우리 병원만 AI 답변에서 사라지는 이유 — MedicalOrganization 스키마가 인용의 첫 관문인 까닭

환자가 챗GPT나 구글 AI 답변에 '○○동에서 임플란트 잘하는 치과 알려줘'라고 물었을 때, 우리 병원이 아니라 늘 옆 건물 병원만 등장하는 데는 이유가 있습니다. 진료 실력이나 홈페이지 디자인의 문제가 아니라, AI가 우리 병원의 '정체'를 기계가 읽는 언어로 확인하지 못하기 때문입니다. 그 언어의 가장 기초 문법이 바로 MedicalOrganization 스키마이며, 이것이 없으면 AI는 우리 병원을 후보에서 조용히 제외합니다. 이 글은 그 구조화 데이터가 무엇이고, 왜 AI 인용의 첫 관문인지, 그리고 원장이 오늘 당장 무엇을 어떻게 넣어야 하는지를 정리합니다.

AI는 사람처럼 홈페이지를 '보지' 않는다

원장님이 홈페이지를 볼 때는 상단의 병원명, 큼직한 대표원장 사진, 진료과목 배너를 한눈에 파악합니다. 하지만 AI는 그렇게 '보지' 않습니다. AI는 페이지의 글자와 코드를 순서대로 읽어 내려가며 '이 텍스트 덩어리가 무엇을 뜻하는지'를 추측합니다. 사람에게는 명백한 '강남역 3번 출구 인근 정형외과'라는 정보가, AI에게는 그저 나열된 단어일 수 있습니다.

여기서 핵심 개념이 등장합니다. '구조화 데이터(structured data)'란, 사람이 보는 화면 뒤에 숨겨 두는 '기계 전용 설명표'입니다. 화면에는 안 보이지만, AI가 페이지를 읽을 때 '이곳은 의료기관이고, 이름은 △△의원, 주소는 여기, 진료과목은 이것, 전화번호는 이것'이라고 오해 없이 알려 주는 이름표라고 보면 됩니다. 이 이름표를 붙이는 표준 양식 중 의료기관 전용이 바로 MedicalOrganization입니다.

왜 이것이 결정적일까요. AI가 '어느 병원을 답변에 넣을까'를 고를 때는 확신이 서는 후보를 우선합니다. 정체가 명확한 병원은 안심하고 인용하지만, 이름·위치·진료범위가 애매하게 읽히는 병원은 '틀릴 위험'이 있어 배제합니다. 즉 구조화 데이터의 부재는 감점이 아니라, 애초에 후보 명단에 오르지 못하는 문제입니다.

현장 비유를 들면 이렇습니다. 아무리 실력 좋은 의사라도 명찰 없이 흰 가운만 입고 병원 로비에 서 있으면, 처음 온 환자는 그가 원장인지 방문 영업사원인지 알 수 없습니다. 스키마는 그 명찰입니다. 실력을 증명하는 것이 아니라, '내가 누구인지'를 오해 없이 밝히는 최소 장치입니다.

MedicalOrganization 스키마란 정확히 무엇인가

MedicalOrganization은 국제 표준 어휘집인 Schema.org가 정의한 '의료기관'을 뜻하는 데이터 유형입니다. 쉽게 말해, 전 세계 검색엔진과 AI가 공통으로 약속한 '병원 정보 서식'입니다. 이 서식에 우리 병원의 이름, 유형(치과·한의원·정형외과 등), 주소, 좌표, 전화번호, 진료시간, 홈페이지, 소셜 계정 같은 항목을 정해진 칸에 채워 넣습니다.

이 서식은 화면에 보이는 디자인과 무관하게, 페이지 코드 안에 조용히 심어 둡니다. 가장 널리 쓰는 방식은 JSON-LD라는 형태인데, 원장님이 직접 코딩할 필요는 없습니다. 대부분의 병원 홈페이지 제작 도구나 플러그인이 항목만 입력하면 자동으로 이 코드를 생성해 줍니다. 중요한 것은 '어떤 항목을, 얼마나 정확하게, 실제 정보와 일치하게' 채우느냐입니다.

의료기관 스키마가 일반 기업 스키마와 다른 지점은, 하위 유형으로 진료 성격을 세분화할 수 있다는 데 있습니다. 예컨대 치과, 병원, 약국, 검진기관 등을 구분해 표기할 수 있어, AI가 '이 병원이 어떤 진료를 하는 곳인지'를 더 또렷하게 파악합니다. '○○동 소아과'를 찾는 환자에게 우리 병원이 후보로 걸리려면, 우리가 소아 진료 기관임을 이 서식으로 명시해 두어야 합니다.

정리하면 MedicalOrganization은 세 가지 역할을 합니다. 첫째, 우리 병원이 '의료기관'임을 선언합니다. 둘째, 이름·위치·연락처 같은 핵심 신원을 오해 없이 못박습니다. 셋째, 진료 성격과 신뢰 신호(수상·소속·인증 등)를 덧붙여 AI가 맥락에 맞게 우리를 호출하도록 돕습니다.

