우리 병원이 AI 답변에 안 나오는 진짜 이유 — MedicalOrganization 스키마부터 막혀 있습니다

AI가 병원을 답변에 인용하려면, 먼저 '이 병원이 어디의 무슨 진료를 하는 곳인지'를 기계가 오해 없이 읽어낼 수 있어야 합니다. 사람 눈에 멀쩡한 홈페이지도 AI에게는 '정체를 알 수 없는 이미지와 문장 덩어리'일 수 있습니다. 그 간극을 메우는 첫 단추가 바로 의료기관 구조화 데이터, MedicalOrganization 스키마입니다.

한 원장님이 이렇게 하소연했습니다. "환자가 챗GPT에 '○○동 임플란트 잘하는 치과' 하고 물으면 늘 길 건너 병원 이름만 나와요. 우리가 규모도 크고 후기도 많은데요." 홈페이지도 예쁘고 블로그도 열심히 씁니다. 그런데 왜 AI는 우리를 모를까요. 답은 단순합니다. AI는 '보기 좋은 페이지'가 아니라 '읽어낼 수 있는 데이터'를 인용합니다. 사람이 읽는 화면과 기계가 읽는 데이터는 전혀 다른 층위이고, 대부분의 병원 홈페이지는 후자가 비어 있습니다. 이 글은 그 빈칸을 어떻게 채우는지, 원장이 오늘 무엇부터 지시하면 되는지를 구체적으로 다룹니다.

AI는 병원을 '읽지' 못하고 '추측'하고 있다

먼저 용어부터 짚겠습니다. AEO는 Answer Engine Optimization, 즉 '답변 엔진 최적화'입니다. 기존 검색(SEO)이 '검색 결과 목록의 상단에 오르는 것'을 목표로 했다면, AEO는 챗GPT·제미나이·네이버 큐 같은 AI가 만드는 '요약 답변 안에 우리 병원이 근거로 인용되는 것'을 목표로 합니다. 목록 10위 안에 드는 게임이 아니라, AI가 한 문장으로 답할 때 그 문장 안에 들어가는 게임으로 규칙이 바뀐 것입니다.

여기서 핵심은 AI가 페이지를 사람처럼 '이해'하지 않는다는 점입니다. AI는 웹페이지의 글자·이미지·배치를 보며 '아마 이 병원은 강남에 있는 치과인 것 같다'고 확률로 추측할 뿐입니다. 원장 인사말, 오시는 길, 진료 안내가 각각 다른 페이지에 흩어져 있고, 전화번호가 이미지로만 박혀 있고, 진료과목이 배너 그림 안에만 있으면 — 이 추측은 자주 틀립니다. 틀린 추측 위에서 AI는 '확신이 없으니 인용하지 않겠다'고 판단합니다. 침묵당하는 것이죠.

반대로 어떤 병원은 기계가 오해 없이 읽도록 정보를 '구조화'해 두었습니다. 병원명·주소·진료과목·진료시간·전화번호를 사람 눈이 아니라 기계 눈에 맞춰 라벨을 붙여 정리해 둔 것입니다. AI 입장에서는 추측할 필요 없이 확정된 사실을 가져다 쓸 수 있으니, 자연히 그 병원을 인용합니다. 후기 개수나 홈페이지 디자인의 문제가 아니라, '읽히는 형식'의 문제였던 겁니다.

MedicalOrganization 스키마란 무엇인가 — 병원의 '기계용 명함'

구조화 데이터(스키마 마크업)란, 웹페이지 안에 사람 눈에는 안 보이지만 기계는 읽는 '설명표'를 심어두는 것입니다. schema.org라는 국제 표준 사전이 있고, 그 안에 의료기관 전용 항목인 MedicalOrganization(그리고 병원용 Hospital, 치과용 Dentist 등 하위 유형)이 정의돼 있습니다. 쉽게 말해 '이 사이트의 주인은 병원이고, 이름은 △△, 주소는 □□, 진료는 ○○'라고 기계가 알아듣는 언어로 또박또박 적어주는 명함입니다.

이 명함은 보통 JSON-LD라는 형식으로 작성해 페이지 코드 안에 넣습니다. 겁먹을 필요는 없습니다. 원장이 직접 코딩할 일은 없고, 홈페이지 제작사나 담당자에게 '어떤 정보를, 어떤 항목으로 채워달라'고 정확히 요청하는 것이 원장의 역할입니다. 요청서의 품질이 결과를 결정합니다.

비유하자면 이렇습니다. 홈페이지 본문이 '손님에게 보여주는 잘 꾸민 매장'이라면, 스키마는 '세관에 제출하는 정식 신고서'입니다. 매장이 아무리 화려해도 신고서가 없으면 통관이 안 됩니다. AI 검색이라는 국경에서, 스키마 없는 병원은 매번 통관 심사에서 밀려나는 셈입니다.

