챗GPT는 왜 옆 병원만 추천할까 — AI가 읽는 '병원 신분증', MedicalOrganization 스키마

환자가 챗GPT나 AI 검색창에 "○○동에서 임플란트 잘하는 치과"라고 물었을 때, 당신의 병원이 후보에조차 오르지 못한다면 그 이유는 실력이 부족해서가 아닙니다. 대부분은 AI가 당신의 병원을 '기계가 이해할 수 있는 형식'으로 만나지 못했기 때문입니다. 이 글은 그 형식의 핵심인 MedicalOrganization 구조화 데이터가 왜 AI 인용의 기본기인지, 그리고 코드를 몰라도 오늘 당장 무엇부터 손대야 하는지를 원장님 눈높이에서 정리합니다.

실제 현장에서 벌어지는 장면을 그려보겠습니다. 진료 실력도, 후기도, 지역 인지도도 옆 병원보다 앞선다고 자부하는 원장님이 있습니다. 그런데 환자가 AI에게 동네 병원을 물으면 늘 옆 건물 병원 이름만 돌아옵니다. 홈페이지도 있고, 블로그도 열심히 쓰는데 왜일까요. 답은 의외로 단순합니다. 사람의 눈에는 '좋은 병원'으로 보이는 그 홈페이지가, AI의 눈에는 '정체를 알 수 없는 텍스트 덩어리'로 읽히고 있기 때문입니다.

AI는 우리 병원을 '읽지' 못한다 — 사람 눈과 기계 눈의 차이

사람은 홈페이지를 보면 한눈에 '아, 강남에 있는 정형외과구나, 원장님은 이 분이고, 진료시간은 이렇구나'를 이해합니다. 하지만 AI가 웹페이지를 만날 때는 사정이 다릅니다. AI에게 화면은 존재하지 않습니다. AI는 페이지의 '코드'를 읽으며, 거기서 "이 문장이 병원 이름인지, 진료과목인지, 그냥 장식 문구인지"를 스스로 추측해야 합니다.

문제는 이 추측이 자주 틀린다는 데 있습니다. "믿음정형외과의원"이라는 글자가 페이지에 있어도, AI는 그것이 상호인지, 광고 카피인지, 후기 속 언급인지 100% 확신하지 못합니다. 진료시간이 이미지 안에 그려져 있으면 아예 읽지 못하고, 원장 이력이 문단 속에 자연어로만 묻혀 있으면 '누가 대표 의료인인지'를 특정하지 못합니다. 즉, 병원은 분명 존재하지만 AI의 세계에서는 '정체 불명'인 상태가 됩니다.

AI가 어떤 병원을 답변에 인용하려면, 그 병원에 대해 '확신'을 가질 수 있어야 합니다. 근거가 불확실한 정보를 함부로 추천하면 AI 자신의 신뢰가 무너지기 때문입니다. 그래서 AI는 정체가 명확한 병원, 즉 구조가 잘 정리되어 '오해의 여지가 없는' 병원을 우선합니다. 실력의 문제가 아니라 '해독 가능성'의 문제인 것입니다.

MedicalOrganization 스키마란 무엇인가 — AI에게 건네는 병원 신분증

여기서 등장하는 것이 '구조화 데이터(structured data)'입니다. 구조화 데이터란, 사람 눈에는 보이지 않지만 페이지 뒤에 숨겨 넣는 '기계 전용 설명표'입니다. "이 이름은 병원 상호, 이 숫자는 전화번호, 이 주소는 진료 위치, 이 사람은 대표 원장"이라고 항목별로 딱지를 붙여두는 것이죠. 국제 표준(Schema.org)에서 병원·의원을 위해 정한 딱지 묶음이 바로 MedicalOrganization 스키마입니다.

비유하자면 이렇습니다. 사람은 명함을 눈으로 보고 '이름·직함·연락처'를 알아보지만, 기계는 명함을 스캔해도 뭐가 뭔지 모릅니다. 구조화 데이터는 그 명함에 "여기는 이름 칸, 여기는 직함 칸"이라고 미리 정해진 양식으로 정보를 옮겨 담아 기계에게 건네는 '디지털 신분증'입니다. AI는 이 신분증을 읽고 비로소 "확실한 정보"로 병원을 인식합니다.

기술적으로는 대개 'JSON-LD'라는 형식으로, 홈페이지 코드 안에 짧은 정보 블록으로 삽입합니다. 겁먹을 필요는 없습니다. 원장님이 직접 코딩할 일은 거의 없고, 홈페이지 제작사나 담당자에게 '무엇을' 넣어달라고 지시할 수 있으면 충분합니다. 핵심은 기술이 아니라 '무엇을 정확히 알려줄 것인가'라는 정보 설계입니다.

