Financiering
Islo haalt 15 miljoen dollar op voor de bouw van gecontroleerde AI-softwarefabrieken

Belangrijkste puntenIslo wedt dat het verifiëren en leveren van door AI geschreven code de echte bottleneck…
Meer weergeven
- Islo wedt dat het verifiëren en leveren van door AI geschreven code de echte bottleneck is na generatie.
- Geïsoleerde microVM-omgevingen laten agents applicaties draaien en werk hervatten vanuit opgeslagen snapshots.
- Een gateway levert afgebakende inloggegevens zodat agents handelen zonder herbruikbare API-sleutels vast te houden.
Islo heeft een investering van 15 miljoen dollar binnengehaald onder leiding van Insight Partners om zijn platform voor Enterprise Software Factory uit te breiden. Het bedrijf zet erop in dat de volgende bottleneck bij AI-ondersteunde ontwikkeling alles is wat er gebeurt nadat een agent code begint te schrijven.
Islo maakt deel uit van de productfamilie van Incredibuild en combineert uitvoeringsomgevingen voor agents, toegangscontroles en doorlopende verificatie. Zo kunnen engineeringteams terugkerende werkzaamheden automatiseren en tegelijk goedkeuring houden over wijzigingen in productie. De investering ondersteunt de productontwikkeling en de adoptie van het platform als een zelfstandige productlijn.
De aankondiging schetst ook een partnerschap met Databricks om modelinferentie mogelijk te maken en agentworkflows te koppelen aan bedrijfsgegevens. Samen richten deze stappen zich op een praktisch bedrijfsprobleem: meer code produceren is alleen nuttig als teams die code betrouwbaar kunnen testen, beveiligen, beoordelen en opleveren.
Van afzonderlijke programmeertaken naar herhaalbare productielijnen
Islo omschrijft zijn aanpak als een softwarefabriek. In plaats van een ontwikkelaar te vragen elke taak vanuit een chatvenster te starten, definiëren teams workflows die reageren op gebeurtenissen of volgens een schema worden uitgevoerd. Volgens het bedrijf passen de eerste klanten deze aanpak toe voor refactoring, codebeoordeling, kwaliteitsborging, bugfixes, het beoordelen en prioriteren van meldingen en kleinere functieverzoeken.
Elke workflow bevat controlepunten voor testen, functionaliteit, beveiliging, prestaties en kosten. Engineeringteams bepalen wanneer menselijke goedkeuring nodig is; wijzigingen die door AI zijn gegenereerd, worden pas in productie genomen nadat ze zijn goedgekeurd.
‘AI kan de hoeveelheid code die een engineeringorganisatie produceert aanzienlijk verhogen, maar dat leidt niet automatisch tot meer software die veilig wordt opgeleverd’, zei Adam Gold, chief product officer van Islo, in de aankondiging.
Dat onderscheid verandert wat een agentplatform moet bieden. Een patch genereren is één stap; de applicatie uitvoeren, de patch controleren aan de hand van de bijbehorende afhankelijkheden en een beoordelaar laten zien wat er is gebeurd, zijn afzonderlijke engineeringtaken.
Waarom persistente ontwikkelomgevingen belangrijk zijn
De basis wordt gevormd door Islo Machines: geïsoleerde ontwikkelomgevingen waarin de services van een applicatie naast een agent kunnen draaien. Het bedrijf omschrijft deze als micro-VM’s: lichte virtuele machines met een eigen besturingssysteemkernel, in plaats van containers die de kernel van de host delen.
Een Machine kan afhankelijkheden, configuratie, een browser, databases zoals Postgres en services zoals Redis bevatten. Daardoor kan een agent een werkende applicatie testen, in plaats van alleen over bronbestanden te hoeven redeneren.
Persistente opslag lost een andere beperking van kortstondige sandboxes op. Momentopnamen bewaren geïnstalleerde afhankelijkheden en de databasestatus, zodat vervolgwerk kan worden hervat in een voorbereide omgeving. Taken kunnen doorgaan nadat een ontwikkelaar de verbinding heeft verbroken; dat is belangrijk voor werkzaamheden die uren duren of meerdere iteraties beslaan.
