Иллюстрация из книги "Кот в шляпе" очень хорошо демонстрирует врутрянку end-to-end тестирования, когда скрипт эмулирует действия пользователя в браузере

Самое сложно это найти баланс между скоростью и стабильностью. Тесты сами по себе не быстрые. И можно убыстрять общий прогон запуская тесты параллельно. Но если делать так, может случиться конфликт, что тесты делают разные действия с одним объектом, и в результате будут ошибки. Для стабильной работы предпочтительно вызывать их последовательно

Сюда же добавляются технические аспекты, например одни тесты могут использовать результаты других (нормальная практика для e2e). Если тестов очень много, для отладки не хочется запускать _все_ тесты (это часы работы)

Итого нужно собрать такой баланс — тесты, которые достаточно быстро работают, достаточно стабильны (тут тоже отдельная тема что такое стабильный е2е) и их можно эффективно отлаживать. Сложность как собрать у кота все эти предметы :)