지금 안 하면 무엇을 잃고, 하면 무엇을 얻는가

손실 관점부터 냉정하게 봅시다. AI에게 병원을 추천받는 환자는 이미 '어디로 갈지 거의 정한 상태'로 움직입니다. 검색 목록을 열 개씩 비교하던 시대의 환자보다 전환 의도가 훨씬 높습니다. 이 길목에서 인용되지 못하면, 우리 병원은 '비교 대상에조차 오르지 못한 채' 조용히 후보에서 빠집니다. 광고비를 아무리 써도 이 통로는 광고로 사기 어렵습니다. AI 답변은 대체로 광고 슬롯이 아니라 신뢰할 만한 근거를 골라 인용하기 때문입니다.

게다가 이 손실은 눈에 보이지 않아 더 위험합니다. 전화가 안 오는 이유를 '요즘 경기가 안 좋아서'로 오해하기 쉽지만, 실제로는 환자가 우리를 '발견하는 경로' 자체가 막혀 있는 경우가 많습니다. 매출 그래프에는 '안 온 환자'가 찍히지 않으니까요.

기회 관점은 정반대로 밝습니다. 대다수 병원이 아직 스키마를 제대로 갖추지 않았기 때문에, 지금은 '먼저 정리해 둔 병원이 유리한' 초기 국면입니다. 한 번 제대로 구축해 두면 AI가 우리 정보를 반복적으로 신뢰하게 되고, 이는 광고처럼 매달 태우는 비용이 아니라 한 번 쌓으면 오래 가는 자산에 가깝습니다. 남들이 아직 안 할 때 자리를 잡는 것 — AEO에서 가장 큰 레버리지는 '타이밍'입니다.

우리 병원 스키마, 이렇게 만든다 — 실행 5단계

원장이 담당자에게 지시할 순서를 그대로 옮기면 다음과 같습니다.

1. 정보 원본 확정: 병원 정식 명칭, 주소(도로명·상세 층까지), 대표 전화, 진료과목, 요일별 진료시간, 홈페이지·예약 링크를 한 문서로 확정합니다. 여기서 애매하면 뒤 단계가 전부 흔들립니다.
2. 유형 선택: 치과면 Dentist, 종합적 의료기관이면 Hospital 또는 MedicalOrganization 등 우리 병원에 가장 정확한 유형을 고릅니다. 넓게 걸치지 말고 실제 성격에 맞게 좁힙니다.
3. JSON-LD 작성 요청: 확정된 정보를 담당자·제작사에 넘겨 JSON-LD 형식의 스키마로 작성하고, 홈페이지 전 페이지 또는 대표 페이지에 삽입하도록 요청합니다.
4. 검증: 구글의 리치 결과 테스트, schema.org 검증 도구 등에 우리 페이지 주소를 넣어 오류·경고가 없는지 확인합니다. 붉은 오류가 남아 있으면 AI가 무시할 수 있으니 반드시 통과시킵니다.
5. 일치 점검: 스키마에 적은 정보가 홈페이지 본문·네이버 지도·구글 비즈니스에 적힌 정보와 글자 하나까지 같은지 대조합니다. 불일치는 신뢰를 깎습니다.

여기서 원장이 기억할 한 문장은 이것입니다. "코드는 담당자가, 정보의 정확성과 일치는 내가 책임진다." 스키마 프로젝트가 실패하는 이유는 기술이 아니라 대개 '원본 정보가 부정확하거나 흩어져 있어서'입니다.

반드시 채워야 할 핵심 필드 체크리스트

담당자에게 넘길 때 아래 항목이 빠짐없이 들어갔는지 원장이 직접 확인하십시오.

• name(병원명): 간판·사업자등록·지도에 쓰는 이름과 완전히 동일하게.
• address(주소): 도로명 주소를 구·동·상세까지. 지역 질의('○○동 병원')에 걸리는 핵심 신호입니다.
• telephone(전화): 반드시 텍스트로. 이미지 속 번호는 기계가 못 읽습니다.
• openingHours(진료시간): 요일별로, 점심시간·휴진일 포함.
• medicalSpecialty / 진료 항목: 실제 하는 진료를 구체적으로. '무엇이든 다 한다'식 나열보다 정확한 몇 개가 낫습니다.
• url·sameAs(공식·연결 채널): 홈페이지, 네이버·구글 비즈니스, 공식 SNS 링크를 연결해 '이것들이 다 같은 병원'임을 명시.
• geo(위치 좌표)·areaServed(진료 지역): 지역 기반 추천에 유리하게.

