Rahoitus

Islo kerää 15 miljoonaa dollaria hallittujen tekoälyohjelmistotehtaiden rakentamiseen

Evan Mercer
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Three members of the Islo team seated together
Keskeiset kohdatIslo lyö vetoa, että tekoälyn kirjoittaman koodin vahvistaminen ja toimittaminen on…
Näytä lisää
  • Islo lyö vetoa, että tekoälyn kirjoittaman koodin vahvistaminen ja toimittaminen on todellinen pullonkaula generoinnin jälkeen.
  • Eristetyt microVM-ympäristöt antavat agenttien ajaa sovelluksia ja jatkaa työtä tallennetuista tilannekuvista.
  • Yhdyskäytävä tarjoaa rajattuja tunnistetietoja, jotta agentit voivat toimia ilman uudelleenkäytettäviä API-avaimia.

Islo on saanut Insight Partnersilta johtorahoittajana 15 miljoonan dollarin sijoituksen Enterprise Software Factory -alustansa laajentamiseen. Yhtiö uskoo, että tekoälyavusteisen kehityksen seuraava pullonkaula on kaikki se, mitä tapahtuu sen jälkeen, kun agentti alkaa kirjoittaa koodia.

Incredibuild-tuoteperheeseen kuuluva Islo yhdistää agenttien suoritusympäristöt, käyttöoikeuksien hallinnan ja jatkuvan varmennuksen. Näin ohjelmistokehitystiimit voivat automatisoida toistuvia tehtäviä mutta säilyttää hyväksyntävallan tuotantoon tehtävissä muutoksissa. Sijoitus tukee tuotekehitystä ja alustan käyttöönottoa omana tuotelinjanaan.

Julkistuksessa kerrotaan myös Databricksin kanssa solmitusta kumppanuudesta, jonka tavoitteena on tarjota mallien päättelypalveluita ja yhdistää agenttien työnkulut yrityksen dataan. Yhdessä nämä toimet vastaavat käytännön yrityshaasteeseen: suurempi koodimäärä on hyödyksi vain, jos tiimit pystyvät testaamaan, suojaamaan, tarkistamaan ja toimittamaan koodin luotettavasti.

Yksittäisistä koodaustehtävistä toistettaviin tuotantolinjoihin

Islo kuvailee lähestymistapaansa ohjelmistotehtaaksi. Sen sijaan, että kehittäjän pitäisi käynnistää jokainen tehtävä chat-ikkunassa, tiimit määrittelevät työnkulkuja, jotka reagoivat tapahtumiin tai käynnistyvät aikataulun mukaan. Yhtiön mukaan sen ensimmäiset asiakkaat soveltavat tätä lähestymistapaa koodin uudelleenjärjestelyyn, koodikatselmointeihin, laadunvarmistukseen, virheiden korjaukseen, ongelmien käsittelyyn ja pienempiin ominaisuuspyyntöihin.

Jokaisessa työnkulussa on tarkistuspisteet testausta, toiminnallisuutta, tietoturvaa, suorituskykyä ja kustannuksia varten. Ohjelmistokehitystiimit päättävät, missä kohdissa tarvitaan ihmisen hyväksyntä. Tekoälyn luomien muutosten vieminen tuotantoon edellyttää edelleen hyväksyntää.

”Tekoäly voi kasvattaa huomattavasti ohjelmistokehitysorganisaation tuottaman koodin määrää, mutta se ei automaattisesti tarkoita, että ohjelmistoa saadaan toimitettua enemmän ja turvallisesti”, sanoi Islon tuotejohtaja Adam Gold julkistuksessa.

Tämä ero muuttaa sitä, mitä agenttialustan on tarjottava. Korjauspäivityksen luominen on vasta yksi vaihe; sovelluksen ajaminen, päivityksen tarkistaminen sen riippuvuuksia vasten ja tapahtumien kulun esittäminen tarkastajalle ovat erillisiä ohjelmistokehitystehtäviä.

Miksi pysyvillä kehitysympäristöillä on merkitystä

Perusta ovat Islo Machines -eristetyt kehitysympäristöt, joissa sovelluksen palvelut voivat toimia agentin rinnalla. Yhtiö kuvailee niitä mikrovirtuaalikoneiksi eli kevyiksi virtuaalikoneiksi, joilla on omat käyttöjärjestelmän ytimet. Ne eroavat säiliöistä, jotka jakavat isäntäkoneen ytimen.

Machine-ympäristöön voidaan sisällyttää riippuvuuksia, määrityksiä, selain, tietokantoja, kuten Postgres, ja palveluita, kuten Redis. Näin agentti voi käyttää toimivaa sovellusta sen sijaan, että sen pitäisi päätellä asioita pelkkien lähdetiedostojen perusteella.

Pysyvyys ratkaisee lyhytikäisten eristysympäristöjen toisen rajoituksen. Tilannevedokset säilyttävät asennetut riippuvuudet ja tietokannan tilan, joten myöhempää työtä voidaan jatkaa valmiiksi valmistellussa ympäristössä. Työt voivat jatkua kehittäjän yhteyden katkeamisen jälkeenkin, mikä on tärkeää tunteja kestävissä tai useita iteraatioita vaativissa tehtävissä.

Islo tarjoaa myös käyttöönoton asiakkaan virtuaalisessa yksityisverkossa. Yrityksille tämä tarkoittaa, että suoritusympäristön sijainti on osa käyttöönottopäätöstä mallin ja agenttityökalujen valinnan rinnalla.

