Rahoitus

Islo keräsi 15 miljoonaa dollaria kasvattaakseen yritysohjelmistojen tuotantolinjaansa

Evan Mercer
Lisää Unite.AI suosikkilähteisiisi Google-palvelussa
Keskeiset kohdatIslo automatisoi insinöörityötä tekoälyagenteilla pitäen samalla tietoturvan ja…
Näytä lisää
  • Islo automatisoi insinöörityötä tekoälyagenteilla pitäen samalla tietoturvan ja käyttöönoton yrityksen hallinnassa.
  • Factory Lines tekee tarkistuksista ja hyväksynnöistä yhtä toistettavia kuin koodin tuottamisesta itsestään.
  • Alusta testaa mallimuutoksia historiallisia tikettejä vastaan tuottaakseen asiakaskohtaista näyttöä.

Islo ilmoitti Insight Partnersin johtamasta 15 miljoonan dollarin sijoituksesta ja Enterprise Software Factory -alustansa julkaisusta 17. marraskuuta 2026. Incredibuildin tuoteperheeseen kuuluva Islo on suunnitellut järjestelmän automatisoimaan toistuvaa suunnittelutyötä tekoälyagenttien avulla ja samalla säilyttämään yritysten tietoturvaa, varmennusta ja käyttöönottoa koskevat hallintakeinot.

Rahoituksella tuetaan tuotekehitystä, käyttöönottoa ja Islon kasvua Incredibuildin omana tuotelinjana. Incredibuild osti vuonna 2025 Kypson, startup-yrityksen, jonka Islon johtoryhmä oli perustanut. Alustaan sisältyvät Incredibuildin ratkaisut koontien, testauksen ja jatkuvan integraation nopeuttamiseen. Ne yhdistävät yhtiön nykyisen putkiteknologian agenttien tuottamaa työtä koskeviin hallintakeinoihin.

Tuotantolinjat ja eristetyt suoritusympäristöt

Tuotantolinjat muuntavat suunnitteluprosessin toistettavaksi agenttien ja muiden vaiheiden ketjuksi. Tiimi voi antaa toteutuksen tai katselmoinnin tekoälyagentin tehtäväksi ja käyttää sen jälkeen koontien, koodin staattisen analyysin ja testien suorittamiseen skriptejä, jolloin tarkistukset eivät ole riippuvaisia mallin arviosta. Suorituksen voi käynnistää uusi ongelmailmoitus, Slack-viesti, webhook tai aikataulutettu ajankohta. Jos tarkistus epäonnistuu, prosessi palauttaa työn uutta yritystä varten; jos jokin toiminto katsotaan riskialttiiksi, sen voi asettaa odottamaan ihmisen hyväksyntää.

Suoritusympäristö on myös osa tuotetta. Jokainen kone tarjoaa pysyvän, laitteistotasolla eristetyn ympäristön, joka sisältää asiakkaan ohjelmiston koontiin ja suorittamiseen tarvittavat repositoriot, palvelut ja riippuvuudet. Näin agentit voivat varmistaa muutosten toimivuuden todellisessa teknologiaympäristössä. Pilvipalvelussa useat koneet voivat jatkaa toimintaansa ilman, että insinöörin tarvitsee pysyä kirjautuneena sisään.

Tietoturvakontrollit ovat osa tätä ympäristöä. Lähteviä yhteyksiä ei sallita ilman lupaa, yhdyskäytävän kautta tapahtuva tunnistetietojen syöttö pitää varsinaiset tunnistetiedot poissa hiekkalaatikosta, ja komennot, tiedostomuutokset sekä verkkoliikenne kirjataan. Asiakkaat voivat myös käyttää Isloa omassa pilvipalvelussaan, asettaa kulutusrajat kullekin tuotantolinjalle ja liittää istunnot, toiminnot, lähtevät yhteydenotot ja käyttökustannukset tarkastettavissa olevaan suoritustietueeseen tuotesivun mukaan.

Islon ilmoittamiin varhaisiin asiakaskäyttötapauksiin kuuluvat koodin uudelleenjärjestely, koodikatselmointi, laadunvarmistus, virheiden korjaaminen, ongelmien luokittelu ja pitkän hännän ominaisuuksien toteuttaminen. Tiimit voivat määrittää turvallisuutta, testausta, toiminnallisuutta, tietoturvaa, suorituskykyä ja kustannuksia koskevat tarkistuspisteet sekä päättää, mitkä toiminnot vaativat ihmisen hyväksynnän.

”Tekoäly voi kasvattaa huomattavasti sitä, kuinka paljon koodia suunnitteluorganisaatio tuottaa, mutta se ei automaattisesti tarkoita, että ohjelmistoa saadaan toimitettua turvallisesti enemmän”, sanoi Islon tuotejohtaja Adam Gold. Islo pyrkii tekemään muutokseen liittyvistä tarkistuksista ja hyväksynnöistä yhtä toistettavia kuin itse muutosten tuottamisesta.

Databricks-kumppanuus ja mallien testaus

Databricksin on määrä toimia myös Islon taustajärjestelmän päättelykumppanina. Islon mukaan integraatio antaa asiakkaille pääsyn omisteisiin ja avoimiin tekoälymalleihin ja mahdollistaa sen, että yhteisasiakkaat voivat käyttää tuotantolinjoja omalla datallaan luopumatta yksityisyydestä tai hallinnasta. Mallien suorittaminen ja Databricks-dataan pääsy ovat käytettävissä Software Factoryssa, joten nämä resurssit ovat samassa hallitussa ympäristössä suunnittelutyönkulun kanssa.

Malliriippumattomuus on toinen osa suunnittelua. Tiimit voivat käyttää Claude Codea, Codexia tai muita agenttityökaluja ja valita eri vaiheet varten eri malleja ilman, että koko tuotantolinjaa tarvitsee rakentaa uudelleen yhden osan vaihtuessa.

Islon mukaan malliin, kehotteeseen tai agentin toimintakehykseen ehdotetut muutokset voidaan ensin testata asiakkaan ympäristössä aiempien tikettien avulla. Simuloidut, tilan säilyttävät versiot GitHubista, Slackista ja Linearista estävät agenttia saamasta selville, miten ongelma lopulta ratkaistiin. Arvioinnissa tarkastellaan sitten tulosta, piilotettuja testejä, sivuvaikutuksia, yrityksiä ja kustannuksia. Näin saadaan näyttöä asiakkaan omasta työstä eikä toimittajan yleisestä vertailutestistä.

Islon mukaan Rite käyttää alustaa ominaisuuksien toteuttamiseen ja virheiden korjaamiseen, kun taas Incredibuild laajensi käyttöä automaattisista pull request -katselmoinneista virheiden korjaamiseen, ominaisuuksien toteuttamiseen ja jatkuvan integraation ongelmien luokitteluun. ARIMLABSin pilottihanke kasvoi noin 500 000 arviointisuoritukseen päivässä. Nämä esimerkit havainnollistavat alustan alkuvaiheen käyttötarkoitusta: jatkuvia, toistuvia tehtäviä, joiden syötteet ja hyväksymistarkistukset voidaan määritellä etukäteen.

Välitön mahdollisuus piilee ylläpito-, testaus- ja luokittelutöiden ruuhkassa, jossa tarkistukset ovat objektiivisia. Uuden tuotelinjan keskeinen kysymys on, pystyvätkö Islon hallintakeinot estämään katselmoinnin ja varmentamisen muodostumisen seuraavaksi pullonkaulaksi, kun asiakkaat lisäävät agenttien tuottamien muutosten määrää ja autonomiaa.

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