스키마가 없으면 왜 후보에서 탈락하는가

AI가 지역 병원을 추천할 때 내부적으로 던지는 질문은 대략 이렇습니다. '이 텍스트가 정말 병원인가? 이름이 정확한가? 위치가 질문한 동네와 맞는가? 최신 정보인가?' 이 질문들에 근거로 답할 수 있는 병원만이 답변에 인용됩니다. 구조화 데이터는 이 질문들에 대한 '기계가 즉시 확인 가능한 답변서'입니다.

손실 프레임에서 보면 문제가 선명해집니다. 스키마가 없는 병원은, AI 입장에서 '확인 불가'로 분류됩니다. 확인 불가한 정보를 답변에 넣었다가 틀리면 AI 서비스의 신뢰가 깎이므로, AI는 보수적으로 그 병원을 뺍니다. 즉 우리 병원이 아무 잘못이 없어도, '검증이 어렵다'는 이유만으로 매일 조용히 후보에서 빠지고 있는 것입니다. 이 손실은 눈에 보이지 않기에 더 위험합니다.

기회 프레임으로 뒤집으면 이렇습니다. 아직 대다수 지역 병원이 구조화 데이터를 제대로 갖추지 않았습니다. 지금 정확한 스키마를 심는 것만으로도 '기계가 신원을 확인해 주는 소수의 병원'에 들어가, AI 답변의 인용 후보로 먼저 올라설 수 있습니다. 남들이 아직 명찰을 안 달았을 때 먼저 다는 셈입니다.

스키마의 부재는 '나쁜 점수'가 아니라 '후보 명단에 이름이 없는 상태'입니다. 점수가 낮으면 뒤에서라도 대기하지만, 명단에 없으면 아무리 실력이 좋아도 호명되지 않습니다.

오늘 당장 채워야 할 핵심 항목

모든 항목을 완벽히 채우려다 시작조차 못 하는 것이 가장 큰 함정입니다. 우선순위가 높은 필수 항목부터 정확히 채우는 것이 핵심입니다. 다음은 원장님이 담당자에게 그대로 전달할 수 있는 핵심 목록입니다.

• 정식 병원명: 간판·사업자등록증·건강보험 등록과 100% 동일한 표기. '△△의원'과 '△△병원'을 섞어 쓰지 말 것.
• 기관 유형: 치과·한의원·소아과 등 진료 성격을 명시.
• 주소와 좌표: 도로명 주소 전체와 지도상 위치(위도·경도). 지역 검색의 핵심입니다.
• 대표 전화번호: 환자가 실제 거는 번호. 대표번호와 예약번호가 다르면 혼선 없이 하나를 대표로.
• 진료시간: 요일별 시간, 점심시간, 휴진일. 특히 '토요일 진료 여부'는 자주 질문받는 항목.
• 홈페이지 및 소셜 계정: 공식 사이트, 블로그, 인스타그램 등 검증 가능한 채널 연결.
• 신뢰 신호: 대표원장 전문 분야, 소속 학회, 인증·수상 이력 등(사실만, 과장 금지).

이 항목들은 화려할 필요가 없습니다. 오히려 '정확성과 일치성'이 전부입니다. AI는 멋진 수식어가 아니라, 여러 곳에서 교차 확인되는 일관된 사실을 신뢰합니다.

실제 적용은 이 순서로 진행한다

실행 단계를 번호로 정리합니다. 담당자와 함께 위에서부터 하나씩 처리하면 됩니다.

1. 정보 확정: 병원명·주소·전화·진료시간을 사업자등록증과 건강보험 등록 기준으로 확정합니다. 여기서 '표준 표기 한 벌'을 정해 둡니다.
2. 스키마 생성: 홈페이지 제작 도구의 구조화 데이터 기능이나 플러그인에 확정 정보를 입력합니다. 직접 코딩이 어렵다면 담당 업체에 'MedicalOrganization JSON-LD를 넣어 달라'고 요청하면 됩니다.
3. 페이지 삽입: 생성된 코드를 홈페이지 메인과 '병원 소개' 페이지에 심습니다. 사이트 전체에 일관되게 적용하는 것이 이상적입니다.
4. 검증: 구글의 리치 결과 테스트 같은 무료 검사 도구에 우리 페이지 주소를 넣어, 스키마가 오류 없이 인식되는지 확인합니다. 오류·경고가 뜨면 해당 항목을 수정합니다.
5. 외부 일치 점검: 네이버 플레이스, 구글 비즈니스 프로필, 각종 병원 정보 사이트의 우리 병원 정보가 홈페이지 스키마와 똑같은지 대조합니다.
6. 주기적 갱신: 진료시간 변경, 이전, 전화번호 변경이 생기면 스키마도 즉시 함께 고칩니다. 오래된 정보는 신뢰를 오히려 깎습니다.