Islo biedt ook implementatie binnen de virtuele private cloud van een klant. Voor bedrijven betekent dit dat de locatie van de runtime, naast de keuze van het model en de agenttools, deel uitmaakt van de implementatiebeslissing.
Een toegangspoort scheidt agenttoegang van inloggegevens
Ook een geïsoleerde computer heeft gecontroleerde toegang nodig tot codeopslagplaatsen, issuetrackers en andere systemen. De toegangspoort van Islo bewaakt die grens door uitgaande verzoeken te controleren en inloggegevens te verstrekken wanneer een goedgekeurd verzoek de omgeving verlaat.
In de workflow die het bedrijf beschrijft, gebruikt een agent een tijdelijke verwijzing in plaats van het onderliggende geheim te ontvangen. De regels van de toegangspoort kunnen bestemmingen, URL-paden en aanvraagmethoden beperken. Daarnaast kan een optionele beoordelaar op basis van een model de bedoeling van een verzoek toetsen aan die vaste regels.
Zo wordt toestemming om een taak uit te voeren gescheiden van het bezit van een herbruikbare API-sleutel. Een agent die bijvoorbeeld een pull-request beoordeelt, kan toegang krijgen die bij die workflow past, zonder dezelfde ruime inloggegevens te ontvangen als een ontwikkelaar.
Goedgekeurde en geweigerde verzoeken worden geregistreerd en kunnen worden geëxporteerd naar beveiligingsmonitoringsystemen. Met deze gegevens kunnen teams achterhalen met welke externe services een agent contact heeft gehad en welke bewerkingen door het beleid zijn geblokkeerd. Hoe effectief deze afbakening is, hangt nog steeds af van de toegangsrechten en regels die een bedrijf instelt.
Databricks voegt modelinferentie en toegang tot bedrijfsgegevens toe
De aangekondigde samenwerking met Databricks voegt een extra laag toe: inferentie, het uitvoeren van een model om een antwoord te genereren, en toegang tot de bedrijfsgegevens die nodig zijn voor werk dat door agents wordt uitgevoerd.
Op de integratiepagina van Databricks beschrijft Islo hoe een bestaande werkruimte via bemiddelde inloggegevens kan worden gekoppeld. Agents kunnen modellen gebruiken die beschikbaar zijn via Databricks Model Serving en toegang op basis van specifieke rechten aanvragen tot de rekenkracht en gegevens van de klant.
De gegevensverwerking blijft plaatsvinden op de Databricks-clusters van de klant, terwijl Islo de geïsoleerde agentomgeving en de gecontroleerde verbinding levert. De integratie registreert verzoeken en taken voor beoordeling en ondersteunt workflows zoals data-engineering, analyse en batchverwerking.
De release beschrijft inferentie als het beginpunt van een bredere productintegratie en van Islo’s deelname aan het Built on-programma van Databricks. Zo wordt de strategie van softwarefabrieken gekoppeld aan een bestaand enterprise-dataplatform, in plaats van dat teams hun gegevens moeten dupliceren in een afzonderlijke agenttool.
Voortbouwen op de leveringsinfrastructuur van Incredibuild
Incredibuild brengt technologie voor gedistribueerde uitvoering en caching naar het platform. Bij gedistribueerde uitvoering wordt geschikt bouw- of testwerk verdeeld over rekenbronnen; caching hergebruikt eerdere resultaten wanneer de relevante invoer niet is veranderd. Beide kunnen de feedbackcyclus verkorten tussen het moment waarop een agent een wijziging voorstelt en het moment waarop een team weet of die werkt.
De samenwerking volgt op de overname van Kypso door Incredibuild in 2025. De engineeringagents en workflowautomatisering van Kypso droegen bij aan de uitbreiding van het bedrijf, van buildversnelling naar een breder platform voor softwarelevering.
De investering van $15 miljoen stelt Islo in staat de infrastructuur voor autonoom engineeringwerk te ontwikkelen: omgevingen die beschikbaar blijven, machtigingen die kunnen worden afgedwongen en controles die gegenereerde code koppelen aan beslissingen over releases. De kans voor Islo is om terugkerend ontwikkelwerk zo betrouwbaar te maken dat het kan worden gedelegeerd, terwijl engineers verantwoordelijk blijven voor wat uiteindelijk wordt uitgebracht.












