Twilio Agent Connect과 Conversation Intelligence로 고객 메모리 시스템 구축하기

Twilio Agent Connect와 Conversation Intelligence를 결합해 고객이 이전 통화에서 밝힌 선호도를 기억하고 다음 상호작용에 자동 반영하는 AI 고객 서비스 시스템 구축 방법을 다룬다. OpenAI 기반 선호도 추출과 Twilio Memory 프로파일 저장을 통해 반복 설명 없이 개인화된 응대를 구현한다.

핵심 포인트

Conversation Orchestrator + Conversation Intelligence + Flex + Serverless Function의 4-layer 아키텍처로 파이프라인을 구성한다
통화 종료 후 Conversation Intelligence가 대화 요약을 생성하고 웹훅으로 Twilio Function에 전달한다
OpenAI가 요약에서 차량 모델, 색상, 선호 언어 등을 traits로 추출해 Memory 프로파일에 저장한다
재방문 시 Memory 프로파일을 조회해 AI 시스템 프롬프트에 선호도를 주입, 맞춤 응대를 제공한다
ngrok으로 로컬 웹훅을 노출하고 Python 백엔드가 전체 오케스트레이션을 담당한다

상세 정리

시스템 구성: Conversation Orchestrator(라우팅) + Conversation Intelligence(분석) + Flex(상담원 관리) + Serverless Function(특성 추출)의 4개 서비스를 조합한다
통화 흐름: 고객 연락 → Agent Connect AI 응대 → 사람 상담원 요청 시 Twilio Studio 경유 Flex 핸드오프
통화 종료 처리: Conversation Intelligence가 자연어 요약 자동 생성, 웹훅 트리거로 Twilio Function 호출
선호도 추출: Function이 OpenAI API를 호출해 요약에서 차량 모델, 색상, 언어, 국가 등 구조화된 속성을 파싱한다
Memory 저장: 추출된 속성을 Twilio Memory 프로파일의 traits로 저장, 고객 식별자와 연결
재방문 적용: 다음 통화 시작 시 Memory 프로파일 조회 → 선호도를 AI 시스템 프롬프트에 주입 → 언어 등 자동 전환
환경 설정: Twilio 서비스별 SID 설정, ngrok으로 로컬 서버 외부 노출, Python 백엔드로 전체 파이프라인 조율

왜 읽나음성/SMS 고객 서비스에 장기 메모리를 얹으려는 AI/백엔드 엔지니어에게 Twilio 멀티 서비스 통합의 실전 아키텍처 레퍼런스.

Twilio Engineering 블로그

원문은 여기서 이어서 읽을 수 있어요

원문 읽기

읽음 (0)

·takedown 요청

Twilio Agent Connect과 Conversation Intelligence로 고객 메모리 시스템 구축하기

이 글과 비슷한

에이전틱 SDLC를 QA 엔지니어링 마인드셋으로 구축하기

보안 업무를 위한 AI 에이전트 플랫폼 「SAGE」 개발기 1편: 판단은 사람에게 남기는 설계

실리콘투의 사내 지식 MCP 게이트웨이 구축기