Finanziamenti
Islo raccoglie 15 milioni di dollari per costruire fabbriche software controllate basate sull’IA

Punti chiaveIslo scommette che verificare e consegnare il codice scritto dall'IA sia il vero collo…
Vedi di più
- Islo scommette che verificare e consegnare il codice scritto dall'IA sia il vero collo di bottiglia dopo la generazione.
- Gli ambienti microVM isolati consentono agli agenti di eseguire applicazioni e riprendere il lavoro da snapshot salvati.
- Un gateway fornisce credenziali con ambito limitato così gli agenti agiscono senza detenere chiavi API riutilizzabili.
Islo ha ottenuto un investimento di 15 milioni di dollari guidato da Insight Partners per ampliare la sua piattaforma Enterprise Software Factory, puntando sul fatto che il prossimo collo di bottiglia nello sviluppo assistito dall’IA sia tutto ciò che accade dopo che un agente inizia a scrivere codice.
Parte della famiglia di prodotti Incredibuild, Islo combina ambienti di esecuzione per agenti, controlli degli accessi e verifica continua, così che i team di ingegneria possano automatizzare le attività ripetitive mantenendo l’approvazione sulle modifiche alla produzione. L’investimento sosterrà lo sviluppo del prodotto e l’adozione della piattaforma come linea di prodotto dedicata.
L’annuncio illustra inoltre una partnership con Databricks per fornire inferenza dei modelli e collegare i flussi di lavoro degli agenti ai dati aziendali. Nel loro insieme, queste iniziative affrontano un problema concreto per le imprese: produrre più codice è utile solo se i team riescono a testarlo, proteggerlo, revisionarlo e distribuirlo in modo affidabile.
Dai singoli compiti di programmazione a linee di produzione ripetibili
Islo descrive il proprio approccio come una fabbrica software. Anziché chiedere a uno sviluppatore di avviare ogni attività in una finestra di chat, i team definiscono flussi di lavoro che reagiscono a eventi o vengono eseguiti secondo una pianificazione. L’azienda afferma che i primi clienti stanno applicando questo approccio al refactoring, alla revisione del codice, al controllo qualità, alla correzione dei bug, alla classificazione delle segnalazioni e alle richieste di funzionalità minori.
Ogni flusso di lavoro prevede fasi di verifica per test, funzionalità, sicurezza, prestazioni e costi. I team di ingegneria decidono in quali punti è necessaria l’approvazione umana, mantenendo l’obbligo di approvazione prima che le modifiche generate dall’IA arrivino in produzione.
«L’IA può aumentare notevolmente la quantità di codice prodotta da un’organizzazione di ingegneria, ma questo non si traduce automaticamente in una maggiore quantità di software distribuito in sicurezza», ha dichiarato Adam Gold, direttore prodotto di Islo, nell’annuncio.
Questa distinzione cambia ciò che una piattaforma per agenti deve offrire. Generare una patch è solo un passaggio; eseguire l’applicazione, verificare la patch rispetto alle sue dipendenze e mostrare a un revisore che cosa è successo sono attività di ingegneria distinte.
Perché gli ambienti di sviluppo persistenti sono importanti
La base è costituita da Islo Machines, ambienti di sviluppo isolati in cui i servizi di un’applicazione possono essere eseguiti insieme a un agente. L’azienda li descrive come microVM, ovvero macchine virtuali leggere dotate di un proprio kernel del sistema operativo, anziché container che condividono il kernel dell’host.
Una macchina può includere dipendenze, configurazione, un browser, database come Postgres e servizi come Redis. In questo modo l’agente può interagire con un’applicazione funzionante, invece di dover ragionare soltanto sui file sorgente.
La persistenza risolve un altro limite degli ambienti di test temporanei. Le istantanee conservano le dipendenze installate e lo stato del database, consentendo di riprendere le attività successive da un ambiente già predisposto. I processi possono continuare anche dopo che uno sviluppatore si è disconnesso, un aspetto importante per le attività che richiedono ore o si articolano in più iterazioni.
Islo offre anche la possibilità di effettuare la distribuzione all’interno del cloud privato virtuale del cliente. Per le imprese, questo rende la posizione dell’ambiente di esecuzione parte delle decisioni di distribuzione, insieme alla scelta del modello e degli strumenti per gli agenti.
