우리 병원이 AI 답변에 안 나오는 진짜 이유 — AI가 병원을 '읽는' 방식과 MedicalOrganization 스키마

환자가 챗GPT나 구글 AI에게 "강남역 근처 야간진료 되는 내과 알려줘"라고 물었을 때, 우리 병원이 아니라 옆 건물 병원만 언급된다면 그 차이는 진료 실력이 아닙니다. AI가 두 병원 중 한 곳만 '이해할 수 있는 형태'로 정보를 갖고 있었기 때문입니다. 이 글은 그 '이해할 수 있는 형태'의 핵심인 MedicalOrganization 구조화 데이터가 무엇인지, 그리고 원장님이 오늘 무엇부터 손봐야 하는지를 다룹니다.

많은 원장님이 홈페이지를 새로 만들고, 블로그를 쓰고, 후기를 모읍니다. 그런데도 AI 답변에는 등장하지 않습니다. 이유는 단순합니다. 사람 눈에 예쁜 것과 기계가 읽기 좋은 것은 다른 문제이기 때문입니다. AI는 우리 홈페이지의 디자인을 감상하지 않습니다. 그 뒤에 숨은 '데이터의 구조'를 읽습니다.

AI는 병원을 '보지' 않고 '읽는다'

사람은 병원 홈페이지에 들어가면 로고를 보고, 진료시간 표를 눈으로 훑고, '아 여긴 소아과구나' 하고 직관적으로 파악합니다. 하지만 AI 검색엔진은 그렇게 동작하지 않습니다. AI는 웹페이지의 글자와 코드를 순차적으로 읽어 내려가면서 "이 병원의 이름은 무엇이고, 어떤 진료과이며, 주소와 전화번호는 무엇인지"를 스스로 추론해야 합니다.

문제는 이 추론이 자주 실패한다는 점입니다. 진료시간이 이미지로만 되어 있으면 AI는 그것을 읽지 못합니다. 병원 이름이 헤더 이미지 안에 박혀 있으면 텍스트로 인식되지 않습니다. "저희는 20년 전통의…"처럼 사람에게는 자연스러운 문장도, AI 입장에서는 '이 병원이 정확히 어떤 의료기관 유형인지'를 확정해 주지 못하는 모호한 정보입니다.

그래서 AI가 병원을 답변에 인용하려면, 사람이 읽는 화면과 별개로 '기계가 명시적으로 읽을 수 있는 데이터'가 필요합니다. 이것을 구조화 데이터(structured data)라고 부릅니다. 화면에는 보이지 않지만 페이지 코드 안에 심어 두는, AI를 위한 '설명 카드'라고 생각하면 쉽습니다.

MedicalOrganization 스키마란 무엇인가

스키마(schema)란 검색엔진과 AI가 공통으로 약속한 '정보 라벨링 규칙'입니다. 전 세계 검색엔진이 함께 만든 Schema.org라는 표준 사전이 있고, 그 안에 병·의원을 설명하기 위한 전용 항목이 바로 MedicalOrganization입니다. 우리말로 풀면 '의료기관'이라는 뜻의 구조화 데이터 유형입니다.

이 라벨을 붙이면 AI에게 이렇게 말하는 것과 같습니다. "여기 적힌 이 이름은 병원 이름입니다. 이건 진료과목이고, 이건 주소, 이건 진료시간, 이건 전화번호입니다." 사람이 눈으로 짐작해야 했던 것을 AI에게 명시적으로 못 박아 주는 셈입니다. 짐작이 사라지면 오인식도 사라집니다.

비유하자면, 명함을 아무 형식 없이 줄글로 적어 건네는 것과, 이름·직함·연락처가 칸별로 정리된 명함을 건네는 것의 차이입니다. AI 앞에서는 후자만이 안정적으로 읽힙니다. MedicalOrganization은 우리 병원의 '기계가 읽는 명함'인 것입니다.

참고로 이 유형 아래에는 병원(Hospital), 치과(Dentist), 의원(Physician) 등 더 구체적인 하위 유형도 있습니다. 우리 병원의 성격에 가장 맞는 유형을 고르면 AI가 더 정밀하게 우리를 분류하게 됩니다.

