Finansiering

Islo rejser 15 mio. dollar til at skalere sin enterprise-softwarefabrik

Evan Mercer
Føj Unite.AI til dine foretrukne kilder på Google
NøglepunkterIslo automatiserer ingeniørarbejde med AI-agenter, mens sikkerhed og implementering…
Vis mere
  • Islo automatiserer ingeniørarbejde med AI-agenter, mens sikkerhed og implementering forbliver under virksomhedens kontrol.
  • Factory Lines gør kontrol og godkendelser lige så repeterbare som kodegenerering selv.
  • Platformen tester modelændringer mod historiske sager for at producere kundespecifik dokumentation.

Islo annoncerede en investering på 15 mio. dollar ledet af Insight Partners og lancerede sin platform Enterprise Software Factory den 17. november 2026. Islo, der er en del af Incredibuilds produktfamilie, har designet systemet til at automatisere tilbagevendende ingeniøropgaver med AI-agenter og samtidig bevare virksomhedskontrollen over sikkerhed, verifikation og udrulning.

Pengene skal støtte produktudvikling, udbredelse og udvidelse af Islo som en selvstændig produktlinje under Incredibuild. Incredibuild opkøbte i 2025 Kypso, startupvirksomheden grundlagt af Islos ledelsesteam. Platformen omfatter Incredibuilds acceleration af bygning, test og kontinuerlig integration og forbinder virksomhedens eksisterende pipeline-teknologi med kontrolfunktioner til arbejde genereret af agenter.

Fabrikslinjer og isoleret afvikling

Fabrikslinjer omsætter en ingeniørprocedure til en gentagelig sekvens af trin med og uden agenter. Et team kan overlade implementering eller gennemgang til en AI-agent og derefter bruge scripts til bygning, linting og test, så disse kontroller ikke afhænger af modellens vurdering. Kørsler kan udløses af en ny sag, en Slack-besked, et webhook eller en tidsplan. Hvis en kontrol fejler, sender processen arbejdet tilbage til endnu et forsøg; hvis en handling vurderes som risikabel, kan den afvente menneskelig godkendelse.

Afviklingsmiljøet er også en del af produktet. Hver maskine leverer et vedvarende, hardwareisoleret miljø med de repositories, tjenester og afhængigheder, der kræves for at bygge og køre kundens software. Det gør det muligt for agenter at verificere ændringer i forhold til den faktiske teknologistak, mens cloudhosting gør det muligt for flere maskiner at fortsætte med at køre, uden at en ingeniør behøver at være logget ind.

Sikkerhedskontrollerne er indbygget i miljøet. Udgående forbindelser afvises, medmindre de er tilladt, gatewayindsprøjtning holder rå legitimationsoplysninger ude af sandkassen, og kommandoer, filændringer og netværksaktivitet registreres. Kunder kan også køre Islo i deres egen cloud, sætte forbrugsgrænser for hver linje og knytte sessioner, handlinger, udgående opkald og forbrugsomkostninger til en revisionsbar kørselsregistrering ifølge produktsiden.

Blandt de tidlige anvendelser hos kunder, som Islo nævner, er refaktorering, kodegennemgang, kvalitetssikring, fejlrettelse, prioritering af sager og levering af funktioner med lang leveringstid. Teams kan fastsætte kontrolpunkter for sikkerhed, test, funktionalitet, beskyttelse, ydeevne og omkostninger samt beslutte, hvilke handlinger der kræver menneskelig godkendelse.

»AI kan øge mængden af kode, som en ingeniørorganisation producerer, markant, men det betyder ikke automatisk, at mere software bliver leveret på sikker vis,« sagde Adam Gold, Islos produktchef. Islo vil sikre, at kontrollerne og godkendelserne omkring en ændring er lige så gentagelige som selve genereringen.

Partnerskab med Databricks og modeltest

Databricks står også til at blive Islos partner for inferens i backend. Islo oplyste, at integrationen vil give kunder adgang til proprietære og åbne AI-modeller og gøre det muligt for fælles kunder at køre fabrikker på deres egne data uden at give afkald på privatliv eller kontrol. Modelafvikling og adgang til Databricks-data vil være tilgængelig i Software Factory, så disse ressourcer indgår i det samme kontrollerede miljø som ingeniørarbejdsgangen.

Uafhængighed af modeller er en anden del af designet. Teams kan bruge Claude Code, Codex eller andre agentværktøjer og vælge forskellige modeller til de enkelte faser uden at skulle genopbygge en hel linje, når de ændrer én komponent.

Islo oplyser, at foreslåede ændringer af en model, prompt eller agentramme først kan afprøves mod historiske sager i kundens miljø. Simulerede, tilstandsbevarende versioner af GitHub, Slack og Linear forhindrer agenten i at finde frem til den endelige løsning. Evalueringen undersøger derefter resultatet, skjulte tests, bivirkninger, forsøg og omkostninger og skaber dermed evidens baseret på kundens eget arbejde frem for en generel leverandørbenchmark.

Islo oplyser, at Rite bruger platformen til levering af funktioner og fejlrettelse, mens Incredibuild har udvidet brugen fra automatiseret gennemgang af pull requests til fejlrettelse, levering af funktioner og triagering af kontinuerlig integration. Et pilotprojekt hos ARIMLABS voksede til cirka 500.000 evalueringskørsler om dagen. Eksemplerne peger på platformens første anvendelsesområde: kontinuerlige, tilbagevendende opgaver, hvor input og acceptkontroller kan specificeres på forhånd.

Den umiddelbare mulighed ligger i efterslæbet af vedligeholdelses-, test- og triageringsarbejde med objektive kontroller. Det centrale spørgsmål for den nye produktlinje er, om Islos kontrolfunktioner kan forhindre, at gennemgang og verifikation bliver den næste flaskehals, når kunderne øger omfanget og selvstændigheden af ændringer genereret af agenter.

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