챗GPT가 우리 병원만 모르는 이유 — AI가 인용하는 병원엔 'MedicalOrganization 스키마'가 있다

AI 검색 시대에 병원이 답변에 인용되려면, 사람 눈에 예쁜 홈페이지가 아니라 '기계가 오해 없이 읽을 수 있는 정보'가 필요합니다. 그 기반이 바로 MedicalOrganization 스키마, 즉 병원 정보를 정해진 규격에 맞춰 붙이는 '구조화 데이터'입니다. 이 글은 왜 이것이 AI 인용의 기본기인지, 그리고 원장이 무엇부터 어떻게 적용해야 하는지를 단계별로 설명합니다.

한 원장님이 이런 하소연을 했습니다. "환자가 챗GPT에 '○○동 임플란트 잘하는 치과' 물었더니 길 건너 병원 이름은 나오는데 우리는 없더라. 우리가 시설도 좋고 후기도 많은데 왜 그럴까요?" 홈페이지를 열어보면 디자인도 깔끔하고 정보도 다 있습니다. 문제는 그 정보가 '사람 눈'에만 정리돼 있고, AI가 읽는 방식으로는 정리돼 있지 않다는 데 있습니다.

사람은 페이지를 보면 어디가 병원 이름이고 어디가 진료과목인지 직관으로 압니다. 하지만 AI는 화면을 '보지' 않습니다. AI는 페이지 뒤에 깔린 데이터를 '읽습니다'. 이때 정보가 규격 없이 흩어져 있으면 AI는 확신을 갖지 못하고, 확신이 없는 정보는 답변에 인용하지 않습니다. 이 글에서 그 간극을 메우는 방법을 다룹니다.

AI는 왜 옆 병원만 답할까 — '읽기'가 아니라 '신뢰'의 문제

AI가 병원을 추천할 때 하는 일은 '가장 그럴듯한 정답을 고르는 것'입니다. 이때 AI는 여러 출처에서 정보를 긁어와 서로 대조합니다. 병원 이름, 위치, 진료과목, 진료시간이 여러 곳에서 일관되게 확인되면 '이 정보는 믿을 만하다'고 판단하고 답변에 씁니다. 반대로 정보가 애매하거나 출처마다 다르면, AI는 굳이 위험을 감수하지 않고 더 명확한 경쟁 병원을 택합니다.

여기서 핵심은 '읽을 수 있느냐'가 아니라 '오해 없이 확신할 수 있느냐'입니다. 우리 홈페이지에 '평일 9시~6시'라고 적혀 있어도, AI 입장에선 그게 진료시간인지 상담시간인지 주차 가능 시간인지 단정하기 어렵습니다. 사람은 문맥으로 알지만 기계는 라벨이 없으면 추측만 할 뿐입니다. 추측한 정보는 인용 대상에서 제외됩니다.

그래서 AI 검색 최적화(AEO, Answer Engine Optimization — 검색이 아니라 'AI의 답변'에 인용되도록 최적화하는 작업)의 출발점은 화려한 콘텐츠가 아니라 '기본 정보를 기계가 확신할 수 있게 못 박는 일'입니다. 그 못이 바로 구조화 데이터이고, 병원의 경우 MedicalOrganization이라는 규격이 그 역할을 합니다.

구조화 데이터란 무엇인가 — 병원 정보에 붙이는 '기계용 라벨'

구조화 데이터란, 페이지에 담긴 정보 하나하나에 '이건 병원 이름', '이건 주소', '이건 전화번호'라고 기계가 알아볼 수 있는 라벨을 붙여 두는 것입니다. 마트 상품에 붙은 바코드를 떠올리면 쉽습니다. 사람은 상품을 눈으로 보고 알지만, 계산대 기계는 바코드를 찍어야 정확히 인식합니다. 구조화 데이터는 우리 병원 정보에 붙이는 바코드입니다.

이 규격은 전 세계가 함께 쓰는 공통 사전(Schema.org)을 따릅니다. 그중 의료기관을 위한 항목이 MedicalOrganization이며, 병원·의원·치과·한의원 등이 여기에 해당합니다. 이 규격에 맞춰 정보를 정리하면 구글·네이버 같은 검색엔진은 물론, 이들이 학습한 데이터를 참고하는 AI들도 우리 병원 정보를 '오해 없이' 받아들이게 됩니다.

기술적으로는 보통 JSON-LD라는 형식으로 홈페이지 코드 안에 심습니다. 원장님이 직접 코드를 짤 필요는 없습니다. 중요한 건 '어떤 정보를, 얼마나 정확하고 일관되게 넣느냐'라는 판단이지, 코드 자체가 아닙니다. 실제로 작업의 8할은 프로그래밍이 아니라 '우리 병원 기본 정보를 한 치의 오차 없이 확정하는 일'입니다.

