환자가 챗GPT에 물어도 우리 병원만 빠지는 이유 — AI가 병원을 '읽는' 방식과 MedicalOrganization 스키마

환자가 챗GPT나 제미나이에 "○○동에서 임플란트 잘하는 치과 알려줘"라고 물었을 때, 옆 건물 병원은 답변에 이름이 뜨고 우리 병원은 언급조차 안 된다면 — 실력의 문제가 아니라 'AI가 우리 병원을 데이터로 이해하지 못하기 때문'일 가능성이 높습니다. 이 글은 AI가 병원을 어떻게 읽어 들이는지, 그리고 그 첫 관문인 MedicalOrganization 구조화 데이터(웹페이지 정보를 기계가 이해하도록 정리한 코드)를 원장님이 무엇부터 어떻게 적용해야 하는지 단계별로 정리합니다.

사람 눈에 보이는 홈페이지와 AI가 읽는 홈페이지는 다르다

우리가 병원 홈페이지를 볼 때는 로고, 진료과목 배너, 원장 사진, 오시는 길 지도를 '한눈에' 이해합니다. 하지만 AI는 사람처럼 화면을 보는 것이 아니라, 페이지 뒤에 깔린 텍스트와 코드를 순서대로 읽어 들입니다. 예쁜 이미지 안에 '평일 야간진료 8시까지'라고 적혀 있으면, 사람은 읽지만 AI는 그냥 그림 파일로 인식할 뿐 내용을 알지 못합니다.

여기서 첫 번째 간극이 생깁니다. 병원 입장에서는 "우리 정보 다 홈페이지에 있는데?"라고 생각하지만, AI 입장에서는 '어디가 병원 이름이고, 어디가 진료과목이며, 이 숫자가 전화번호인지 사업자번호인지' 구분할 근거가 없는 경우가 많습니다. AI가 답변에 특정 병원을 인용하려면, 그 병원의 정보를 '확신'할 수 있어야 하는데, 확신할 근거가 없으면 애초에 후보에서 빠집니다.

이 간극을 메우는 장치가 바로 구조화 데이터입니다. 쉽게 말해 홈페이지 곳곳에 '이것은 병원 이름입니다', '이것은 진료 지역입니다', '이것은 진료시간입니다'라는 보이지 않는 이름표를 붙여, 기계가 오해 없이 정보를 집어 가게 만드는 표준 규격입니다. 그중 의료기관 전용 규격이 MedicalOrganization(그리고 그 하위 유형인 병원·치과·의원)입니다.

흔한 오해 하나. "디자인 좋은 홈페이지를 새로 만들면 해결되겠지"라고 생각하기 쉽지만, 화려한 디자인과 AI 가독성은 별개입니다. 오히려 이미지·애니메이션 위주로 만든 고급 홈페이지일수록 텍스트 정보가 적어 AI에게는 '내용 없는 페이지'로 읽히는 역설이 자주 일어납니다.

AI가 병원을 답변에 올리기까지의 3단계 — 이해·신뢰·인용

AI가 특정 병원을 답변에 등장시키는 과정은 크게 세 단계로 나눌 수 있습니다. 이해(이 병원이 무엇을 하는 곳인지 파악) → 신뢰(정보가 일관되고 검증 가능한지 확인) → 인용(질문에 맞는 후보로 선택). 구조화 데이터는 이 중 첫 단추인 '이해'를 결정적으로 돕습니다.

왜 이 순서가 중요할까요. 사람은 정보가 조금 부실해도 맥락으로 채워 이해하지만, AI는 이해가 불확실하면 그 다음 단계로 넘어가지 않습니다. 즉 '이해' 단계에서 걸러진 병원은 아무리 실력이 좋아도 신뢰·인용의 무대에 오르지 못합니다. 마케팅 비용을 광고에 쏟기 전에, 기본 데이터가 AI에게 읽히는지부터 점검해야 하는 이유입니다.

손실의 관점에서 보면 이렇습니다. 지금 이 순간에도 잠재 환자들은 검색창이 아니라 대화형 AI에 "우리 동네에서 ○○ 잘 보는 곳"을 묻고 있습니다. 이때 후보 목록에 오르지 못하면, 그 환자는 우리 병원의 존재 자체를 모른 채 다른 곳으로 예약합니다. 광고처럼 '노출은 됐는데 클릭이 안 된' 것이 아니라, 아예 판 위에 올라가지 못한 완전한 유실입니다.

기회의 관점도 있습니다. 아직 대부분의 병원이 구조화 데이터를 제대로 갖추지 않았기 때문에, 지금 정비해 두면 경쟁 병원보다 먼저 'AI가 이해하는 병원'이 될 수 있습니다. 검색광고 단가 경쟁과 달리, 데이터 정비는 한 번 잘 해두면 오래 지속되는 자산이 됩니다.

