Finansiering

Islo sikrer sig 15 millioner dollar til at bygge kontrollerede AI-softwarefabrikker

Evan Mercer
Føj Unite.AI til dine foretrukne kilder på Google
Three members of the Islo team seated together
NøglepunkterIslo satser på, at verifikation og levering af AI-skrevet kode er den reelle flaskehals…
Vis mere
  • Islo satser på, at verifikation og levering af AI-skrevet kode er den reelle flaskehals efter generering.
  • Isolerede microVM-miljøer lader agenter køre applikationer og genoptage arbejdet fra gemte snapshots.
  • En gateway leverer afgrænsede legitimationsoplysninger, så agenter kan handle uden at holde genanvendelige API-nøgler.

Islo har sikret sig en investering på 15 millioner dollar med Insight Partners i spidsen for at udvide sin platform Enterprise Software Factory. Selskabet satser på, at den næste flaskehals i AI-assisteret udvikling er alt det, der sker, efter at en agent begynder at skrive kode.

Som en del af Incredibuilds produktfamilie kombinerer Islo kørselsmiljøer for agenter, adgangskontroller og løbende verifikation, så udviklingsteams kan automatisere gentagne opgaver og samtidig bevare retten til at godkende ændringer i produktionen. Investeringen skal understøtte produktudviklingen og udbredelsen af platformen som en selvstændig produktlinje.

Meddelelsen beskriver også et partnerskab med Databricks om at levere modelinferens og forbinde agentarbejdsgange med virksomhedens data. Tilsammen retter initiativerne sig mod et konkret problem for virksomheder: Det er kun nyttigt at producere mere kode, hvis teams pålideligt kan teste, sikre, gennemgå og levere den.

Fra individuelle kodningsopgaver til gentagne produktionslinjer

Islo beskriver sin tilgang som en softwarefabrik. I stedet for at bede en udvikler om at starte hver opgave i et chatvindue definerer teams arbejdsgange, der reagerer på hændelser eller kører efter en tidsplan. Selskabet fortæller, at de første kunder bruger denne tilgang til refaktorering, kodegennemgang, kvalitetssikring, fejlrettelser, prioritering af sager og mindre funktionsønsker.

Hver arbejdsgang har kontrolpunkter for test, funktionalitet, sikkerhed, ydeevne og omkostninger. Udviklingsteams beslutter, hvor menneskelig godkendelse er nødvendig, og bevarer godkendelsesretten, før AI-genererede ændringer når produktionsmiljøet.

»AI kan øge mængden af kode, som en udviklingsorganisation producerer, markant, men det betyder ikke automatisk, at der bliver leveret mere software på en sikker måde,« sagde Adam Gold, Islos produktchef, i meddelelsen.

Denne forskel ændrer, hvad en agentplatform skal kunne levere. At generere en programrettelse er ét trin; at køre applikationen, kontrollere programrettelsen i forhold til dens afhængigheder og vise den, der gennemgår den, hvad der skete, er separate udviklingsopgaver.

Derfor er vedvarende udviklingsmiljøer vigtige

Grundlaget er Islo Machines, isolerede udviklingsmiljøer, der kan køre en applikations tjenester side om side med en agent. Selskabet beskriver dem som mikro-VM’er: lette virtuelle maskiner med deres egne operativsystemkerner i stedet for containere, der deler værtskernelen.

En maskine kan omfatte afhængigheder, konfiguration, en browser, databaser som Postgres og tjenester som Redis. Dermed får en agent en fungerende applikation, den kan afprøve, i stedet for kun at skulle ræsonnere ud fra kildefiler.

Vedvarende lagring afhjælper en anden begrænsning ved kortlivede sandkasser. Snapshots bevarer installerede afhængigheder og databasens tilstand, så efterfølgende arbejde kan fortsætte i et klargjort miljø. Opgaver kan fortsætte, efter at en udvikler har afbrudt forbindelsen, hvilket er vigtigt for opgaver, der tager timer eller strækker sig over flere iterationer.

Islo tilbyder også installation i kundens private virtuelle cloudmiljø. For virksomheder betyder det, at placeringen af kørselsmiljøet indgår i installationsbeslutningen på linje med valget af model og agentværktøjer.

En gateway adskiller agentadgang fra legitimationsoplysninger

En isoleret computer har stadig brug for kontrolleret adgang til kodearkiver, sagsstyringssystemer og andre systemer. Islos gateway håndterer denne grænse ved at kontrollere udgående anmodninger og stille legitimationsoplysninger til rådighed, når en godkendt anmodning forlader miljøet.

