우리 병원이 AI 답변에 안 나오는 진짜 이유 — 'MedicalOrganization 스키마'라는 잃어버린 신분증

환자가 챗GPT나 구글 AI에 '○○동에서 임플란트 잘하는 치과 추천해줘'라고 물었을 때, 실력도 후기도 더 좋은 우리 병원은 빠지고 옆 건물 병원만 답변에 뜨는 경우가 있습니다. 이유는 진료의 질이 아니라, AI가 우리 병원을 '읽을 수 있는 형식'으로 정리해 두지 않았기 때문입니다. 이 글은 그 형식의 핵심인 'MedicalOrganization 스키마'가 왜 AI 인용의 기본인지, 그리고 원장이 오늘 무엇부터 어떻게 적용해야 하는지를 실무 단계까지 풀어드립니다.

AI는 우리 홈페이지를 '읽지' 않고 '해석'한다

사람은 병원 홈페이지에 들어오면 로고를 보고 '아, 여기가 △△치과구나', 지도를 보고 '역삼동이네', 하단 글씨를 보고 '평일 저녁 8시까지 하는구나'를 한눈에 파악합니다. 그러나 AI와 검색엔진은 이 화면을 사람처럼 '보는' 것이 아니라, 화면 뒤의 코드를 '해석'합니다. 문제는 예쁜 디자인, 이미지 속 글자, 감성적인 문장으로만 채워진 홈페이지는 기계 입장에서 '무슨 병원인지, 어디 있는지, 무엇을 하는지'가 불명확한 뿌연 안개와 같다는 점입니다.

여기서 등장하는 것이 '구조화 데이터(structured data)'입니다. 구조화 데이터란, 사람에게 보이는 화면과 별개로 '이 페이지의 주인은 병원이고, 이름은 △△치과, 위치는 서울 강남구, 진료과목은 치과, 진료시간은 이렇습니다'라고 기계가 알아듣는 표준 언어로 따로 적어 붙인 '요약 카드'입니다. 그리고 이 요약 카드를 작성하는 국제 표준 문법이 'Schema.org'이며, 그중 병·의원 전용 항목이 바로 'MedicalOrganization(의료기관)' 스키마입니다.

즉 스키마는 새로운 마케팅 기법이 아니라, 병원이 AI 세계에서 스스로를 소개하는 '디지털 신분증'입니다. 신분증이 없으면 아무리 실력이 좋아도 AI는 우리 병원을 '신원 미상'으로 분류하고, 신원이 확실한 경쟁 병원을 대신 인용합니다. AI가 답변에 특정 병원을 언급하려면, 그 병원이 '실재하며 검증 가능한 기관'이라는 최소한의 증거가 필요한데, 스키마가 바로 그 증거의 출발점입니다.

스키마가 없으면 잃는 것 — '검색 이전 단계'에서 탈락한다

과거에는 환자가 '강남 치과'를 검색하면 여러 병원 목록이 뜨고, 그중에서 고객이 직접 비교해 선택했습니다. 우리 병원이 5위든 8위든, 목록에는 올라 있으니 클릭될 기회가 있었습니다. 그러나 AI 답변은 다릅니다. AI는 목록을 나열하지 않고 '결론'을 말합니다. '이 근처에서는 A, B 병원이 좋은 평가를 받습니다'라는 한 문장에 이름이 들어가느냐 아니냐로 갈립니다. 여기서 빠지면, 환자는 우리 병원의 존재 자체를 인지하지 못합니다. 노출 기회가 줄어드는 게 아니라, 후보군에서 통째로 사라지는 것입니다.

이것을 '검색 이전 단계에서의 탈락'이라고 부를 수 있습니다. 환자는 이제 병원 이름을 검색하는 게 아니라 '증상'과 '동네'를 AI에게 말로 묻습니다. 이 대화형 질문의 답변에 인용되지 못하면, 홈페이지 방문·전화 문의·예약이라는 뒤의 모든 흐름이 시작조차 되지 않습니다. 반대로 기회 프레임으로 보면, 아직 대다수 병원이 스키마를 제대로 적용하지 않은 지금이 '먼저 신분증을 발급받는 자가 인용을 선점하는' 드문 시기이기도 합니다.

흔한 오해 하나를 짚겠습니다. '우리는 블로그도 열심히 쓰고 광고도 하는데 왜 AI에 안 뜨느냐'는 질문입니다. 콘텐츠와 광고는 '사람에게 보여주는' 활동이고, 스키마는 '기계가 이해하게 하는' 활동입니다. 아무리 좋은 글을 써도 그 글의 주체가 어떤 기관인지 기계가 특정하지 못하면, AI는 그 콘텐츠를 '출처 불명 정보'로 취급해 인용을 주저합니다. 콘텐츠라는 알맹이와 스키마라는 신분증은 함께 있을 때 비로소 힘을 냅니다.

