챗GPT가 옆 병원만 추천하는 이유 — AI가 신뢰하는 의료진의 조건 E-E-A-T

환자가 챗GPT에 "○○동에서 임플란트 잘하는 치과 어디예요?"라고 물었을 때, 왜 늘 옆 병원 이름만 나오고 우리 병원은 언급조차 되지 않을까요. 원장님의 임상 경력이 상대 병원보다 짧아서가 아닙니다. AI는 실력을 직접 평가하지 못합니다. 대신 '이 의료진을 믿어도 되는가'를 알려주는 신뢰 신호를 읽고 판단하며, 그 신호가 웹에 제대로 남아 있느냐가 추천 여부를 가릅니다. 이 글은 구글이 의료·건강 정보에 특히 엄격하게 적용하는 평가 기준인 E-E-A-T를, 원장님 병원 웹사이트에 어떻게 심어야 AI가 우리를 '믿을 만한 병원'으로 인식하는지 실무 단계까지 안내합니다.

AI는 '실력'이 아니라 '신호'를 읽는다

E-E-A-T는 Experience(경험), Expertise(전문성), Authoritativeness(권위), Trustworthiness(신뢰성)의 앞글자를 딴 개념으로, 구글과 여러 AI 검색이 콘텐츠의 신뢰도를 가늠할 때 쓰는 평가 축입니다. 특히 병원처럼 사람의 건강·재정에 영향을 주는 분야(업계에서는 YMYL, Your Money Your Life 영역이라 부릅니다)는 이 기준을 훨씬 까다롭게 적용합니다. 잘못된 정보의 대가가 크기 때문입니다.

여기서 원장님이 반드시 이해하셔야 할 지점이 있습니다. AI는 원장님의 손끝 감각이나 수술 성공률을 직접 알 수 없습니다. AI가 볼 수 있는 것은 오직 웹에 텍스트·데이터로 남겨진 흔적뿐입니다. 즉 아무리 20년 경력의 명의여도, 그 경력이 웹 어디에도 정리되어 있지 않으면 AI에게는 '정보 없음'과 같습니다. 실력이 없어서가 아니라, 실력을 증명할 신호가 없어서 추천에서 밀리는 것입니다.

이것이 왜 손실인지 생각해 보겠습니다. 과거에는 환자가 열 개의 병원 목록을 훑어보며 스스로 비교했습니다. 지금은 AI가 그 비교를 대신 해 '두세 곳'만 추려서 제시합니다. 목록의 10등도 노출은 됐던 과거와 달리, 이제는 상위 세 곳에 들지 못하면 존재 자체가 지워집니다. 반대로 신호를 잘 갖춰 그 좁은 추천 목록에 들어가면, 광고비 없이도 AI가 우리를 반복해서 소개하는 기회가 됩니다. E-E-A-T 구조화는 이 좁아진 문을 통과하기 위한 작업입니다.

경험(Experience) — 진료 현장의 흔적을 데이터로 남겨라

E-E-A-T에 최근 추가된 첫 번째 E, 경험은 '이 사람이 실제로 그 일을 해봤는가'를 뜻합니다. 의료에서는 실제 진료·시술을 반복해 온 임상 경험이 여기에 해당합니다. 문제는 대부분의 병원 웹사이트가 이 경험을 '원장 인사말' 같은 추상적 문장으로만 표현한다는 점입니다. "환자 한 분 한 분 정성을 다하겠습니다" 같은 문구는 감동적이지만 AI에게는 아무 정보도 주지 못합니다.

경험을 신호로 바꾸려면 추상을 구체로 내려야 합니다. 다음을 웹사이트에 명시하세요.

• 세부 분야별 진료 이력: 어떤 질환·시술을 몇 년간 중점적으로 다뤄왔는지. 단정적 수치를 지어내지 말고, 확인 가능한 범위에서 사실만 기재합니다.
• 실제 진료 과정 콘텐츠: 특정 증상에 어떤 순서로 접근하는지 설명하는 글은, 경험 없이는 쓸 수 없는 디테일을 담기 때문에 강력한 경험 신호가 됩니다.
• 현장 사진·영상: 실제 진료 환경, 장비, 의료진의 모습. 스톡 이미지가 아닌 실제 병원 사진일수록 신뢰 신호로 작동합니다.