MedicalOrganization 스키마의 핵심 항목 뜯어보기

스키마에는 넣을 수 있는 항목이 많지만, AI 인용에 실제로 힘을 발휘하는 것은 소수의 핵심 항목입니다. 이들을 정확히 채우는 것이 100개의 항목을 대충 채우는 것보다 낫습니다. 다음은 우선적으로 확정해야 할 항목입니다.

• 병원명(name): 간판·사업자등록·네이버·홈페이지에서 표기가 완전히 동일해야 합니다. '서울밝은치과의원'과 '서울밝은치과'가 섞이면 AI는 두 곳을 다른 병원으로 볼 수 있습니다.
• 주소(address): 도로명 기준으로 시·도, 구, 상세주소, 우편번호까지. 지도상 위치(위경도)까지 넣으면 '동네 병원' 질문에 훨씬 유리합니다.
• 전화번호(telephone)·URL: 대표번호와 공식 홈페이지 주소. 여기저기 다른 번호가 떠다니면 신뢰도가 깎입니다.
• 진료시간(openingHours): 요일별 시작·종료 시각과 휴진일. '토요일 진료 병원' 같은 질문의 답이 됩니다.
• 진료과목·전문분야(medicalSpecialty): 우리가 실제로 표방하는 진료 영역. 이것이 '무엇을 잘하는 병원인지'를 AI에게 알려주는 핵심 신호입니다.
• 지리 정보·부속 시설·결제수단 등: 주차 가능 여부, 예약 방식 같은 부가 정보는 구체적 질문의 답으로 연결됩니다.

주의할 점은, 스키마는 '홍보 문구'가 아니라 '사실 라벨'이라는 것입니다. 실제 페이지에 없는 정보를 스키마에만 넣거나, 효과·치료 결과를 단정하는 표현을 담으면 오히려 신뢰를 잃고 검색엔진의 제재 대상이 될 수 있습니다. 스키마의 미덕은 화려함이 아니라 정확성입니다.

스키마가 없으면 잃는 것, 있으면 얻는 것

먼저 잃는 것부터 봅시다. 스키마가 없으면 우리 병원은 AI에게 '실체가 흐릿한 병원'입니다. 후기가 아무리 많고 실력이 좋아도, AI가 인용을 결정하는 순간에 '이 병원이 정확히 어디의 무슨 병원인지' 확신하지 못하면 답변에서 빠집니다. 이건 광고비를 더 쓴다고 해결되는 문제가 아니라, 정보의 형식 자체가 인용의 문턱을 넘지 못하는 구조적 누락입니다.

더 뼈아픈 건 이 손실이 눈에 보이지 않는다는 점입니다. 광고는 클릭이 안 나오면 바로 알지만, AI 답변에서 빠지는 것은 리포트에 찍히지 않습니다. 환자는 조용히 옆 병원을 선택하고, 우리는 '왜 신규가 줄지?'만 반복합니다. 보이지 않는 유실이 가장 위험한 유실입니다.

반대로 얻는 것은 분명합니다. 기본 정보를 규격에 맞게 못 박아두면, '○○동 야간 진료', '주차 되는 소아과' 같은 구체적 질문에 우리 병원이 후보로 오릅니다. 스키마는 한 번 잘 심어두면 계속 작동하는 자산이고, 경쟁 병원 대부분이 아직 이 기본기를 갖추지 않은 지금이 격차를 벌릴 수 있는 시기입니다. 남들이 다 할 때는 이미 기본값일 뿐입니다.

오늘 당장 적용하는 5단계

거창한 프로젝트가 아니라, 순서대로 밟으면 되는 실무입니다. 코드를 모르는 원장님도 무엇을 지시하고 확인할지 알 수 있도록 정리했습니다.

1. 기본 정보 확정: 병원명·주소·전화·진료시간·진료과목을 한 문서에 확정합니다. 이 문서가 모든 채널의 '원본'이 됩니다.
2. 표기 통일: 홈페이지·네이버 플레이스·간판·전단·구글 비즈니스에 흩어진 정보를 이 원본과 한 글자까지 맞춥니다. 불일치를 제거하는 이 단계가 사실 가장 큰 효과를 냅니다.
3. 스키마 심기: 확정한 정보를 MedicalOrganization 규격(JSON-LD)으로 홈페이지에 삽입합니다. 개발사나 홈페이지 업체에 '전 페이지 공통 영역에 넣어달라'고 요청하면 됩니다.
4. 검증: 구글의 리치 결과 테스트 같은 무료 검증 도구로 오류가 없는지 확인합니다. 빨간 경고가 남아 있으면 AI는 그 정보를 신뢰하지 않습니다.
5. 확장: 기본기가 갖춰지면 의료진 소개, 자주 묻는 질문(FAQ), 개별 진료 페이지로 스키마를 넓혀 인용 접점을 늘립니다.