이 과정을 한 번 세팅해 두면, 이후에는 정보가 바뀔 때만 손보면 됩니다. 초기 세팅이 8할이고, 유지 관리는 분기에 한 번 점검하는 정도로 충분한 경우가 많습니다.

원장님들이 반복해서 저지르는 실수

현장에서 가장 흔한 실수는 '정보 불일치'입니다. 홈페이지에는 '△△의원', 네이버에는 '△△클리닉', 간판에는 '△△의원의원'처럼 미묘하게 다른 이름이 섞이면, AI는 '같은 곳인지 확신할 수 없다'고 판단해 신뢰도를 낮춥니다. 이름·주소·전화(흔히 NAP라 부르는 세 가지 — Name, Address, Phone)는 모든 채널에서 글자 하나까지 똑같아야 합니다.

두 번째 실수는 '보이는 내용과 다른 스키마'입니다. 화면에는 없는 진료과목이나 수상 이력을 스키마에만 슬쩍 넣는 것은 위험합니다. 검색엔진과 AI는 화면 내용과 숨은 데이터가 어긋나는 것을 문제로 간주하며, 이는 오히려 감점 요인이 됩니다. 스키마는 '화면에 실제로 있는 사실'을 기계 언어로 재확인하는 용도여야 합니다.

세 번째는 '한 번 넣고 방치'입니다. 이전하거나 진료시간을 바꿨는데 스키마를 안 고치면, AI는 옛 정보를 답변에 내보내 환자가 헛걸음합니다. 이 경우 마케팅 문제를 넘어 환자 경험과 병원 신뢰의 문제가 됩니다.

네 번째는 '과장 표기'입니다. 사실이 아닌 '최고·1위·유일' 같은 표현이나 근거 없는 이력은 넣지 않는 것이 원칙입니다. AI와 검색엔진은 검증 가능한 사실을 선호하며, 확인되지 않는 과장은 신뢰 신호가 아니라 위험 신호로 읽힙니다.

스키마는 시작일 뿐 — 신뢰의 그물망으로 확장하라

MedicalOrganization 스키마는 AI 인용의 '입장권'이지 '우승컵'이 아닙니다. 입장권을 손에 쥔 다음에는, 그 신원을 여러 곳에서 교차 확인시켜 주는 '신뢰의 그물망'을 넓히는 단계로 나아갑니다. AI는 한 페이지의 주장보다, 여러 출처가 같은 사실을 말할 때 훨씬 강하게 신뢰합니다.

구체적으로는 이렇게 확장합니다. 첫째, 구글 비즈니스 프로필과 네이버 플레이스의 정보를 홈페이지 스키마와 완전히 일치시킵니다. 둘째, 자주 받는 질문을 정리한 FAQ를 페이지에 두어 AI가 답변에 그대로 인용할 수 있게 합니다. 셋째, 대표원장 소개 페이지에 전문 분야·경력을 사실 기반으로 충실히 적어 '누가 진료하는가'를 명확히 합니다.

이 모든 것의 공통 원리는 하나입니다. '기계가 오해 없이, 여러 경로로, 같은 사실을 확인할 수 있게 하라.' 스키마는 그 원리를 가장 적은 노력으로 구현하는 출발점입니다. 그래서 무엇보다 먼저 손대야 하는 항목입니다.

마무리 — 무엇부터, 어떻게 시작할까

정리하면 우선순위는 명확합니다. 오늘 할 일은 딱 두 가지입니다. 첫째, 병원명·주소·전화·진료시간의 '표준 표기 한 벌'을 사업자등록 기준으로 확정한다. 둘째, 홈페이지에 MedicalOrganization 스키마를 심고 무료 검사 도구로 오류를 없앤다. 이 둘만 해도 '후보 명단에 이름조차 없던' 상태에서 벗어납니다.

실행 체크리스트로 요약합니다.

• 병원명·주소·전화가 홈페이지·네이버·구글에서 글자까지 동일한가
• MedicalOrganization 스키마가 홈페이지에 삽입되어 있는가
• 무료 검사 도구에서 오류·경고가 0인가
• 진료시간·휴진일이 최신인가
• 화면에 없는 내용을 스키마에만 넣지 않았는가
• 정보 변경 시 스키마도 함께 고치는 절차가 있는가

이 체크리스트에서 하나라도 '아니오'가 있다면, 그 항목이 지금 우리 병원이 AI 답변에서 빠지는 원인일 가능성이 큽니다. 스스로 점검이 막막하다면, 현재 홈페이지의 구조화 데이터 상태를 무료로 진단해 어떤 항목이 비어 있고 어디가 어긋나 있는지부터 확인해 보시길 권합니다. 시작은 거창한 개편이 아니라, '우리 병원이 누구인지'를 기계가 읽을 수 있게 정확히 밝히는 작은 한 걸음입니다.