흔한 실수는 경험을 '연차'로만 환원하는 것입니다. "개원 15년"이라는 표현보다, "15년간 어떤 환자군을, 어떤 방식으로 봐왔는지"가 훨씬 강한 신호입니다. 비유하자면, 이력서에 '요리 경력 15년'이라고만 쓴 사람과 '한식 전문, 특정 코스를 15년간 담당'이라고 쓴 사람 중 누구를 더 신뢰할지를 생각하면 됩니다. AI도 똑같이 판단합니다.

전문성(Expertise) — 의료진 프로필을 구조화하는 법

전문성은 자격과 지식의 깊이입니다. 의료진에게는 면허·전문의 자격·학회 활동·논문·강연 이력이 핵심 근거입니다. 그런데 이 정보들이 웹사이트 곳곳에 흩어져 있거나, 이미지 파일 안에 글자로만 박혀 있으면 AI가 읽지 못합니다. AI는 이미지 속 글씨를 사람처럼 안정적으로 해석하지 못하므로, 반드시 텍스트로 존재해야 합니다.

의료진 프로필을 다음 항목으로 표준화해 정리하시길 권합니다.

1. 이름과 직함: 대표원장·전문의 등 정확한 명칭
2. 전문 진료 분야: 두루뭉술한 '종합 진료'가 아니라 실제 강점 분야를 구체적으로
3. 학력·수련 이력: 출신·수련 병원, 전공
4. 자격·면허: 전문의 자격, 관련 인증
5. 학회·연구 활동: 소속 학회, 발표·강연, 저술 등 검증 가능한 활동

이렇게 정리한 프로필은 '팀 소개' 페이지 한 곳에 몰아넣기보다, 원장님이 직접 쓴 칼럼·질환 설명 글마다 저자 정보로 연결해 두는 것이 좋습니다. AI가 특정 글을 읽을 때 '누가 썼는가'를 함께 확인하기 때문입니다. 익명이거나 작성자가 불분명한 건강 정보는 신뢰 점수가 크게 깎입니다. 반대로 매 글마다 전문의 이름과 자격이 붙어 있으면, 그 병원 전체의 전문성 신호가 누적됩니다.

권위(Authoritativeness) — 병원 밖에서 만들어지는 신뢰

경험과 전문성이 '우리가 스스로 말하는 신호'라면, 권위는 '남들이 우리를 어떻게 말하는가'입니다. 스스로 "우리가 최고"라고 하는 것과, 학회·언론·다른 전문가·환자들이 그 병원을 언급하는 것은 신뢰의 무게가 다릅니다. AI는 후자를 훨씬 크게 봅니다.

권위 신호는 하루아침에 만들어지지 않지만, 방향을 알면 꾸준히 쌓을 수 있습니다.

• 외부 매체·전문 매체 언급: 신뢰할 수 있는 매체에 의료진이 전문가로 인용되거나 기고하는 것
• 학회·기관 연결: 소속 학회나 공신력 있는 기관 페이지에서 의료진 정보가 확인되는 것
• 일관된 정보: 병원 이름·주소·전화번호·의료진 이름이 웹 전반에서 동일하게 유지되는 것. 채널마다 정보가 다르면 AI는 어느 쪽도 확신하지 못합니다.
• 진성 리뷰: 실제 환자 후기와 그에 대한 병원의 성실한 응대. 조작된 리뷰는 오히려 신뢰를 무너뜨릴 수 있으니 유의합니다.

흔한 실수는 권위를 '광고 노출'과 혼동하는 것입니다. 돈을 들여 배너를 띄우는 것과, 제3자가 자발적으로 우리를 전문가로 언급하는 것은 완전히 다릅니다. 후자가 진짜 권위 신호이며, 시간이 걸려도 이쪽에 투자해야 합니다.

신뢰성(Trustworthiness) — AI가 가장 먼저 확인하는 안전장치

네 요소 중 가장 근본이 되는 것이 신뢰성입니다. 앞의 세 가지가 아무리 훌륭해도 기본적인 신뢰 요건이 무너지면 전체 평가가 함께 낮아집니다. 다행히 신뢰성은 상당 부분 '점검 항목'에 가까워, 원장님이 오늘 바로 확인하실 수 있습니다.

다음을 우선 점검하세요.