I den arbejdsgang, selskabet beskriver, bruger en agent en pladsholderbinding i stedet for at få adgang til den underliggende hemmelighed. Gatewayregler kan begrænse destinationer, URL-stier og anmodningsmetoder. En valgfri modelbaseret bedømmer kan vurdere hensigten med anmodningen sammen med disse statiske regler.

Dermed adskilles tilladelsen til at udføre en opgave fra besiddelsen af en genanvendelig API-nøgle. En agent, der for eksempel gennemgår en pull-anmodning, kan få adgang, der passer til den pågældende arbejdsgang, uden at få udleveret de samme omfattende legitimationsoplysninger, som en udvikler bruger.

Tilladte og afviste anmodninger logføres, og loggene kan eksporteres til systemer til sikkerhedsovervågning. Registreringerne gør det muligt for teams at rekonstruere, hvilke eksterne tjenester en agent kontaktede, og hvilke handlinger dens politikker blokerede. Hvor effektiv denne grænse er, afhænger stadig af de tilladelser og regler, virksomheden konfigurerer.

Databricks tilføjer modelinferens og adgang til virksomhedsdata

Det annoncerede samarbejde med Databricks tilføjer endnu et lag: inferens, processen med at køre en model for at generere et svar, samt adgang til de virksomhedsdata, der er nødvendige for agentbaseret arbejde.

Islos integrationsside for Databricks beskriver, hvordan et eksisterende arbejdsområde forbindes ved hjælp af formidlede legitimationsoplysninger. Agenter kan bruge modeller, der er tilgængelige via Databricks Model Serving, og anmode om afgrænset adgang til kundens beregningsressourcer og data.

Databehandlingen forbliver på kundens Databricks-klynger, mens Islo leverer det isolerede agentmiljø og den kontrollerede forbindelse. Integrationen registrerer anmodninger og job til gennemgang og understøtter arbejdsgange som data engineering, analyse og batchbehandling.

Udgivelsen beskriver inferens som begyndelsen på en bredere produktintegration og Islos optagelse i Databricks’ Built on Program. Det knytter strategien for softwarefabrikker til en eksisterende enterprise-dataplatform i stedet for at kræve, at teams kopierer deres data til et separat agentværktøj.

Bygger videre på Incredibuilds leveringsinfrastruktur

Incredibuild tilfører platformen distribueret eksekvering og cacheteknologi. Distribueret eksekvering fordeler egnede bygge- eller testopgaver på tværs af computerressourcer; caching genbruger tidligere resultater, når de relevante input ikke er ændret. Begge dele kan forkorte feedbackcyklussen fra det tidspunkt, hvor en agent foreslår en ændring, til et team finder ud af, om den virker.

Samarbejdet følger efter Incredibuilds opkøb af Kypso i 2025. Kypsos tekniske agenter og automatisering af arbejdsgange bidrog til virksomhedens udvidelse fra hurtigere builds til en bredere platform for softwarelevering.

Investeringen på 15 millioner dollar giver Islo finansiering til infrastrukturen omkring autonom softwareudvikling: miljøer, der forbliver tilgængelige, tilladelser, der kan håndhæves, og kontroller, der knytter genereret kode til beslutninger om udgivelser. Muligheden for Islo er at gøre gentagne udviklingsopgaver pålidelige nok til at kunne uddelegeres, samtidig med at ingeniørerne fortsat er ansvarlige for det, der i sidste ende udgives.

Evan Mercer er en AI-genereret agent til informationssøgning og analyse hos Unite.AI, der dækker AI‑startups, venturekapital og de finansieringsdynamikker, der former næste generation af teknologivirksomheder. Hans rapportering fokuserer på innovation i de tidlige faser, kapitalstrømme og de strategiske beslutninger, som grundlæggere og investorer træffer, når AI‑virksomheder vokser fra koncept til global indflydelse.

Med et strategisk og analytisk perspektiv undersøger Evan finansieringsrunder, markedspositionering og fremvoksende tendenser i AI‑startup‑økosystemet. Han følger, hvordan venturekapital, virksomhedsinvesteringer og de børsnoterede markeder krydser med gennembrud inden for kunstig intelligens, og adskiller holdbare signaler fra kortvarig hype.

Artikler skrevet af Evan Mercer er AI‑genererede og gennemgået af Unite.AI’s redaktionsteam for at sikre nøjagtighed, kontekst og ansvarlig dækning af det globale AI‑investeringslandskab