MedicalOrganization 스키마에 꼭 담아야 할 핵심 정보

MedicalOrganization은 병원을 설명하는 정보 항목의 표준 목록이라고 이해하면 됩니다. 이 이름표를 홈페이지 코드에 넣어 두면, AI와 검색엔진이 병원의 기본 신원을 오해 없이 가져갑니다. 어렵게 느껴지지만, 실제로 채워야 하는 핵심 항목은 명함에 들어갈 정보와 크게 다르지 않습니다.

최소한 다음 항목은 정확하고 일관되게 채워야 합니다.

• 정식 명칭(name): 간판·사업자등록·네이버 지도와 완전히 동일한 이름. '○○치과의원'을 어떤 곳은 '○○치과', 어떤 곳은 '○○덴탈'로 섞어 쓰면 AI는 같은 병원인지 확신하지 못합니다.
• 주소·위치(address, geo): 도로명 주소와 위경도. '○○동에서'라는 지역 질문에 답하려면 위치 정보가 명확해야 합니다.
• 연락처(telephone): 대표 전화. 여러 번호가 있다면 대표번호 하나를 기준으로 통일합니다.
• 진료과목·전문분야(medicalSpecialty): 치과·정형외과 등 표준 분류. 이것이 질문 매칭의 핵심 단서입니다.
• 진료시간(openingHours): 요일별 시간, 야간·주말 진료 여부. '토요일 진료'라는 질문에 걸리는 결정적 정보입니다.
• 공식 웹사이트·소셜 링크(url, sameAs): 홈페이지와 공식 SNS, 지도 등록 페이지를 연결해 '같은 병원'임을 교차 확인시킵니다.

흔한 실수는 '있는 정보만 대충' 넣는 것입니다. 특히 진료과목과 진료시간은 비어 있는 경우가 많은데, 이 두 가지야말로 지역·시간 기반 질문에 병원을 매칭시키는 핵심 열쇠입니다. 반대로, 사실과 다른 정보를 넣는 것은 최악입니다. AI는 정보 간 모순을 발견하면 신뢰 단계에서 병원을 통째로 배제합니다.

정보 일관성(NAP)이 무너지면 스키마도 소용없다

구조화 데이터를 아무리 잘 넣어도, 홈페이지·지도·SNS·병원 정보 사이트에 적힌 병원 이름·주소·전화번호(흔히 NAP라 부르는 세 가지)가 서로 다르면 효과가 반감됩니다. AI는 여러 출처를 교차 대조해 '이 정보가 믿을 만한가'를 판단하기 때문입니다.

예를 들어 홈페이지에는 '○○동 123-4', 네이버 지도에는 '○○로 45', 블로그에는 옛 전화번호가 남아 있다면, 사람은 대수롭지 않게 넘기지만 AI에게는 '어느 것이 진짜인지 알 수 없는 병원'이 됩니다. 이사·번호 변경·리브랜딩을 한 병원에서 특히 자주 발생하는 문제입니다.

그래서 스키마 작업 전에 반드시 '정보 대조 정리'를 먼저 해야 합니다. 실무적으로는 이렇게 진행합니다.

1. 병원 정보가 노출되는 채널을 전부 나열합니다(홈페이지, 네이버·카카오 지도, 구글 비즈니스, 블로그, 예약 플랫폼, 각종 병원 디렉터리).
2. 각 채널의 이름·주소·전화번호를 한 표에 모아 서로 다른 부분을 찾아냅니다.
3. '정식 표기 기준'을 하나 정하고, 모든 채널을 그 기준에 맞춰 통일합니다.
4. 이 통일된 정보를 그대로 MedicalOrganization 스키마에 옮겨 담습니다.

이 정리만 제대로 해도 AI가 병원을 '하나의 확실한 실체'로 인식하는 데 큰 도움이 됩니다. 스키마는 이 일관된 정보를 기계어로 못 박아 주는 마지막 단계일 뿐, 정보 자체가 흔들리면 못을 박을 자리가 없습니다.

실제 적용은 어떻게 하나 — 기술을 몰라도 되는 실행 순서

원장님이 직접 코드를 짤 필요는 없습니다. 다만 무엇을 요청하고 무엇을 확인해야 하는지 알면, 홈페이지 담당 업체나 마케팅 대행사에 정확히 지시하고 결과를 검수할 수 있습니다. 방향을 아는 발주자와 모르는 발주자의 결과물은 크게 다릅니다.

일반적인 적용 순서는 다음과 같습니다.