왜 지금 당장 중요한가 — 잃는 것과 얻는 것

먼저 잃는 쪽을 봅시다. 환자가 AI에게 병원을 물어 답을 얻는 흐름은 이미 시작됐고, 그 답변에 한 번 빠지면 우리 병원은 '검토 대상' 자체에서 제외됩니다. 검색 결과 2페이지로 밀리는 것과는 차원이 다릅니다. AI 답변에는 보통 소수의 후보만 언급되기 때문에, 아예 언급되지 않으면 그 환자에게 우리 병원은 존재하지 않는 것과 같습니다.

더 뼈아픈 건, 이 손실이 눈에 보이지 않는다는 점입니다. 전화가 안 온 이유, 예약이 옆 병원으로 간 이유를 원장님은 알 수 없습니다. 광고비를 늘려도 메워지지 않는 조용한 이탈이 매달 쌓입니다.

이제 얻는 쪽입니다. 구조화 데이터를 제대로 갖추면, AI가 우리 병원 정보를 신뢰하고 인용할 확률이 올라갑니다. 특히 지역·진료과·진료시간처럼 환자가 실제로 묻는 조건과 우리 데이터가 정확히 맞아떨어질 때 인용 가능성이 커집니다. 경쟁 병원 대부분이 아직 이 기본기를 갖추지 않았다는 점에서, 지금은 적은 노력으로 앞서갈 수 있는 시기이기도 합니다.

즉 MedicalOrganization 스키마는 '더 잘 보이기 위한 고급 기술'이 아니라, '후보 명단에 들기 위한 최소 자격'에 가깝습니다. 화려한 콘텐츠 전략은 이 기본기 위에 얹을 때만 효과를 냅니다.

우리 병원 데이터에 반드시 담아야 할 항목

구조화 데이터에 무엇을 넣을지가 결국 AI가 우리를 어떻게 이해할지를 결정합니다. 아래는 의료기관이라면 우선적으로 명시해야 할 핵심 항목입니다.

• 정식 병원명: 간판·사업자등록·홈페이지에서 쓰는 이름을 하나로 통일합니다. 'OO의원'과 'OO클리닉'을 혼용하면 AI가 다른 병원으로 오인할 수 있습니다.
• 진료과목·전문 분야: 내과, 치과, 피부과 등 성격을 명확히 합니다. 여러 과를 본다면 실제 진료하는 범위만 정확히 적습니다.
• 주소와 지역: 도로명 주소를 정확히. 환자는 대개 지역을 붙여 검색하므로 지역 정보의 정확성이 인용률을 좌우합니다.
• 전화번호: 대표번호 하나로 통일합니다.
• 진료시간: 요일별 시간과 휴진일, 야간·주말·점심시간을 구조화합니다. 이미지 표가 아니라 텍스트 데이터여야 AI가 읽습니다.
• 홈페이지·예약 링크: 공식 채널을 명시해 AI가 신뢰할 출처를 확정하게 합니다.

여기서 원칙은 하나입니다. '사람 화면에 보이는 정보'와 '데이터에 심는 정보'가 완전히 일치해야 한다는 것. 화면과 코드가 다르면 AI는 신뢰도를 낮추고, 검색엔진 정책상 불이익을 받을 수도 있습니다.

실전 적용 4단계 — 오늘부터 무엇을 하나

개념을 알아도 실행 순서가 없으면 손을 못 댑니다. 다음 순서대로 진행하면 됩니다.

1. 정보 정리(30분): 병원명·진료과·주소·전화·진료시간·홈페이지 주소를 한 문서에 정확히 적습니다. 이 문서가 모든 채널의 '기준값'이 됩니다.
2. 스키마 생성: 이 정보를 MedicalOrganization 형식의 구조화 데이터로 만듭니다. 직접 코드를 다루기 어렵다면 웹 담당자나 제작 업체에 "홈페이지에 MedicalOrganization 구조화 데이터를 JSON-LD 방식으로 넣어 달라"고 요청하면 됩니다. JSON-LD란 검색엔진이 권장하는, 화면과 분리해 데이터만 심는 표준 방식입니다.
3. 홈페이지에 삽입: 특히 메인 페이지와 '병원 소개' 페이지에 반영합니다. 이 두 페이지가 AI가 병원 정체성을 파악하는 기준점이 됩니다.
4. 검증: 구글의 리치 결과 테스트 같은 무료 검사 도구에 페이지 주소를 넣으면 스키마가 오류 없이 인식되는지 확인할 수 있습니다. 오류 표시가 있으면 그 항목만 고칩니다.

이 4단계는 대개 하루 안에 끝낼 수 있는 작업입니다. 콘텐츠를 100개 쓰는 것보다, 이 기본 데이터 하나를 정확히 심는 것이 AI 인용에는 더 결정적일 때가 많습니다.

