な用途： 機能、ビジュアル、パフォーマンス、APIのテストをカバーする、バンドル型のエージェントスイートを、機能ごとに別々に価格を設定せずに求めるチーム。

14. Ranger：コーディングエージェントが自分の失敗を直すために作られた

Rangerは、このリストで最も自律的な製品であり、他とは異なるユーザーのために作られています。結果をレビューするQAエンジニアではなく、自分の作業を素早く確実に確認する手段を必要とする、AIコーディングエージェントです。ranger goを実行すると、ブラウザを立ち上げ、機能をテストし、判定を返します。何かが失敗すると、コーディングエージェントがそれを拾い、根本のコードを修正し、Rangerで再テストします。そのサイクルは、明示的に「人が介在しない」ものです。テストは、サイトをナビゲートするAIエージェントが生成し、Playwrightとしてコード化されます。その後、スイートの一部として信頼される前に、Ranger自身の人間のQA専門家がレビューします。つまり、人によるレビューは、その後の実行のたびにではなく、テスト作成時に1回だけ行われます。

この設計は、本稿全体の主張に照らして、はっきり述べる価値があります。Rangerは、壊れたテストを黙って修復しようとはまったくしません。何かが壊れたら、正直に失敗し、その修正を、原因を作ったエージェントに渡します。スクリーンショット、録画、トレースが証拠として添付され、人がプルリクエスト上で確認できます。

料金： 非公開。年間契約で、テストスイートの規模に基づき、相談の後にカスタムの見積もりが出されます。ホスト型のテストインフラ、テストの作成、人間の専門家によるレビューを含みます。出典：ranger.net（公開された料金ページなし）。

最適な用途： AIコーディングエージェントを運用しており、人の関与を最小限にして、そのエージェントに自分の作業を検証し、修正させたいチーム。

---

選び方：意思決定フレームワーク

テストの作成モデル、セルフヒーリングの透明性、人によるレビュー、CIへの適合性、そしてスイートに合った料金の単位で選んでください。

---

QAエージェントの購入で避けるべき失敗

署名の前に、修復の範囲、承認ログ、探索の深さ、不安定なテストへの挙動、最低利用条件、実際のクレジット消費を確認してください。

---

---

次のステップ

1つのエージェントを選び、年間契約に署名する前に、スイートの中で実際にすでに不安定な部分に対して、2〜3週間実行してください。1回のセルフヒーリングを信頼する前に、ベンダーにログを見せてもらってください。何が、いつ変わったのか、そして人が承認する必要があったのかどうかです。営業との対話でそれに答えられないツールは、ブラックボックスを信頼し、リリースのゲートを任せるよう求めています。この機能を購入するのではなく、自分たちで構築する方向に傾いているなら、AI QA testing agent blueprintが、これらのベンダーが売っているのと同じ、実行・確認・引き継ぎの設計を順に説明しています。また、AI code review agent blueprintは、テストが実行される前に、プルリクエストそのものを審査するという、隣接する業務を扱っています。そして、この判断の土台となる、より広いエージェントプラットフォームをまだ決めていない場合は、2026年のAIエージェントプラットフォームのおすすめが、その層を最初に選ぶための、中核となるガイドです。