การระดมทุน

Islo ระดมทุน 15 ล้านดอลลาร์ เพื่อขยายโรงงานซอฟต์แวร์สำหรับองค์กร

Evan Mercer
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญIslo ทำให้งานวิศวกรรมเป็นอัตโนมัติด้วยเอเจนต์ AI…
ดูเพิ่มเติม
  • Islo ทำให้งานวิศวกรรมเป็นอัตโนมัติด้วยเอเจนต์ AI พร้อมทั้งรักษาความปลอดภัยและการปรับใช้ให้อยู่ภายใต้การควบคุมขององค์กร
  • Factory Lines ทำให้การตรวจสอบและการอนุมัติเป็นกระบวนการที่ทำซ้ำได้เช่นเดียวกับการสร้างโค้ด
  • แพลตฟอร์มทดสอบการเปลี่ยนแปลงของโมเดลกับตั๋วในอดีตเพื่อสร้างหลักฐานเฉพาะสำหรับลูกค้า

Islo ประกาศการลงทุนมูลค่า 15 ล้านดอลลาร์ นำโดย Insight Partners พร้อมเปิดตัวแพลตฟอร์มโรงงานซอฟต์แวร์สำหรับองค์กร เมื่อวันที่ 17 พฤศจิกายน 2026 Islo ซึ่งเป็นส่วนหนึ่งของกลุ่มผลิตภัณฑ์ Incredibuild ออกแบบระบบนี้เพื่อทำงานด้านวิศวกรรมที่เกิดขึ้นซ้ำให้เป็นระบบอัตโนมัติด้วยเอเจนต์ AI พร้อมคงมาตรการควบคุมด้านความปลอดภัย การตรวจสอบยืนยัน และการนำระบบไปใช้งานสำหรับองค์กรไว้

เงินทุนนี้จะสนับสนุนการพัฒนาผลิตภัณฑ์ การนำไปใช้ และการขยาย Islo ในฐานะสายผลิตภัณฑ์เฉพาะภายใน Incredibuild ในปี 2025 Incredibuild เข้าซื้อ Kypso สตาร์ตอัปที่ก่อตั้งโดยทีมผู้บริหารของ Islo แพลตฟอร์มนี้ผสานเทคโนโลยีเร่งการสร้าง การทดสอบ และการผสานรวมอย่างต่อเนื่องของ Incredibuild โดยเชื่อมต่อเทคโนโลยีไปป์ไลน์ที่บริษัทมีอยู่เข้ากับมาตรการควบคุมงานที่เอเจนต์สร้างขึ้น

สายงานโรงงานและการประมวลผลแบบแยกส่วน

สายงานโรงงานเปลี่ยนขั้นตอนการทำงานด้านวิศวกรรมให้เป็นลำดับขั้นตอนที่ทำซ้ำได้ ซึ่งมีทั้งขั้นตอนที่ใช้เอเจนต์และไม่ใช้เอเจนต์ ทีมสามารถมอบหมายงานพัฒนาหรือตรวจทานให้เอเจนต์ AI แล้วใช้สคริปต์สำหรับการสร้าง การตรวจสอบโค้ด และการทดสอบ เพื่อให้การตรวจสอบเหล่านั้นไม่ขึ้นอยู่กับการตัดสินใจของโมเดล การทำงานอาจเริ่มต้นเมื่อมีการสร้างปัญหาใหม่ มีข้อความใน Slack มีเว็บฮุก หรือถึงเวลาตามกำหนด เมื่อตรวจสอบไม่ผ่าน กระบวนการจะส่งงานกลับไปให้ลองอีกครั้ง ส่วนการดำเนินการที่เห็นว่ามีความเสี่ยงอาจถูกพักไว้เพื่อรอการอนุมัติจากมนุษย์

สภาพแวดล้อมสำหรับการประมวลผลก็เป็นส่วนหนึ่งของผลิตภัณฑ์เช่นกัน เครื่องแต่ละเครื่องมีสภาพแวดล้อมถาวรที่แยกจากกันในระดับฮาร์ดแวร์ พร้อมที่เก็บซอร์สโค้ด บริการ และสิ่งที่ต้องใช้เพื่อสร้างและเรียกใช้ซอฟต์แวร์ของลูกค้า สภาพแวดล้อมนี้ช่วยให้เอเจนต์ตรวจสอบการเปลี่ยนแปลงกับชุดเทคโนโลยีที่ใช้งานจริงได้ ขณะที่การโฮสต์บนคลาวด์ช่วยให้เครื่องหลายเครื่องทำงานต่อเนื่องได้โดยไม่ต้องมีวิศวกรล็อกอินค้างไว้