이 필드들은 화려한 마케팅 문구가 아니라 '사실'입니다. AEO의 역설은 여기 있습니다 — AI를 사로잡는 첫걸음은 멋진 카피가 아니라, 지루할 만큼 정확한 기본 정보를 빈틈없이 채우는 일입니다.

현장에서 가장 많이 하는 5가지 실수

스키마를 넣고도 효과를 못 보는 병원에는 공통된 실수가 있습니다.

1. 정보 불일치: 홈페이지는 'A치과의원', 지도는 'A치과', 스키마는 'A dental'. 사람은 같게 보지만 기계는 다른 셋으로 인식해 신뢰가 분산됩니다. 명칭·주소·전화(업계에서 NAP이라 부르는 세 가지)는 모든 채널에서 글자까지 통일하십시오.
2. 과장·허위 표기: 안 하는 진료를 넣거나 '최고'류 표현을 스키마에 심는 것. 사실과 어긋나면 오히려 신뢰 신호가 훼손되고, 의료광고 규정상으로도 위험합니다.
3. 검증 생략: 넣기만 하고 검증 도구를 안 돌려 오류가 방치된 경우. 문법 오류가 있으면 AI는 통째로 무시할 수 있습니다.
4. 한 번 넣고 방치: 진료시간·전화·이전 개원 정보가 바뀌었는데 스키마는 옛날 그대로. 틀린 정보는 없느니만 못합니다. 변경 시 갱신을 루틴에 넣으십시오.
5. 스키마만 믿기: 스키마는 '이 병원이 누구인지'를 알려줄 뿐, '왜 신뢰할 만한지'까지 증명하진 못합니다. 실제 질문에 답하는 본문 콘텐츠가 함께 있어야 인용이 일어납니다.

스키마는 문일 뿐 — 그 다음은 일관성과 콘텐츠

스키마를 제대로 깔면 AI가 우리 병원을 '오해 없이 식별'하기 시작합니다. 하지만 식별과 인용은 다릅니다. AI가 실제로 답변에 우리를 넣으려면 두 가지가 더 필요합니다.

첫째, 일관성입니다. AI는 여러 채널에서 같은 정보를 반복 확인할 때 확신을 굳힙니다. 홈페이지·스키마·네이버·구글·SNS의 병원명·주소·전화가 완전히 일치할수록 '이 병원은 실재하고 신뢰할 만하다'는 신호가 강해집니다. 반대로 채널마다 조금씩 다르면 AI는 어느 것도 확신하지 못합니다.

둘째, 질문에 답하는 콘텐츠입니다. 환자가 실제로 묻는 말('임플란트 후 붓기 관리' 같은 실무 질문)에 정직하고 구체적으로 답한 글이 있어야, AI가 '이 병원은 이 주제를 잘 아는 곳'으로 연결해 인용합니다. 이때 검색·정보 제공 관점을 지키되 진단·치료 효과를 단정하는 표현은 피해야 합니다. 스키마가 '문패'라면 콘텐츠는 '문 안의 내용물'이고, 둘이 함께여야 AI가 문을 열고 들어와 우리를 소개합니다.

오늘 무엇부터 — 우선순위와 실행 체크리스트

정리하면, AI 답변에 안 나오는 진짜 이유는 후기 부족도 광고비 부족도 아닌 경우가 많습니다. '기계가 우리 병원을 읽을 수 없게 방치돼 있었던 것'입니다. 순서는 이렇게 잡으십시오.

1. 1순위: 병원 기본 정보(명칭·주소·전화·진료시간·진료과목)를 한 문서로 확정하고 오류를 잡는다.
2. 2순위: MedicalOrganization(또는 정확한 하위 유형) 스키마를 담당자에게 요청해 홈페이지에 삽입하고, 검증 도구로 오류 0을 만든다.
3. 3순위: 네이버·구글·SNS의 NAP을 스키마와 글자까지 통일한다.
4. 4순위: 환자가 실제로 묻는 질문에 답하는 콘텐츠를 꾸준히 쌓는다.

여기까지가 오늘 원장이 지시할 수 있는 전부입니다. 어렵지 않지만, 순서를 지키지 않으면 힘만 쓰고 효과가 안 납니다. 만약 '우리 홈페이지에 스키마가 있긴 한지, 정보가 일치하는지'조차 확인이 어렵다면, 현재 상태를 먼저 진단해 보는 것을 권합니다. AI메디랩은 병원 URL만으로 스키마 유무·정보 일치·인용 가능성을 점검하는 무료 진단을 제공합니다. 자사 서비스 여부와 무관하게, 최소한 우리 병원이 지금 AI에게 '읽히고 있는지'부터 확인해 두는 것이 손해를 막는 첫걸음입니다.