Jak działamy

Działające wdrożenie opublikowanej tezy badawczej.

PeponiXL to test produkcyjny tezy: że małe operacje wykorzystujące architektury iPaaS i automatyzację AI mogą osiągać skalę operacyjną, która dawniej wymagała setek pracowników. Infrastruktura firmy zorganizowana jest wokół pięciu podsystemów — każdy z podstawami naukowymi w recenzowanych pracach założyciela Dr. Alderda Froolika opublikowanych w latach 2024–2025, a każdy obecnie działa w produkcji w 27 lokalnych witrynach sklepowych w państwach UE.

·01

Automatyzacja e-maili

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

Wnioski

Praca badała, jak sekwencje e-mailowe generowane przez AI, spersonalizowane na poziomie segmentów i wyzwalane sygnałami behawioralnymi, wypadają w porównaniu z tradycyjnymi kampaniami masowymi. Wnioski wskazały na konkretne konfiguracje, w których treści generatywne i wyzwalacze sterowane zdarzeniami dają znaczący wzrost zaangażowania i konwersji.

W produkcji

PeponiXL wdraża te wnioski poprzez transakcyjną, cyklu życia i reaktywacyjną automatyzację e-mailową w Brevo, orkiestrowaną przez przepływy n8n i generowaną przez API Claude i kie.ai. Każdy klient w 27 rynkach otrzymuje e-maile w swoim ojczystym języku, dostosowane do historii zamówień, zdarzeń wysyłkowych i etapu cyklu życia.

·02

Generatywna AI na platformach integracyjnych

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

Wnioski

Praca analizowała, jak duże modele językowe można osadzić w przepływach iPaaS (integration platform as a service), aby wykonywały zadania decyzyjne wymagające dotąd ludzkich operatorów — klasyfikację, generowanie treści, ekstrakcję danych, rozumowanie pomiędzy wywołaniami narzędzi.

W produkcji

PeponiXL prowadzi stack operacyjny oparty na n8n, w którym wywołania API Claude są węzłami w przepływach: parsowanie faktur dostawców, klasyfikacja wiadomości klientów, generowanie zlokalizowanych opisów produktów, dopasowywanie zdjęć UGC do pozycji katalogu, sporządzanie komunikacji B2B. Integracja AI to architektura, nie dokręcona dodatkowo funkcja.

·03

Generowanie treści na skalę

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

Wnioski

Badanie mierzyło efekty ekonomiczne i SEO treści redakcyjnych generowanych przez AI, wytwarzanych przez potoki no-code, koncentrując się na ekspansji szablonów, kontroli jakości i wydajności indeksowania.

W produkcji

Infrastruktura treści PeponiXL publikuje przewodniki zakupowe, strony porównawcze i kolekcje sezonowe w 24 językach. Treści generowane są przez potok Claude i kie.ai, weryfikowane za pomocą próbkowania human-in-the-loop dla najlepiej sprawujących się kategorii i publikowane na WordPress z pełnymi danymi strukturalnymi Schema.org oraz zgłoszeniem IndexNow.

·04

Automatyzacja sieci profesjonalnej

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

Wnioski

Praca badała, jak zautomatyzowane kontakty na LinkedIn, realizowane w granicach platformy i spersonalizowane na poziomie indywidualnego prospekta, sprawdzają się w generowaniu leadów B2B i rozwoju sieci profesjonalnej.

W produkcji

PeponiXL używa Unipile do kontaktów B2B z odbiorcami hurtowymi, prasowymi i partnerskimi na 27 rynkach, z wiadomościami spersonalizowanymi przez AI i ustrukturyzowanymi rytmami follow-upu. Przepływy działają w ramach limitów platformy i warunków świadczenia usług LinkedIn.

·05

Synteza

Rozprawa “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

Argument

Małe operacje nie wymagają już proporcjonalnego zatrudnienia, aby konkurować z potentatami kategorii. Dzięki odpowiedniemu połączeniu architektury iPaaS, automatyzacji AI i narzędzi no-code dźwignia operacyjna, dostępna wcześniej tylko organizacjom o skali przedsiębiorstw, staje się osiągalna dla pojedynczych operatorów.

W produkcji

PeponiXL jest tym trwającym testem. Dwadzieścia siedem lokalnych witryn sklepowych. 272 000 produktów w katalogu. Około 99% operacji autonomicznych. Jeden operator.

Model operacyjny nie jest zoptymalizowany pod niskie koszty. Jest zoptymalizowany, by dźwignia postulowana w badaniach była realna na tyle, by oszczędności przekazać klientom jako uczciwe ceny.

·06 Walidacja zewnętrzna
„Ramy opracowane przez Dr. Froolika stanowią jeden z najważniejszych przełomów w zastosowaniu agentic AI dla małych i średnich przedsiębiorstw… Jego praca łączy długo istniejącą przepaść między teoretycznymi możliwościami AI a praktyczną realizacją biznesową… redefiniując sposób, w jaki inteligentne systemy mogą być operacjonalizowane przez zwykłe firmy."
Prof. Dr. Tan Kwan Hong PhD · DBA · EdD styczeń 2026

Badania zostały zindeksowane przez Crossref i Web of Science, zdeponowane w OSF Preprints i zarejestrowane pod numerem ORCID 0009-0009-1736-7232. Model operacyjny jest obecnie nauczany przez założyciela w Graham International University na programach Doctor of Business Administration oraz Master of Business Administration.

·07 Odpowiedzialność

Model operacyjny jest audytowalny.

Model operacyjny opiera się na systemach AI, które, choć dobrze zaprojektowane, nie są nieomylne. Interakcje z klientem obejmują jasne ujawnienie, gdy obsługiwane są przez systemy automatyczne, wraz ze ścieżkami eskalacji do założyciela w przypadkach złożonych, wrażliwych lub spornych. Kwartalne uzgodnienia z niezależnym księgowym weryfikują poprawność finansową. Błędy, gdy się zdarzają, są dokumentowane i publikowane w przejrzystym dzienniku incydentów.

W sprawie współpracy akademickiej, partnerstwa badawczego lub pytań prasowych dotyczących konkretnych wyborów metodologicznych pisz na research@peponixl.com lub skontaktuj się z założycielem przez ORCID.