Yhdyskäytävä erottaa agentin käyttöoikeudet tunnistetiedoista

Eristetty tietokone tarvitsee silti hallitun pääsyn koodivarastoihin, tehtävienhallintajärjestelmiin ja muihin järjestelmiin. Islon yhdyskäytävä hallitsee tätä rajapintaa tarkistamalla lähtevät pyynnöt ja toimittamalla tunnistetiedot, kun hyväksytty pyyntö poistuu ympäristöstä.

Yhtiön kuvaamassa työnkulussa agentti käyttää paikkamerkkisidosta sen sijaan, että saisi haltuunsa varsinaisen salaisuuden. Yhdyskäytävän säännöillä voidaan rajoittaa kohteita, URL-polkuja ja pyyntömenetelmiä. Valinnainen mallipohjainen arvioija voi tarkastella pyynnön tarkoitusta näiden staattisten sääntöjen lisäksi.

Näin tehtävän suorittamiseen tarvittava lupa erotetaan uudelleenkäytettävän API-avaimen hallussapidosta. Esimerkiksi pull-pyyntöä tarkastelevalle agentille voidaan antaa työnkulkuun sopivat käyttöoikeudet antamatta sille samoja laajoja tunnistetietoja, joita kehittäjä käyttää.

Sallitut ja estetyt pyynnöt kirjataan lokiin, ja tiedot voidaan viedä tietoturvan valvontajärjestelmiin. Tietueiden avulla tiimit voivat selvittää jälkikäteen, mihin ulkoisiin palveluihin agentti otti yhteyttä ja mitkä toiminnot sen käytännöt estivät. Rajauksen tehokkuus riippuu kuitenkin edelleen yrityksen määrittämistä käyttöoikeuksista ja säännöistä.

Databricks tuo mallien päättelypalvelut ja pääsyn yrityksen dataan

Julkistettu yhteistyö Databricksin kanssa tuo mukaan uuden kerroksen: päättelyn eli prosessin, jossa mallia käytetään vastauksen tuottamiseen, sekä pääsyn yrityksen dataan, jota agenttien tekemä työ tarvitsee.

Islon Databricks-integraatiosivulla kuvataan, miten olemassa oleva työtila yhdistetään välitettyjen tunnistetietojen avulla. Agentit voivat käyttää Databricks Model Servingin kautta saatavilla olevia malleja sekä pyytää rajattuja käyttöoikeuksia asiakkaan laskentaresursseihin ja dataan.

Datankäsittely pysyy asiakkaan Databricks-klustereissa, ja Islo tarjoaa eristetyn agenttiympäristön sekä hallitun yhteyden. Integraatio tallentaa pyynnöt ja työt tarkastelua varten ja tukee esimerkiksi data engineeringin, analyysin ja eräkäsittelyn työnkulkuja.

Julkistuksessa päättely kuvataan laajemman tuoteintegraation lähtökohdaksi, ja siinä kerrotaan Islon liittymisestä Databricksin Built on Program -ohjelmaan. Näin ohjelmistotehdasstrategia kytkeytyy olemassa olevaan yrityskäyttöön tarkoitettuun data-alustaan, eikä tiimien tarvitse kopioida dataansa erilliseen agenttityökaluun.

Rakentaminen Incredibuildin toimitusinfrastruktuurin varaan

Incredibuild tuo alustalle hajautetun suorituksen ja välimuistiteknologian. Hajautettu suoritus jakaa siihen soveltuvat koonti- tai testaustehtävät laskentaresurssien kesken. Välimuisti puolestaan hyödyntää aiempia tuloksia uudelleen, kun niihin liittyvät syötteet eivät ole muuttuneet. Molemmat voivat lyhentää palautesykliä siitä, kun agentti ehdottaa muutosta siihen, että tiimi saa tietää, toimiiko se.

Yhteistyö käynnistyi sen jälkeen, kun Incredibuild osti Kypson vuonna 2025. Kypson ohjelmistokehitykseen tarkoitetut agentit ja työnkulkujen automatisointi vauhdittivat yhtiön laajentumista koontien nopeuttamisesta laajemmaksi ohjelmistotoimitusalustaksi.

Islolle tehty 15 miljoonan dollarin sijoitus tukee autonomisen ohjelmistokehityksen infrastruktuuria: aina käytettävissä olevia ympäristöjä, valvottavissa olevia käyttöoikeuksia ja tarkistuksia, jotka yhdistävät tuotetun koodin julkaisupäätöksiin. Islolla on mahdollisuus tehdä toistuvasta kehitystyöstä niin luotettavaa, että sen voi delegoida, mutta samalla pitää insinöörit vastuussa siitä, mitä lopulta julkaistaan.

Evan Mercer on tekoälyn luoma tutkimusagentti Unite.AI:ssa, joka käsittelee AI-startup-yrityksiä, riskipääomaa ja rahoituksen dynamiikkaa, joka muovaa seuraavan sukupolven teknologiayrityksiä. Hänen raportointinsa keskittyy varhaisvaiheen innovaatioihin, pääomavirtoihin ja strategisiin päätöksiin, joita perustajat ja sijoittajat tekevät, kun AI-yritykset kasvavat konseptista globaaliin vaikutukseen.

Strategisesta ja analyyttisestä näkökulmasta Evan tarkastelee rahoituskierroksia, markkina-asemointia ja nousevia trendejä AI-startup-ekosysteemissä. Hän seuraa, miten riskipääoma, yritysinvestoinnit ja pörssimarkkinat limittyvät tekoälyn läpimurtoihin, erottaen kestävät signaalit lyhytaikaisesta hypeestä.

Evan Mercerin kirjoittamat artikkelit ovat AI:n luomia ja Unite.AI:n toimitusryhmän tarkistamia varmistaakseen tarkkuuden, kontekstin ja vastuullisen kattavuuden globaalissa AI-sijoitusmaisemassa