이 순서를 지키는 것이 중요합니다. 2번(표기 통일) 없이 3번(스키마)만 하면, 스키마와 실제 채널 정보가 어긋나 오히려 혼란을 키웁니다. 기초 공사 없이 인테리어부터 하는 격입니다.

병원들이 가장 많이 저지르는 실수

현장에서 반복되는 실수는 대체로 몇 가지로 좁혀집니다. 첫째, '넣기만 하면 된다'는 오해입니다. 스키마를 심어 놓고 검증을 안 해 문법 오류가 방치되는 경우가 흔합니다. 오류가 있는 스키마는 없는 것보다 나쁠 때도 있습니다. 반드시 검증 도구로 통과를 확인해야 합니다.

둘째, 정보 불일치입니다. 홈페이지엔 진료시간을 바꿨는데 스키마와 네이버는 예전 그대로인 경우, AI는 어느 쪽을 믿어야 할지 몰라 아예 인용을 포기합니다. 정보를 바꿀 때는 원본 문서를 먼저 고치고 모든 채널을 동시에 갱신하는 습관이 필요합니다.

셋째, 과장과 단정입니다. '최고', '100% 완치' 같은 표현이나 실제로 하지 않는 진료를 스키마에 넣는 것은 신뢰를 무너뜨립니다. 넷째, 대표 페이지 하나에만 넣고 끝내는 것입니다. 스키마는 병원을 대표하는 정보인 만큼 사이트 공통 영역에 두어 모든 페이지에서 일관되게 노출되도록 하는 편이 안전합니다.

검증과 유지관리 — 한 번 넣고 끝이 아니다

스키마는 심는 순간이 끝이 아니라 시작입니다. 병원 정보는 살아 있습니다. 진료시간이 바뀌고, 의료진이 바뀌고, 이전을 하기도 합니다. 그때마다 원본 문서와 모든 채널, 그리고 스키마를 함께 갱신해야 정보의 일관성이 유지됩니다. 이 갱신 루틴을 담당자 업무로 못 박아 두는 것이 중요합니다.

정기 점검도 필요합니다. 분기에 한 번 정도는 검증 도구로 오류를 다시 확인하고, 네이버·구글·홈페이지의 표기가 여전히 일치하는지 대조하길 권합니다. 검색 환경과 규격은 조금씩 진화하므로, 한 번 통과했다고 영원히 유효하다고 보장할 수는 없습니다.

마지막으로, 스키마는 AEO의 '기초 체력'이지 전부가 아닙니다. 기본이 갖춰진 뒤에는 환자가 실제로 묻는 질문에 답하는 콘텐츠, 신뢰를 보여주는 후기와 사례 정리로 확장해야 인용 접점이 넓어집니다. 다만 이 모든 것의 토대가 정확한 기본 정보라는 사실은 변하지 않습니다. 토대가 흔들리면 그 위의 어떤 노력도 온전히 전달되지 않습니다.

무엇부터 할지 — 우선순위와 체크리스트

오늘 원장님이 해야 할 일은 딱 하나부터입니다. 우선순위는 명확합니다. ① 병원 기본 정보를 한 문서로 확정하고 ② 모든 채널의 표기를 그 원본과 통일하는 것. 이 둘만 해도 AI가 우리 병원을 인식하는 정확도가 달라집니다. 스키마 삽입과 확장은 그다음입니다.

• 병원명·주소·전화·진료시간·진료과목을 한 문서에 확정했는가
• 홈페이지·네이버·구글·간판의 표기가 한 글자까지 일치하는가
• MedicalOrganization 스키마를 사이트 공통 영역에 심었는가
• 검증 도구로 오류 없이 통과했는가
• 정보 변경 시 원본·채널·스키마를 함께 갱신하는 담당과 주기를 정했는가

이 체크리스트에서 막히는 항목이 있다면, 그 지점이 바로 우리 병원이 AI 답변에서 빠지는 이유일 가능성이 큽니다. 어디가 비어 있는지부터 확인하는 것이 시작입니다. 우리 병원이 지금 AI에게 어떻게 인식되고 있는지, 어떤 정보가 어긋나 있는지 무료로 진단해 드리니, 현재 상태를 먼저 점검하는 것에서 출발해 보시길 권합니다.