1. 웹사이트 보안(https): 주소창에 자물쇠 표시가 있는지. 없으면 기본 신뢰부터 감점됩니다.
2. 명확한 연락·위치 정보: 실제 존재하는 병원임을 증명하는 정확한 주소·전화·진료시간
3. 사업자·의료기관 정보: 법적으로 표기해야 할 정보의 정확한 게시
4. 정보 갱신 이력: 오래 방치된 사이트보다, 최근까지 업데이트되는 사이트가 살아있는 신뢰를 줍니다.
5. 과장 없는 표현: '100% 완치' 같은 단정적·과장 표현은 의료광고 측면에서도 문제이고, AI 신뢰 평가에서도 위험 신호입니다.

신뢰성은 '더 잘 보이려는 노력'이 아니라 '의심받을 여지를 없애는 노력'입니다. 환자가 병원 문을 열기 전 간판·청결 상태를 무의식적으로 살피듯, AI도 이 기본기를 먼저 확인한 뒤에야 다음 평가로 넘어갑니다.

스키마로 신뢰 신호를 '기계가 읽게' 만들기

지금까지 정리한 신호들을 사람이 보기 좋게 배치하는 것만으로는 절반입니다. 나머지 절반은 AI가 오해 없이 읽도록 구조화 데이터(스키마, schema)로 표시하는 일입니다. 스키마란 웹페이지 뒤에 '이 텍스트는 의료기관 이름, 이건 전문 분야, 이건 자격'이라고 기계가 알아볼 수 있게 붙이는 꼬리표라고 이해하시면 됩니다. 사람 눈에는 보이지 않지만 AI에게는 결정적 힌트가 됩니다.

같은 정보라도 스키마가 붙어 있으면 AI는 추측 없이 정확히 해석합니다. 예를 들어 '홍길동 대표원장, ○○과 전문의'라는 문장에 의료진·의료기관 유형의 스키마를 붙이면, AI는 이를 '이 병원의 소속 의료진이며 특정 전문 자격 보유'라는 사실로 확정합니다. 스키마 없이 두면 AI가 문맥으로 짐작해야 하고, 그만큼 오해나 누락 가능성이 커집니다.

원장님이 직접 코드를 작성할 필요는 없습니다. 다만 담당 개발자나 마케팅 대행사에 "의료기관·의료진·리뷰 정보에 구조화 데이터를 적용해 달라"고 요청할 수 있어야 합니다. 이 한 문장을 요구할 수 있느냐 없느냐가, 같은 콘텐츠를 가진 두 병원의 AI 노출을 가르는 경우가 많습니다.

오늘부터 2주, 실행 로드맵

모든 것을 한 번에 완벽하게 갖출 필요는 없습니다. 효과가 큰 순서대로 접근하는 것이 현실적입니다. 우선순위는 다음과 같습니다.

1. 1순위(신뢰성 점검, 1~2일): https 적용, 주소·연락처·의료기관 정보 정확성, 과장 표현 삭제. 가장 빠르고 효과 확실한 기본기입니다.
2. 2순위(전문성 구조화, 3~5일): 의료진 프로필을 표준 항목으로 텍스트화하고, 이미지 속 글자를 실제 텍스트로 옮깁니다.
3. 3순위(경험 콘텐츠, 1주 이상): 원장님이 직접 쓴 질환·시술 설명 글에 저자 정보를 연결해 경험·전문성 신호를 누적합니다.
4. 4순위(권위 축적, 지속): 정보 일관성 정리, 진성 리뷰 관리, 외부 전문 활동 기록. 시간이 걸리지만 복리처럼 쌓입니다.

마지막으로 오늘 바로 확인하실 체크리스트를 남깁니다. 우리 병원 웹사이트에서 ① 의료진 이름·자격이 이미지가 아닌 텍스트로 있는가, ② 모든 콘텐츠에 작성 의료진 정보가 붙어 있는가, ③ 병원 정보가 모든 채널에서 동일한가, ④ 과장·단정 표현이 없는가, ⑤ 구조화 데이터가 적용되어 있는가. 이 다섯 가지에서 막히는 지점이 바로 지금 AI 추천에서 밀리고 있는 원인일 가능성이 높습니다. 어디서부터 손봐야 할지 판단이 서지 않는다면, 우리 병원의 현재 신뢰 신호 상태를 무료로 진단해 드립니다. 문제를 아는 것이 개선의 첫걸음입니다.