원장님이 자주 저지르는 흔한 실수

기본기라 얕보기 쉽지만, 실제로는 사소한 곳에서 어긋납니다. 아래는 현장에서 반복되는 실수들입니다.

• 이름·주소·번호 불일치: 홈페이지, 네이버, 구글, 블로그에 적힌 정보가 조금씩 다릅니다. AI는 정보가 엇갈리면 신뢰도를 낮춥니다. 모든 채널을 '기준값' 하나로 통일해야 합니다.
• 진료시간을 이미지로만 표기: 예쁘게 디자인한 시간표 이미지는 AI가 못 읽습니다. 반드시 텍스트 데이터로도 존재해야 합니다.
• 과장·허위 정보: 실제로 하지 않는 진료를 데이터에 넣으면 신뢰를 잃고 정책 위반이 될 수 있습니다. 데이터는 사실만 담습니다.
• 한 번 넣고 방치: 이전·진료시간 변경·전화번호 교체가 있었는데 데이터를 갱신하지 않으면, 오히려 틀린 정보를 AI에 각인시키게 됩니다.
• 홈페이지 없이 방치: 공식 홈페이지가 없으면 AI가 신뢰할 '기준 출처'가 없습니다. 최소한의 공식 페이지는 갖추는 것이 우선입니다.

이 실수들의 공통점은 '진료 실력과 무관하다'는 것입니다. 그래서 더 억울합니다. 잘하는 병원이 데이터 관리 하나 때문에 AI 앞에서 존재감을 잃는 일은 지금도 흔히 벌어집니다.

기본기 위에 무엇을 얹을 것인가

MedicalOrganization 스키마는 완성이 아니라 출발선입니다. 이 데이터가 정확히 자리 잡으면, 그다음 노력들이 비로소 복리로 쌓이기 시작합니다.

예컨대 환자들이 자주 묻는 질문과 답을 정리한 FAQ를 구조화하면 AI가 그 문답을 그대로 인용하기 쉬워집니다. 진료 후기나 지역 정보처럼 사람에게 유용한 콘텐츠도, 기본 데이터가 정확할 때 우리 병원의 것으로 올바르게 귀속됩니다. 반대로 기본 데이터가 흔들리면, 아무리 좋은 콘텐츠를 써도 AI가 그것을 옆 병원 것과 헷갈리거나 출처를 확정하지 못합니다.

정리하면 순서가 중요합니다. 콘텐츠·후기·광고는 그 위층이고, 구조화 데이터는 1층 기초입니다. 기초 없이 층을 올리면 흔들립니다. 그래서 원장님이 마케팅에 쓸 시간이 제한적이라면, 가장 먼저 손대야 할 것은 화려한 콘텐츠가 아니라 바로 이 기본 데이터입니다.

마무리 — 무엇부터, 그리고 확인 체크리스트

지금까지의 내용을 원장님이 실제로 실행할 수 있는 우선순위로 압축하면 이렇습니다. 위에서부터 순서대로 처리하면 됩니다.

1. 병원명·진료과·주소·전화·진료시간·홈페이지 주소를 하나의 '기준값' 문서로 통일한다.
2. 모든 외부 채널(네이버·구글·블로그)의 정보를 이 기준값과 일치시킨다.
3. 홈페이지 메인과 소개 페이지에 MedicalOrganization 구조화 데이터를 심는다(직접 어렵다면 담당자에게 요청).
4. 무료 검사 도구로 스키마가 오류 없이 인식되는지 확인한다.
5. 진료시간을 이미지가 아닌 텍스트 데이터로도 반드시 둔다.
6. 정보 변경이 생길 때마다 데이터를 즉시 갱신하는 규칙을 정한다.

이 여섯 가지만 지켜도 우리 병원은 AI가 '이해할 수 있는 병원'이 됩니다. 그 이해가 곧 인용의 전제입니다. 반대로 이 기본기가 비어 있는 한, 다른 어떤 마케팅도 새는 독에 물을 붓는 일이 됩니다.

만약 우리 병원이 지금 AI 답변에 어떻게 비치고 있는지, 어떤 항목이 빠져 있는지 스스로 판단하기 어렵다면, 현재 상태를 점검받아 보는 것부터 시작하길 권합니다. 무엇이 빠졌는지 아는 것만으로도 개선의 절반은 끝난 셈이기 때문입니다.