Финансирование
Islo привлекает $15 млн для масштабирования фабрики корпоративного программного обеспечения

Ключевые моментыIslo автоматизирует инженерную работу с помощью ИИ-агентов, сохраняя безопасность и…
Показать больше
- Islo автоматизирует инженерную работу с помощью ИИ-агентов, сохраняя безопасность и развертывание под контролем предприятия.
- Factory Lines делают проверки и согласования такими же повторяемыми, как и само генерирование кода.
- Платформа тестирует изменения модели на исторических тикетах, чтобы получить доказательства, специфичные для клиента.
Islo объявила об инвестициях в размере $15 млн, привлечённых под руководством Insight Partners, и о запуске платформы «Фабрика корпоративного программного обеспечения» 17 ноября 2026 года. Входящая в линейку продуктов Incredibuild, Islo разработала эту систему для автоматизации повторяющихся инженерных задач с помощью ИИ-агентов, сохранив корпоративный контроль над безопасностью, проверкой и развёртыванием.
Средства пойдут на разработку продукта, расширение его внедрения и развитие Islo как отдельного продуктового направления в составе Incredibuild. В 2025 году Incredibuild приобрела стартап Kypso, основанный руководящей командой Islo. Платформа использует технологии Incredibuild для ускорения сборки, тестирования и непрерывной интеграции, объединяя существующие конвейерные технологии компании с механизмами контроля результатов, созданных агентами.
Производственные линии и изолированная среда выполнения
Производственные линии превращают инженерный процесс в повторяемую последовательность этапов с участием агентов и без них. Команда может поручить ИИ-агенту реализацию или проверку, а затем использовать скрипты для сборки, линтеры и тесты, чтобы результаты этих проверок не зависели от суждений модели. Запускать процессы можно при появлении новой задачи, получении сообщения в Slack, вызове вебхука или по расписанию. Если проверка завершается неудачей, процесс возвращает задачу на повторную попытку; если действие считается рискованным, его можно отложить до одобрения человеком.
Среда выполнения также является частью продукта. Каждая машина предоставляет постоянную, изолированную на уровне оборудования среду с репозиториями, сервисами и зависимостями, необходимыми для сборки и запуска программного обеспечения заказчика. Это позволяет агентам проверять изменения на реальном стеке, а облачный хостинг даёт возможность нескольким машинам продолжать работу без необходимости инженеру оставаться в системе.
Механизмы безопасности встроены в эту среду. Исходящие соединения блокируются, если на них не дано разрешение; внедрение данных через шлюз не позволяет помещать исходные учётные данные в изолированную среду; команды, изменения файлов и сетевые действия записываются. Заказчики также могут запускать Islo в собственном облаке, устанавливать лимиты расходов для каждой линии и связывать сеансы, действия, исходящие вызовы и затраты на использование с проверяемой записью о запуске, говорится на странице продукта.
Среди ранних сценариев использования, перечисленных Islo, — рефакторинг, проверка кода, контроль качества, исправление ошибок, сортировка задач и реализация функций, отложенных на длительный срок. Команды могут устанавливать контрольные критерии безопасности, тестирования, функциональности, защищённости, производительности и затрат, а также определять, какие действия требуют одобрения человека.
«ИИ может значительно увеличить объём кода, создаваемого инженерной организацией, но это не означает, что она автоматически начнёт безопасно выпускать больше программного обеспечения», — заявил директор по продуктам Islo Адам Голд. Islo стремится сделать проверки и согласования изменений такими же повторяемыми, как и их генерацию.
Партнёрство с Databricks и тестирование моделей
Databricks также должна стать партнёром Islo по серверному инференсу. По словам Islo, интеграция предоставит заказчикам доступ к проприетарным и открытым моделям ИИ и позволит совместным клиентам запускать фабрики на собственных данных, не отказываясь от конфиденциальности и контроля. Выполнение моделей и доступ к данным Databricks будут доступны в составе Software Factory, благодаря чему эти ресурсы окажутся в той же контролируемой среде, что и инженерный рабочий процесс.
Независимость от конкретной модели — ещё один элемент архитектуры. Команды могут использовать Claude Code, Codex или другие инструменты на основе агентов и выбирать разные модели для отдельных этапов, не перестраивая всю линию при замене одного компонента.
По словам Islo, предлагаемые изменения модели, промпта или агентского окружения можно сначала протестировать на исторических задачах в среде заказчика. В симулированных версиях GitHub, Slack и Linear, сохраняющих состояние, агент не может узнать, чем в итоге завершилась задача. Затем оценка учитывает результат, скрытые тесты, побочные эффекты, количество попыток и затраты, формируя доказательную базу на основе задач заказчика, а не общего бенчмарка поставщика.
По данным Islo, Rite использует платформу для реализации функций и исправления ошибок, а Incredibuild расширила её применение: от автоматизированной проверки запросов на слияние кода — до исправления ошибок, реализации функций и сортировки задач непрерывной интеграции. В рамках пилотного проекта ARIMLABS число выполнений оценки выросло примерно до 500 000 в день. Эти примеры указывают на начальную область применения платформы: непрерывные повторяющиеся задачи, входные данные и критерии приёмки которых можно определить заранее.
Ближайшая возможность для применения — накопившийся объём работ по обслуживанию, тестированию и сортировке задач, для которых существуют объективные критерии проверки. Главный вопрос для нового продуктового направления заключается в том, смогут ли механизмы контроля Islo не допустить, чтобы проверка и верификация стали следующим узким местом по мере того, как заказчики будут наращивать объём и автономность изменений, создаваемых агентами.












