Pendanaan
Islo Menggalang $15 Juta untuk Mengembangkan Pabrik Perangkat Lunak Perusahaan

Poin utamaIslo mengotomatiskan pekerjaan rekayasa dengan agen AI sambil menjaga keamanan dan…
Lihat selengkapnya
- Islo mengotomatiskan pekerjaan rekayasa dengan agen AI sambil menjaga keamanan dan penerapan tetap di bawah kendali perusahaan.
- Factory Lines membuat pemeriksaan dan persetujuan dapat diulang seperti pembuatan kode itu sendiri.
- Platform ini menguji perubahan model terhadap tiket historis untuk menghasilkan bukti yang spesifik bagi pelanggan.
Islo mengumumkan investasi sebesar $15 juta yang dipimpin oleh Insight Partners serta peluncuran platform Pabrik Perangkat Lunak Perusahaan pada 17 November 2026. Sebagai bagian dari keluarga produk Incredibuild, Islo merancang sistem ini untuk mengotomatiskan pekerjaan rekayasa yang berulang menggunakan agen AI, dengan tetap mempertahankan kendali perusahaan atas keamanan, verifikasi, dan penerapan.
Dana tersebut akan mendukung pengembangan produk, adopsi, dan perluasan Islo sebagai lini produk khusus di Incredibuild. Incredibuild mengakuisisi Kypso, perusahaan rintisan yang didirikan oleh tim pimpinan Islo, pada 2025. Platform ini mengintegrasikan teknologi Incredibuild untuk mempercepat proses build, pengujian, dan integrasi berkelanjutan, dengan menghubungkan teknologi alur kerja yang telah dimiliki perusahaan dengan kendali atas pekerjaan yang dihasilkan agen.
Jalur Pabrik dan Eksekusi Terisolasi
Jalur Pabrik mengubah prosedur rekayasa menjadi rangkaian langkah berulang yang melibatkan agen maupun langkah tanpa agen. Tim dapat menugaskan implementasi atau peninjauan kepada agen AI, lalu menggunakan skrip untuk proses build, pemeriksaan kode, dan pengujian agar pemeriksaan tersebut tidak bergantung pada penilaian model. Proses dapat dipicu oleh masalah baru, pesan Slack, webhook, atau jadwal. Jika pemeriksaan gagal, proses akan mengembalikan pekerjaan untuk dicoba lagi; jika suatu tindakan dinilai berisiko, proses dapat menundanya hingga mendapat persetujuan manusia.
Lingkungan eksekusi juga merupakan bagian dari produk ini. Setiap Mesin menyediakan lingkungan persisten yang terisolasi pada tingkat perangkat keras, lengkap dengan repositori, layanan, dan dependensi yang diperlukan untuk membangun dan menjalankan perangkat lunak pelanggan. Dengan demikian, agen dapat memverifikasi perubahan menggunakan tumpukan teknologi yang sebenarnya, sementara hosting awan memungkinkan beberapa Mesin terus berjalan tanpa mengharuskan seorang insinyur tetap masuk ke sistem.
Kendali keamanan diterapkan di dalam lingkungan tersebut. Koneksi keluar ditolak kecuali diizinkan, penyuntikan melalui gateway mencegah kredensial mentah masuk ke lingkungan terbatas, dan perintah, perubahan berkas, serta aktivitas jaringan dicatat. Pelanggan juga dapat menjalankan Islo di awan mereka sendiri, menetapkan batas pengeluaran untuk setiap jalur, serta mengaitkan sesi, tindakan, panggilan keluar, dan biaya penggunaan dengan catatan eksekusi yang dapat diaudit, menurut halaman produk.
Menurut Islo, penggunaan awal oleh pelanggan mencakup pemfaktoran ulang kode, peninjauan kode, penjaminan mutu, perbaikan bug, triase masalah, dan pengerjaan fitur yang tertunda lama. Tim dapat menetapkan kriteria untuk keselamatan, pengujian, fungsionalitas, keamanan, kinerja, dan biaya, serta menentukan tindakan mana yang memerlukan persetujuan manusia.
“AI dapat meningkatkan secara drastis jumlah kode yang dihasilkan oleh organisasi rekayasa, tetapi itu tidak serta-merta berarti lebih banyak perangkat lunak dapat dikirimkan dengan aman,” kata Adam Gold, kepala produk Islo. Islo berupaya menjadikan pemeriksaan dan persetujuan yang menyertai suatu perubahan sama berulangnya dengan proses pembuatan perubahan itu.
Kemitraan dengan Databricks dan Pengujian Model
Databricks juga direncanakan menjadi mitra inferensi backend Islo. Islo mengatakan integrasi ini akan memberi pelanggan akses ke model AI berpemilik dan sumber terbuka, serta memungkinkan pelanggan bersama menjalankan pabrik dengan data mereka sendiri tanpa mengorbankan privasi atau kendali. Eksekusi model dan akses ke data Databricks akan tersedia di dalam Pabrik Perangkat Lunak, sehingga sumber daya tersebut berada dalam lingkungan terkendali yang sama dengan alur kerja rekayasa.
Kemandirian model juga merupakan bagian dari rancangan ini. Tim dapat menggunakan Claude Code, Codex, atau alat agen lainnya serta memilih model yang berbeda untuk setiap tahap, tanpa harus membangun ulang seluruh jalur ketika mengganti satu komponennya.
Islo menyatakan bahwa usulan perubahan pada model, perintah, atau kerangka kerja agen dapat terlebih dahulu diuji terhadap tiket historis di lingkungan pelanggan. Versi simulasi GitHub, Slack, dan Linear yang mempertahankan status mencegah agen mengetahui penyelesaian akhirnya. Evaluasi kemudian memeriksa hasil, pengujian tersembunyi, efek samping, jumlah percobaan, dan biaya, sehingga menghasilkan bukti yang didasarkan pada pekerjaan pelanggan, bukan tolok ukur umum dari vendor.
Islo melaporkan bahwa Rite menggunakan platform ini untuk pengiriman fitur dan perbaikan bug, sementara Incredibuild memperluas penggunaannya dari peninjauan permintaan penarikan kode otomatis hingga mencakup perbaikan bug, pengiriman fitur, dan triase integrasi berkelanjutan. Uji coba ARIMLABS berkembang hingga mencapai sekitar 500.000 eksekusi evaluasi per hari. Contoh-contoh tersebut menunjukkan jenis beban kerja awal platform ini: tugas berulang yang berjalan terus-menerus, dengan masukan dan pemeriksaan penerimaan yang dapat ditentukan sebelumnya.
Peluang langsungnya terletak pada tumpukan pekerjaan pemeliharaan, pengujian, dan triase yang memiliki pemeriksaan objektif. Pertanyaan utama bagi lini produk baru ini adalah apakah kendali Islo dapat mencegah peninjauan dan verifikasi menjadi hambatan berikutnya seiring pelanggan meningkatkan volume dan otonomi perubahan yang dihasilkan agen.