Un gateway separa l’accesso degli agenti dalle credenziali
Anche un computer isolato ha bisogno di un accesso controllato ai repository, ai sistemi di tracciamento delle segnalazioni e ad altri sistemi. Il gateway di Islo gestisce questo confine verificando le richieste in uscita e fornendo le credenziali quando una richiesta autorizzata lascia l’ambiente.
Nel flusso di lavoro descritto dall’azienda, un agente utilizza un’associazione segnaposto anziché ricevere il segreto sottostante. Le regole del gateway possono limitare le destinazioni, i percorsi URL e i metodi di richiesta. Un valutatore facoltativo basato su modelli può esaminare l’intento della richiesta insieme a queste regole statiche.
In questo modo, il permesso di svolgere un’attività è separato dal possesso di una chiave API riutilizzabile. Per esempio, un agente che esamina una richiesta di modifica può ricevere l’accesso adeguato a quel flusso di lavoro senza ottenere le stesse credenziali ampie utilizzate da uno sviluppatore.
Le richieste consentite e quelle rifiutate vengono registrate e i log possono essere esportati nei sistemi di monitoraggio della sicurezza. Questi dati permettono ai team di ricostruire quali servizi esterni sono stati contattati da un agente e quali operazioni sono state bloccate dalle sue politiche. L’efficacia di questo confine dipende comunque dalle autorizzazioni e dalle regole configurate dall’azienda.
Databricks aggiunge l’inferenza dei modelli e l’accesso ai dati aziendali
La collaborazione annunciata con Databricks aggiunge un ulteriore livello: l’inferenza, cioè il processo con cui si esegue un modello per generare una risposta, e l’accesso ai dati aziendali necessari per le attività svolte dagli agenti.
La pagina dell’integrazione di Databricks di Islo descrive la connessione a un workspace esistente tramite credenziali gestite da un intermediario. Gli agenti possono utilizzare i modelli disponibili tramite Databricks Model Serving e richiedere un accesso con ambito limitato alle risorse di calcolo e ai dati del cliente.
L’elaborazione dei dati rimane sui cluster Databricks del cliente, mentre Islo fornisce l’ambiente isolato per gli agenti e la connessione controllata. L’integrazione registra le richieste e i processi affinché possano essere esaminati e supporta flussi di lavoro come l’ingegneria dei dati, l’analisi e l’elaborazione in batch.
Il comunicato presenta l’inferenza come punto di partenza per un’integrazione più ampia del prodotto e per l’inclusione di Islo nel programma Built on Program di Databricks. In questo modo, la strategia della fabbrica del software si collega a una piattaforma dati aziendale già esistente, senza costringere i team a duplicare i propri dati in uno strumento separato per agenti.
Sviluppare sulla base dell’infrastruttura di distribuzione di Incredibuild
Incredibuild porta sulla piattaforma tecnologie di esecuzione distribuita e memorizzazione nella cache. L’esecuzione distribuita ripartisce le attività di compilazione o test adatte tra le risorse di calcolo; la memorizzazione nella cache riutilizza i risultati precedenti quando gli input pertinenti non sono cambiati. Entrambe possono ridurre il ciclo di feedback tra la proposta di una modifica da parte di un agente e il momento in cui il team scopre se funziona.
Il rapporto fa seguito all’acquisizione di Kypso da parte di Incredibuild nel 2025. Gli agenti di ingegneria e l’automazione dei flussi di lavoro di Kypso hanno contribuito all’espansione dell’azienda, che è andata oltre l’accelerazione delle compilazioni per diventare una piattaforma più ampia per la distribuzione del software.
Per Islo, l’investimento di 15 milioni di dollari finanzia l’infrastruttura necessaria all’ingegneria autonoma: ambienti sempre disponibili, autorizzazioni applicabili e controlli che collegano il codice generato alle decisioni di rilascio. L’opportunità consiste nel rendere il lavoro di sviluppo ripetitivo abbastanza affidabile da poter essere delegato, lasciando però agli ingegneri la responsabilità di ciò che viene effettivamente rilasciato.