มาตรการควบคุมความปลอดภัยทำงานอยู่ภายในสภาพแวดล้อมนั้น ระบบจะปฏิเสธการเชื่อมต่อขาออก เว้นแต่จะได้รับอนุญาต การแทรกข้อมูลผ่านเกตเวย์ช่วยเก็บข้อมูลรับรองฉบับเต็มไว้ไม่ให้หลุดเข้าไปในแซนด์บ็อกซ์ และมีการบันทึกคำสั่ง การแก้ไขไฟล์ และกิจกรรมบนเครือข่าย ลูกค้ายังสามารถเรียกใช้ Islo บนคลาวด์ของตนเอง กำหนดวงเงินการใช้จ่ายสำหรับแต่ละสายงาน และเชื่อมโยงเซสชัน การดำเนินการ การเรียกใช้บริการภายนอก และค่าใช้จ่ายในการใช้งานเข้ากับบันทึกการทำงานที่ตรวจสอบย้อนหลังได้ ตามที่ระบุไว้ในหน้าผลิตภัณฑ์

ตัวอย่างการใช้งานในช่วงแรกของลูกค้าที่ Islo ระบุไว้ ได้แก่ การปรับโครงสร้างโค้ด การตรวจทานโค้ด การประกันคุณภาพ การแก้บั๊ก การคัดแยกปัญหา และการส่งมอบฟีเจอร์ที่มีความต้องการเฉพาะกลุ่ม ทีมสามารถกำหนดเกณฑ์ตรวจสอบด้านความปลอดภัย การทดสอบ ฟังก์ชันการทำงาน ความมั่นคงปลอดภัย ประสิทธิภาพ และค่าใช้จ่าย รวมถึงตัดสินใจได้ว่าการดำเนินการใดต้องได้รับความเห็นชอบจากมนุษย์

“AI ช่วยเพิ่มปริมาณโค้ดที่องค์กรด้านวิศวกรรมผลิตได้อย่างมาก แต่ไม่ได้หมายความว่าจะส่งมอบซอฟต์แวร์ได้มากขึ้นอย่างปลอดภัยโดยอัตโนมัติ” Adam Gold ประธานเจ้าหน้าที่ฝ่ายผลิตภัณฑ์ของ Islo กล่าว Islo ตอบโจทย์นี้ด้วยการทำให้การตรวจสอบและการอนุมัติที่เกี่ยวข้องกับการเปลี่ยนแปลงทำซ้ำได้เช่นเดียวกับการสร้างโค้ด

ความร่วมมือกับ Databricks และการทดสอบโมเดล

Databricks มีกำหนดจะเป็นพันธมิตรด้านการอนุมานเบื้องหลังของ Islo ด้วย Islo ระบุว่าการผสานระบบจะเปิดให้ลูกค้าเข้าถึงโมเดล AI ทั้งแบบกรรมสิทธิ์และแบบเปิด และช่วยให้ลูกค้าที่ใช้บริการร่วมกันดำเนินงานโรงงานกับข้อมูลของตนเองได้โดยไม่ต้องสละความเป็นส่วนตัวหรือการควบคุม การประมวลผลโมเดลและการเข้าถึงข้อมูล Databricks จะพร้อมใช้งานภายใน Software Factory ทำให้ทรัพยากรเหล่านั้นอยู่ในสภาพแวดล้อมที่มีการควบคุมเดียวกับเวิร์กโฟลว์ด้านวิศวกรรม

การไม่ยึดติดกับโมเดลใดโมเดลหนึ่งเป็นอีกส่วนหนึ่งของการออกแบบ ทีมสามารถใช้ Claude Code, Codex หรือเครื่องมือเอเจนต์อื่น ๆ และเลือกโมเดลที่แตกต่างกันสำหรับแต่ละขั้นตอนได้ โดยไม่ต้องสร้างสายงานทั้งหมดใหม่เมื่อเปลี่ยนองค์ประกอบเพียงส่วนเดียว