왜 이것이 AI 인용의 '기본기'인가 — 놓치는 것과 얻는 것

구조화 데이터가 없어도 병원은 검색됩니다. 그런데 왜 '기본기'라고 부를까요. AI 답변 시대의 경쟁은 '검색 결과 목록에 뜨느냐'가 아니라 '단 하나의 답변에 이름이 불리느냐'로 바뀌고 있기 때문입니다. 열 개 병원이 나열되던 자리를, 이제 AI는 두세 곳만 콕 집어 추천합니다. 그 좁은 문을 통과하려면 AI가 가장 신뢰하는 형식, 즉 구조화된 정보가 필수 조건에 가깝습니다.

손실의 관점에서 보면 이렇습니다. 스키마가 없는 병원은 매일, 환자가 AI에게 병원을 물을 때마다 '후보 명단'에서 조용히 빠지고 있습니다. 이 유실은 통계로 잡히지도 않습니다. 전화가 안 온 것을 셀 수는 없으니까요. 실력과 무관하게, 형식 하나 때문에 새 환자와의 접점이 매일 사라지는 셈입니다.

반대로 기회의 관점은 분명합니다. 지역의 동종 병원 대부분이 아직 구조화 데이터를 제대로 넣지 않은 지금이, 상대적으로 적은 노력으로 앞서갈 수 있는 시기입니다. AI에게 '정체가 명확한 병원'은 아직 흔치 않기 때문에, 신분증을 제대로 갖춘 병원은 같은 조건에서 먼저 호명될 가능성이 높아집니다. 남들이 다 하고 나면 이것은 우위가 아니라 '기본 숙제'가 됩니다.

오늘 당장 채워 넣어야 할 핵심 항목

MedicalOrganization 스키마에는 수십 개의 항목이 있지만, 원장님이 우선순위로 챙길 것은 정해져 있습니다. AI가 병원을 특정하고 신뢰하는 데 직접 쓰이는 '핵심 신원 정보'부터입니다. 다음 항목을 하나씩 정확히 채우는 것만으로도 기본기의 절반 이상은 완성됩니다.

• 정식 상호(name): 간판·사업자등록증과 완전히 일치하는 병원명. 별칭·약칭 혼용 금지.
• 진료과목·유형: 치과, 정형외과, 피부과 등 병원의 정체를 규정하는 분류.
• 주소(address): 도로명 주소를 시·구·동·건물까지 항목별로 분리해 기입.
• 전화번호(telephone): 대표 예약 번호. 지역번호 포함, 표기 통일.
• 진료시간(openingHours): 요일별 시간과 점심시간·휴진일을 텍스트 항목으로. 이미지로만 두지 말 것.
• 대표 의료인(대표원장): 병원을 대표하는 원장 이름. 신뢰의 핵심 신호.
• 홈페이지·예약 링크(url): 공식 대표 주소 하나로 통일.
• 위치 좌표·지도 연결: 지도 서비스와 연동되는 위치 정보.

여기서 원칙 하나만 기억하십시오. 스키마에 적는 정보와 실제 화면·다른 플랫폼(지도·포털·SNS)에 표기된 정보는 글자 하나까지 일치해야 합니다. AI는 여러 출처의 정보가 서로 맞아떨어질 때 비로소 '이 병원은 믿을 만하다'고 판단합니다. 상호·주소·전화번호가 채널마다 조금씩 다르면, 오히려 정체가 흐려져 역효과가 납니다.

적용 5단계 — 코드 한 줄 몰라도 되는 순서

원장님이 직접 코드를 짜지 않아도, 아래 순서를 담당자나 제작사에게 지시하면 됩니다. 순서 자체가 하나의 실행 체크리스트입니다.

1. 정보 원장(原帳) 정리: 위 핵심 항목의 '정답 값'을 문서 하나에 확정합니다. 상호·주소·전화·진료시간·대표원장. 이 문서가 모든 채널의 기준이 됩니다.
2. 채널 통일: 홈페이지, 지도, 포털 병원정보, SNS 소개란의 정보를 이 원장과 100% 일치시킵니다. 스키마보다 이 정합성이 먼저입니다.
3. 스키마 삽입 요청: 제작사에 "MedicalOrganization 스키마를 JSON-LD로 전 페이지 공통 삽입해달라"고 요청하고, 위 핵심 항목 값을 전달합니다.
4. 검증: 구글의 무료 '리치 결과 테스트' 같은 도구에 페이지 주소를 넣어 오류·경고가 없는지 확인합니다. 붉은 오류는 반드시 잡습니다.
5. 유지·갱신: 진료시간 변경, 원장 변동, 이전(移轉) 시 스키마도 함께 수정합니다. 오래된 신분증은 없는 것만 못합니다.