AEO 시대, 스키마는 '선택'이 아니라 '입장권'

최근 마케팅에서 자주 나오는 'AEO'는 'Answer Engine Optimization', 즉 '답변엔진 최적화'의 약자입니다. 기존 SEO(검색엔진 최적화)가 '검색 결과 목록에서 위로 올라가는' 게임이었다면, AEO는 'AI가 만들어내는 답변 문장 안에 우리 병원이 인용되게 하는' 게임입니다. 그리고 이 답변엔진이 특정 기관을 안심하고 인용하려면 세 가지가 필요합니다. 첫째 그 기관이 실재한다는 증거, 둘째 무엇을 하는 곳인지 명확한 정의, 셋째 여러 곳에서 일관되게 확인되는 정보. 스키마는 이 세 가지를 한 번에 충족시키는 기본 장치입니다.

비유하자면, AI 답변이라는 무대에 오르려면 먼저 '입장권'이 있어야 합니다. 스키마는 그 입장권입니다. 입장권이 있다고 무조건 주인공이 되는 것은 아니지만, 입장권이 없으면 무대 뒤에서 아무리 뛰어난 실력을 갖춰도 무대 위로 불려 나올 수 없습니다. 많은 원장이 '어떻게 하면 AI 답변 1등이 될까'를 고민하지만, 실제로는 상당수 병원이 아직 입장권조차 없이 무대 밖에 서 있는 상태입니다.

또 하나 강조할 점은 '신뢰(E-E-A-T)'와의 연결입니다. 의료는 사람의 건강을 다루는 민감한 분야라, AI와 검색엔진은 의료 정보를 특히 보수적으로 다룹니다. '누가 말했는가'가 불분명한 의료 정보는 잘 인용하지 않습니다. MedicalOrganization 스키마로 '이 정보의 출처는 실재하는 인가된 의료기관 △△의원'임을 명시하면, AI가 우리 정보를 '책임 주체가 분명한 신뢰할 만한 출처'로 판단할 근거가 생깁니다.

MedicalOrganization 스키마에 반드시 담아야 할 핵심 항목

스키마는 개발자만의 영역처럼 보이지만, 원장이 '무엇을 담을지' 정확히 지시할 수 있으면 절반은 끝난 것입니다. 아래는 의료기관 스키마에 최소한으로 채워야 할 핵심 항목입니다. 빈칸 없이 채우는 것 자체가 경쟁력입니다.

• 기관명(name): 간판·사업자등록·네이버·구글에 등록된 것과 '토씨 하나까지' 동일하게. '△△의원'과 '△△ 의원'처럼 띄어쓰기만 달라도 기계는 다른 곳으로 볼 수 있습니다.
• 진료과목(medicalSpecialty): 치과·피부과·정형외과 등 기관의 전문 분야. 표준 용어로 명확히.
• 주소(address): 우편번호·시·구·도로명·상세주소를 항목별로 분리해서. 한 줄 텍스트가 아니라 구조화된 필드로.
• 위치좌표(geo)와 지도 연결: 위도·경도. '근처 병원' 질문에 잡히려면 위치 정보가 정확해야 합니다.
• 전화·예약 수단(telephone): 실제 연결되는 대표번호. 예약 페이지가 있다면 그 링크도.
• 진료시간(openingHoursSpecification): 요일별 시간, 점심시간, 휴진일. '야간·주말 진료'가 강점이면 이 항목이 특히 중요합니다.
• 홈페이지·공식 채널(url·sameAs): 공식 홈페이지 주소와 함께, 네이버 플레이스·구글 비즈니스·인스타그램 등 공식 채널 링크를 'sameAs'로 연결해 '이곳들이 모두 같은 병원'임을 알립니다.

여기서 가장 중요한 원칙은 '일관성'입니다. 홈페이지 스키마, 네이버 플레이스, 구글 비즈니스 프로필의 이름·주소·전화번호(업계에서는 이 세 가지를 'NAP'라 부릅니다)가 서로 조금이라도 다르면, AI는 '같은 병원인지 확신할 수 없다'며 신뢰도를 낮춥니다. 신분증·등본·명함의 이름이 제각각인 사람을 은행이 의심하는 것과 같은 이치입니다.

오늘부터 적용하는 5단계 실행 로드맵

거창한 시스템 개편 없이도 시작할 수 있습니다. 아래 순서대로 진행하면 됩니다.