1. 정보 확정: 앞 단계에서 통일한 병원 명칭·주소·전화·진료과목·진료시간을 문서로 정리합니다.
2. 스키마 코드 삽입: 홈페이지 담당자에게 'MedicalOrganization(또는 병원 유형에 맞는 하위 스키마)을 JSON-LD 형식으로 넣어 달라'고 요청합니다. JSON-LD는 구조화 데이터를 홈페이지에 심는 표준 방식으로, 화면 디자인을 건드리지 않고 배경에만 추가되므로 리뉴얼 없이 적용 가능합니다.
3. 검증: 구글의 '리치 결과 테스트'나 스키마 검증 도구에 페이지 주소를 넣어, 넣은 정보가 오류 없이 인식되는지 확인합니다. 여기서 경고·오류가 뜨면 반드시 수정합니다.
4. 지속 관리: 진료시간 변경, 이전, 새 진료과목 추가 등 정보가 바뀔 때마다 스키마도 함께 업데이트합니다.

가장 흔한 실수는 '한 번 넣고 방치'하는 것입니다. 야간진료를 중단했는데 스키마에는 그대로 남아 있으면, AI가 잘못된 정보를 퍼뜨려 오히려 신뢰를 잃습니다. 구조화 데이터는 세팅이 아니라 관리의 영역이라는 점을 기억해야 합니다. 또 하나, 검증 단계를 건너뛰는 경우가 많은데 — 넣었다고 인식되는 것이 아니라, 도구로 확인해야 비로소 '적용됐다'고 말할 수 있습니다.

스키마는 기본기일 뿐, 그 위에 콘텐츠가 쌓여야 한다

여기서 오해하면 안 되는 것이 있습니다. MedicalOrganization 스키마를 넣는다고 곧바로 모든 AI 답변에 병원이 뜨는 것은 아닙니다. 스키마는 'AI가 우리 병원을 정확히 이해하게 만드는 기본 신원증명'이지, 그 자체가 추천을 보장하는 마법이 아닙니다.

비유하자면, 스키마는 취업 시장의 '정확하게 작성된 이력서'와 같습니다. 이력서가 엉망이면 서류에서 탈락하지만, 이력서가 완벽하다고 곧바로 합격하는 것도 아닙니다. 이력서로 기본 자격을 통과한 뒤에는, 실제 실력을 보여 주는 '내용'이 필요합니다. AI 검색에서 그 내용에 해당하는 것이, 환자의 궁금증에 성실히 답하는 콘텐츠(진료 정보, 자주 묻는 질문, 진료 과정 안내 등)입니다.

그래서 실행 우선순위는 이렇게 잡는 것이 합리적입니다. 먼저 정보 일관성 정리와 MedicalOrganization 스키마로 '기본 신원'을 확실히 세우고(토대), 그다음 환자 질문에 답하는 콘텐츠와 자주 묻는 질문 페이지를 쌓아 올립니다(내용). 토대 없이 콘텐츠만 늘리면 AI가 그 콘텐츠를 특정 병원의 것으로 확신하지 못하고, 콘텐츠 없이 토대만 세우면 답변에 인용될 '이야깃거리'가 없습니다. 둘은 순서가 있는 한 쌍입니다.

오늘 당장 시작하는 우선순위와 체크리스트

정리하면, AI 답변에 우리 병원이 안 나오는 문제의 상당 부분은 실력이 아니라 '데이터가 읽히지 않는' 문제입니다. 그리고 그 해결의 출발점은 거창한 리뉴얼이 아니라, 정보를 일관되게 정리하고 MedicalOrganization 스키마로 못 박는 기본기입니다. 오늘 아래 순서대로 점검해 보시길 권합니다.

• 1순위 — 정보 대조: 홈페이지·지도·SNS의 병원 이름·주소·전화번호가 완전히 동일한지 오늘 확인한다. 다른 곳이 하나라도 있으면 우선 통일한다.
• 2순위 — 필수 항목 채우기: 진료과목과 진료시간(야간·주말 포함)이 텍스트로 명확히 적혀 있는지 확인한다. 이미지 안에만 있다면 텍스트로도 함께 노출한다.
• 3순위 — 스키마 적용 요청: 담당 업체에 MedicalOrganization JSON-LD 삽입을 요청하고, 검증 도구로 오류 없음을 확인받는다.
• 4순위 — 콘텐츠 쌓기: 환자가 실제로 묻는 질문을 정리해 답변 페이지로 만든다.
• 지속 — 정보 변경 시 스키마도 함께 갱신한다.

이 다섯 가지는 순서대로 밟을수록 효과가 큽니다. 위에서부터 하나씩만 정리해도, AI가 우리 병원을 '이해하고 신뢰하는' 확률은 눈에 띄게 올라갑니다.

혹시 우리 병원의 정보가 지금 AI에게 어떻게 읽히고 있는지, 어디서 정보가 어긋나 있고 어떤 필수 항목이 비어 있는지 스스로 진단하기 어렵다면, 현재 상태를 객관적으로 점검하는 무료 진단을 활용해 보셔도 좋습니다. 판단의 출발점은 언제나 '지금 우리가 어디에 서 있는지'를 정확히 아는 것입니다.