이 다섯 단계는 대부분의 병원이 며칠 안에 끝낼 수 있는 분량입니다. 관건은 '완벽한 코드'가 아니라 '정확하고 일치하는 정보'라는 점을 다시 강조합니다.

병원들이 가장 많이 저지르는 실수

현장에서 반복되는 실수는 대체로 몇 가지로 압축됩니다. 이것만 피해도 애써 넣은 스키마가 헛수고가 되는 일을 막을 수 있습니다.

• 정보 불일치: 홈페이지엔 새 번호, 지도엔 옛 번호. 가장 흔하고 가장 치명적인 실수입니다.
• 이미지 의존: 진료시간·주소를 예쁜 이미지로만 표시. AI는 그 이미지를 읽지 못합니다. 반드시 텍스트로도 존재해야 합니다.
• 과장·허위 표기: 실제와 다른 진료과목이나 근거 없는 수식어를 넣는 것. 신뢰를 얻기는커녕 위험을 자초합니다. 의료광고 규정 위반 소지도 있습니다.
• 넣고 방치: 한 번 삽입 후 몇 년째 갱신 없음. 바뀐 진료시간이 그대로 남아 환자 불만과 AI의 신뢰 하락을 동시에 부릅니다.
• 검증 생략: 삽입만 하고 오류 확인을 안 함. 눈에 안 보이는 문법 오류로 AI가 아예 못 읽는 경우가 많습니다.

대표적인 오해 하나도 짚겠습니다. "스키마만 넣으면 AI 상단에 뜬다"는 기대입니다. 스키마는 '입장권'이지 '우승컵'이 아닙니다. 정체를 명확히 해 후보에 오를 자격을 갖추는 것이지, 그 자체로 순위를 보장하지는 않습니다.

스키마만으로 끝나지 않는다 — 신뢰 신호와의 결합

구조화 데이터가 '기본기'라면, 그 위에 쌓아야 할 것이 '신뢰의 근거'입니다. AI는 병원의 정체를 확인한 다음, "이 병원을 추천할 만한 이유가 있는가"를 봅니다. 그래서 스키마는 다음 요소들과 함께 갈 때 힘을 발휘합니다.

첫째, 실제 경험과 전문성이 드러나는 콘텐츠입니다. 대표원장의 진료 철학, 자주 묻는 질문에 대한 충실한 설명처럼 '이 병원이 실제로 이 분야를 잘 안다'는 근거가 텍스트로 존재해야 합니다. 둘째, 일관된 평판 신호입니다. 여러 플랫폼에서 병원 정보가 일치하고 꾸준히 관리되는 흔적은 그 자체로 신뢰를 형성합니다. 셋째, FAQ처럼 질문-답변 형태로 정리된 정보는 AI가 그대로 인용하기 좋은 형식입니다.

정리하면, 스키마는 AI 검색이라는 집의 '기초 공사'입니다. 기초 없이 인테리어(콘텐츠·후기)만 화려하게 하면 집이 흔들리고, 기초만 있고 아무 콘텐츠가 없으면 빈 집입니다. 둘을 함께 갖출 때 비로소 AI가 "믿고 추천할 병원"으로 인식합니다.

무엇부터 할지 — 우선순위와 실행 체크리스트

오늘 당장의 순서는 명확합니다. 스키마 코드를 넣기 '전에' 정보부터 정리하는 것이 먼저입니다. 아래 순서와 체크리스트로 시작하십시오.

1. 핵심 정보(상호·주소·전화·진료시간·대표원장)의 정답 값을 문서 하나로 확정한다.
2. 홈페이지·지도·포털·SNS의 정보를 그 문서와 100% 일치시킨다.
3. MedicalOrganization 스키마를 JSON-LD로 삽입 요청하고, 무료 검증 도구로 오류를 잡는다.
4. 진료시간·이미지 속 정보를 반드시 텍스트로도 병기한다.
5. 변경 사항이 생길 때마다 스키마를 함께 갱신하는 담당을 정해둔다.

여기까지 읽고 "우리 병원은 지금 어느 단계일까"가 궁금하시다면, 그 확인이 사실 가장 빠른 출발점입니다. AI메디랩은 병원 홈페이지의 구조화 데이터 상태와 채널 정보 일치도를 점검해 '무엇이 비어 있고 무엇부터 손봐야 하는지'를 정리해 드리는 무료 진단을 제공합니다. 광고가 아니라, 원장님이 매일 조용히 놓치고 있을지 모르는 접점을 함께 찾는 관점에서 활용해 보시길 권합니다.