Sådan arbejder vi

En fungerende implementering af en publiceret forskningstese.

PeponiXL er produktionstesten af en tese: at små operationer med iPaaS-arkitekturer og AI-automatisering kan levere operationel skala, der tidligere krævede hundredvis af medarbejdere. Virksomhedens infrastruktur er organiseret omkring fem delsystemer — hvert med et forskningsgrundlag i peer-indekseret arbejde af grundlæggeren Dr. Alderd Froolik, publiceret i 2024–2025, og hvert nu i drift i 27 landsnative EU-butikker.

·01

E-mailautomatisering

Forskning “Effect AI-powered Email Automation: An Analysis of Email Marketing Automation” (2024) · DOI 10.31219/osf.io/uzsaf

Fund

Studiet undersøgte, hvordan AI-genererede e-mailsekvenser, personaliseret på segmentniveau og udløst af adfærdssignaler, præsterer i forhold til traditionelle broadcast-kampagner. Fundene pegede på specifikke konfigurationer, hvor generativt indhold og hændelsesudløste triggere skaber mærkbart løft i engagement og konvertering.

I produktion

PeponiXL implementerer disse fund via transaktionel, livscyklus- og reaktiveringsautomatisering gennem Brevo, orkestreret af n8n-workflows og genereret via Claude- og kie.ai-API'erne. Hver kunde på de 27 markeder modtager e-mails på sit eget sprog, tilpasset ordrehistorik, forsendelseshændelser og livscyklusfase.

·02

Generativ AI på integrationsplatforme

Forskning “Effect Chat Generative Pre-trained Transformers in Marketing: Possibilities of ChatGPT utilization on iPaaS” (2024) · DOI 10.31219/osf.io/m3a8x

Fund

Studiet analyserede, hvordan store sprogmodeller kan integreres i iPaaS-workflows (integration platform as a service) til at udføre beslutningsopgaver, der tidligere krævede menneskelige operatører — klassificering, indholdsgenerering, dataudtrækning og ræsonnement på tværs af tool calls.

I produktion

PeponiXL driver en n8n-baseret operationel stak, hvor Claude API-kald er knuder i workflows: parsing af leverandørfakturaer, klassificering af kundebeskeder, generering af lokaliserede produktbeskrivelser, matchning af UGC-fotos mod katalogprodukter og udarbejdelse af B2B-opsøgning. AI-integrationen er arkitekturen, ikke en tilføjet funktion.

·03

Indholdsgenerering i skala

Forskning “Effect Autoblogging Using AI: An Analysis of Marketing Automation Use of Low- and No-Code Tools” (2024) · DOI 10.31219/osf.io/75kcu

Fund

Studiet målte de økonomiske og SEO-relaterede resultater af AI-genereret redaktionelt indhold produceret gennem no-code-pipelines, med fokus på skabelonudvidelse, kvalitetskontroller og indekseringsydelse.

I produktion

PeponiXL's indholdsinfrastruktur udgiver købsguider, sammenligningssider og sæsonkollektioner på 24 sprog. Indhold genereres gennem en pipeline af Claude og kie.ai, gennemgås via human-in-the-loop-stikprøver for de bedst præsterende kategorier og publiceres til WordPress med fuld Schema.org-strukturdata og IndexNow-indsendelse.

·04

Automatisering af professionelle netværk

Forskning “Effect LinkedIn Automation: An Analysis of LinkedIn Marketing Automation with use of low- and no-code tools” (2024) · DOI 10.31219/osf.io/ysdmv

Fund

Studiet undersøgte, hvordan automatiseret LinkedIn-opsøgning, udført inden for platformens grænser og personaliseret på individuelt prospektniveau, præsterer ved B2B-leadgenerering og opbygning af professionelle netværk.

I produktion

PeponiXL anvender Unipile til B2B-opsøgning mod engros-, presse- og partnerskabsmålgrupper på 27 markeder, med AI-personaliserede beskeder og strukturerede opfølgningskadencer. Workflows opererer inden for LinkedIns platformgrænser og brugervilkår.

·05

Syntesen

Afhandling “Bridging the Digital Divide: How SMBs Can Rival Giants with Low- and No-Code Tools” (2025) · ISBN 978-94-6266-747-1 · ORCID 0009-0009-1736-7232

Tese

Små operationer kræver ikke længere proportional medarbejderstab for at konkurrere med kategoriens etablerede spillere. Med den rigtige kombination af iPaaS-arkitektur, AI-automatisering og no-code-værktøjer bliver den operationelle løftestang, der tidligere kun var tilgængelig for organisationer i enterprise-skala, opnåelig for enkeltoperatører.

I produktion

PeponiXL er den igangværende test. Syvogtyve landsnative butikker. 272.000 produkter i kataloget. Cirka 99 % af driften autonom. Én operatør.

Den operationelle model er ikke optimeret til lave omkostninger. Den er optimeret til at gøre den i forskningen påståede løftestang reel nok til at videregive besparelserne til kunderne som ærlige priser.

·06 Ekstern validering
»Dr. Frooliks rammeværker repræsenterer et af de vigtigste gennembrud inden for anvendt agentisk AI for små og mellemstore virksomheder… Hans arbejde bygger bro over den længe eksisterende kløft mellem teoretisk AI-kapacitet og praktisk forretningsudførelse… og redefinerer, hvordan intelligente systemer kan operationaliseres af almindelige virksomheder.«
Prof. Dr. Tan Kwan Hong PhD · DBA · EdD januar 2026

Forskningen er indekseret gennem Crossref og Web of Science, deponeret på OSF Preprints og registreret til ORCID-ID 0009-0009-1736-7232. Den operationelle model undervises aktuelt af grundlæggeren ved Graham International University i Doctor of Business Administration- og Master of Business Administration-programmerne.

·07 Ansvarlighed

Den operationelle model er revisionsklar.

Den operationelle model afhænger af AI-systemer, der — skønt omhyggeligt designet — ikke er ufejlbarlige. Kundevendte interaktioner indeholder tydelig oplysning, når de håndteres af automatiserede systemer, med eskaleringsveje til grundlæggeren for komplekse, følsomme eller omstridte sager. Kvartalsvis afstemning mod en uafhængig revisor sikrer finansiel nøjagtighed. Fejl dokumenteres, når de opstår, og offentliggøres i en transparent hændelseslog.

For akademisk samarbejde, forskningspartnerskab eller pressehenvendelser om specifikke metodologiske valg, kontakt research@peponixl.com eller nå grundlæggeren via ORCID.