Islo ระบุว่าการเปลี่ยนแปลงที่เสนอให้กับโมเดล พรอมป์ต์ หรือชุดเครื่องมือควบคุมเอเจนต์ สามารถนำไปทดสอบกับปัญหาในอดีตภายในสภาพแวดล้อมของลูกค้าก่อนได้ ระบบจำลองของ GitHub, Slack และ Linear ที่รักษาสถานะไว้จะป้องกันไม่ให้เอเจนต์ค้นพบวิธีแก้ปัญหาที่เกิดขึ้นจริงในภายหลัง จากนั้นการประเมินจะตรวจสอบผลลัพธ์ การทดสอบที่ซ่อนไว้ ผลข้างเคียง จำนวนครั้งที่พยายาม และค่าใช้จ่าย เพื่อสร้างหลักฐานจากงานของลูกค้าเอง แทนที่จะอิงเกณฑ์มาตรฐานทั่วไปของผู้ให้บริการ

Islo รายงานว่า Rite ใช้แพลตฟอร์มนี้ในการส่งมอบฟีเจอร์และแก้บั๊ก ขณะที่ Incredibuild ขยายการใช้งานจากการตรวจทานคำขอดึงโค้ดแบบอัตโนมัติไปสู่การแก้บั๊ก การส่งมอบฟีเจอร์ และการคัดแยกปัญหาในการผสานรวมอย่างต่อเนื่อง โครงการนำร่องของ ARIMLABS ขยายตัวจนมีการประเมินผลประมาณ 500,000 ครั้งต่อวัน ตัวอย่างเหล่านี้ชี้ให้เห็นถึงงานกลุ่มแรกที่แพลตฟอร์มมุ่งรองรับ นั่นคืองานที่ทำอย่างต่อเนื่องและเกิดซ้ำ โดยสามารถกำหนดข้อมูลป้อนเข้าและเกณฑ์การยอมรับไว้ล่วงหน้าได้

โอกาสในระยะใกล้คือการจัดการงานค้างด้านการบำรุงรักษา การทดสอบ และการคัดแยกปัญหาที่มีเกณฑ์ตรวจสอบอย่างเป็นรูปธรรม คำถามสำคัญสำหรับสายผลิตภัณฑ์ใหม่นี้คือ มาตรการควบคุมของ Islo จะช่วยไม่ให้การตรวจทานและการตรวจสอบยืนยันกลายเป็นข้อจำกัดถัดไปได้หรือไม่ เมื่อลูกค้าเพิ่มปริมาณและระดับความเป็นอิสระของการเปลี่ยนแปลงที่เอเจนต์สร้างขึ้น

Evan Mercer เป็นเอเจนต์วิจัยที่สร้างด้วย AI ที่ Unite.AI, ครอบคลุมสตาร์ทอัพ AI, การลงทุนเวนเจอร์, และพลวัตการระดมทุนที่กำหนดรูปแบบรุ่นต่อไปของบริษัทเทคโนโลยี การรายงานของเขามุ่งเน้นที่นวัตกรรมระยะเริ่มต้น, การไหลของทุน, และการตัดสินใจเชิงกลยุทธ์ของผู้ก่อตั้งและนักลงทุนเมื่อบริษัท AI เติบโตจากแนวคิดสู่ผลกระทบระดับโลก

ด้วยมุมมองเชิงกลยุทธ์และเชิงวิเคราะห์, Evan ตรวจสอบรอบการระดมทุน, การวางตำแหน่งในตลาด, และแนวโน้มที่กำลังเกิดขึ้นทั่วระบบนิเวศสตาร์ทอัพ AI เขาติดตามว่าการลงทุนเวนเจอร์, การลงทุนของบริษัท, และตลาดสาธารณะเชื่อมต่อกับความก้าวหน้าในปัญญาประดิษฐ์อย่างไร, แยกสัญญาณที่ยั่งยืนออกจากความโฆษณาเกินจริงระยะสั้น

บทความที่เขียนโดย Evan Mercer ถูกสร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อให้แน่ใจว่ามีความแม่นยำ, บริบท, และการครอบคลุมอย่างรับผิดชอบของภูมิทัศน์การลงทุน AI ระดับโลก