1. 정보 대장부터 만든다(반나절): 기관명·주소·전화·진료과목·진료시간·공식 채널 링크를 문서 하나에 '정답본'으로 확정합니다. 이 정답본이 이후 모든 채널의 기준이 됩니다.
2. NAP 통일부터 한다(1일): 홈페이지·네이버 플레이스·구글 비즈니스 프로필의 이름·주소·전화를 정답본과 100% 일치시킵니다. 스키마를 붙이기 전에 이 정합성부터 맞춰야 효과가 납니다.
3. 스키마 코드를 홈페이지에 심는다: 홈페이지 제작사나 개발 담당자에게 'MedicalOrganization(또는 세부 유형인 Dentist·MedicalClinic 등) 스키마를 JSON-LD 형식으로 전체 페이지 공통 영역에 삽입해 달라'고 요청합니다. 위 정답본을 그대로 전달하면 됩니다.
4. 검증 도구로 오류를 잡는다: 구글의 '리치 결과 테스트'나 'Schema Markup Validator' 같은 무료 도구에 홈페이지 주소를 넣으면, 스키마가 제대로 인식되는지·빠진 항목은 없는지 즉시 확인됩니다. 빨간 오류가 없을 때까지 수정합니다.
5. 주기적으로 업데이트한다: 진료시간 변경, 이전, 전화번호 변경이 생기면 정답본과 모든 채널을 함께 갱신합니다. 스키마는 한 번 붙이고 끝이 아니라 '살아있는 신분증'으로 관리해야 합니다.

이 과정에서 원장이 직접 코드를 만질 필요는 없습니다. 다만 '무엇을 담아야 하는지'와 '왜 일관성이 중요한지'를 원장이 이해하고 있어야, 제작사에 정확히 지시하고 결과물을 검수할 수 있습니다. 맡기더라도 '무엇이 맞는 결과인지'는 알고 맡기는 것과 모르고 맡기는 것은 결과가 크게 다릅니다.

병원들이 가장 자주 저지르는 실수

현장에서 반복적으로 관찰되는 대표적인 실수들이 있습니다. 첫째, '스키마를 넣긴 넣었는데 검증을 안 하는' 경우입니다. 코드에 오타나 형식 오류가 하나만 있어도 기계는 그 스키마 전체를 무시할 수 있습니다. 붙였다는 사실보다 '오류 없이 인식되는지'가 핵심이며, 반드시 검증 도구로 확인해야 합니다.

둘째, '정보를 부풀리거나 다르게 적는' 경우입니다. 화면에 없는 진료과목을 스키마에만 넣거나, 실제와 다른 진료시간을 적으면, 이는 오히려 신뢰도를 떨어뜨립니다. 스키마의 정보는 반드시 실제 화면에 보이는 내용·실제 운영 사실과 일치해야 합니다. AI와 검색엔진은 '보이는 것과 코드가 다른' 상태를 조작 신호로 간주할 수 있습니다.

셋째, '한 번 붙이고 방치하는' 경우입니다. 병원 이전, 원장 변경, 진료시간 조정 후에도 스키마와 각 채널 정보를 그대로 두면, 오래된 잘못된 정보가 AI 답변으로 퍼져 오히려 환자에게 혼선을 줍니다. 넷째, '홈페이지에만 신경 쓰고 외부 채널을 방치하는' 경우입니다. 앞서 말한 NAP 일관성 때문에, 네이버·구글 등 외부 공식 채널이 홈페이지와 어긋나면 스키마의 효과가 반감됩니다. 스키마는 '홈페이지 안의 코드' 하나가 아니라 '병원의 모든 디지털 흔적을 한 병원으로 묶는 작업'의 시작점으로 이해해야 합니다.

지금 무엇부터 — 우선순위와 체크리스트

모든 걸 한 번에 하려다 아무것도 못 하는 것이 가장 흔한 결말입니다. 우선순위는 명확합니다. ①정보 정답본 확정 → ②NAP 통일 → ③스키마 삽입 → ④검증 → ⑤정기 관리, 이 순서를 지키면 됩니다. 특히 ①~②는 개발 지식 없이 원장·실장 선에서 오늘 바로 시작할 수 있고, 이것만 정리해도 AI가 우리 병원을 '식별'할 확률이 눈에 띄게 올라갑니다.

오늘의 체크리스트: (1) 기관명·주소·전화가 홈페이지·네이버·구글에서 완전히 일치하는가 (2) 진료과목·진료시간이 실제와 같고 빠짐없이 명시됐는가 (3) 홈페이지에 MedicalOrganization(또는 세부 유형) 스키마가 삽입돼 있는가 (4) 구글 검증 도구에서 오류 없이 인식되는가 (5) 공식 채널들이 sameAs로 연결돼 '같은 병원'임이 드러나는가.

다섯 항목 중 하나라도 '아니오'라면, 그 지점이 바로 우리 병원이 AI 답변에서 빠지는 구멍일 가능성이 높습니다. 스키마는 화려한 마케팅이 아니라 '기본기'입니다. 그러나 이 기본기가 되어 있느냐 아니냐로 AI 시대의 신규 환자 유입은 조용히, 그러나 결정적으로 갈립니다. 어디서부터 손대야 할지 판단이 서지 않는다면, 현재 우리 병원의 스키마·NAP 상태를 무료로 점검해 '어느 구멍부터 막아야 하는지' 확인해 보시길 권합니다. 진단은 언제나 처방보다 앞서야 하고, 다행히 진단은 오늘 당장 시작할 수 있습니다.