챗GPT가 옆 병원만 추천하는 진짜 이유 — AI는 우리 병원 홈페이지를 '읽지' 못하고 있습니다

환자가 챗GPT나 AI 검색에 '○○동 임플란트 잘하는 치과'를 물을 때 우리 병원이 언급되지 않는 이유는 실력이 부족해서가 아니라, 대개 AI가 읽을 수 있는 형태로 병원 정보를 정리해 두지 않았기 때문입니다. 그 정리의 국제 표준이 MedicalOrganization 스키마, 곧 '의료기관 구조화 데이터'입니다. 이 글은 스키마가 무엇이고 왜 AI 인용의 기본이 되는지, 그리고 우리 병원에 오늘 당장 어떻게 적용하는지를 단계별로 짚습니다.

왜 우리 병원만 AI 답변에서 빠질까 — 문제의 진짜 위치

많은 원장님이 이렇게 생각합니다. '우리가 옆 병원보다 장비도 좋고 경력도 긴데, 왜 AI는 우리를 언급하지 않을까.' 그런데 AI가 답을 만들 때 참고하는 것은 '누가 더 잘하느냐'가 아니라 '누구의 정보를 명확하게 이해할 수 있느냐'입니다. 아무리 뛰어난 병원이라도 그 사실이 기계가 읽을 수 있는 형태로 정리돼 있지 않으면, AI의 시야에는 존재하지 않는 병원과 같습니다.

여기서 짚어야 할 개념이 AEO(Answer Engine Optimization, 답변 엔진 최적화)입니다. 기존 검색이 '링크 목록을 상위에 띄우는 경쟁'이었다면, AEO는 'AI가 만드는 하나의 답변 안에 우리 병원을 포함시키는 경쟁'입니다. 환자는 이제 열 개의 링크를 훑지 않고, AI가 정리해 준 한 문단을 읽습니다. 그 한 문단 안에 우리 병원 이름이 들어가느냐 마느냐가 성패를 가릅니다.

그리고 그 한 문단에 포함되려면, AI가 우리 병원을 '무엇을 하는, 어디에 있는, 어떤 진료를 보는 기관'이라고 오해 없이 인식해야 합니다. 홈페이지를 예쁘게 만드는 것과, 기계가 그 내용을 정확히 해석하도록 만드는 것은 전혀 다른 작업입니다. 문제의 진짜 위치는 디자인이나 광고비가 아니라, 바로 이 '기계 가독성'에 있습니다.

AI는 우리 홈페이지를 사람처럼 '보지' 않는다

사람이 병원 홈페이지를 열면 로고, 사진, 진료시간표를 눈으로 훑으며 자연스럽게 '아, 강남에 있는 소아 전문 치과구나'라고 이해합니다. 하지만 AI와 검색엔진은 화면을 눈으로 보는 것이 아니라, 코드로 된 텍스트 덩어리를 읽습니다. 우리 눈에는 명확한 '진료시간 09:00~18:00'이라는 표가, 기계에게는 그저 위치도 맥락도 없는 숫자와 글자의 나열일 수 있습니다.

여기서 등장하는 것이 '구조화 데이터(structured data)'입니다. 쉽게 말해, 사람이 보는 화면 뒤에 기계만 읽는 '설명 라벨'을 숨겨 붙여 두는 것입니다. '이 숫자는 진료시간입니다', '이 글자는 병원 이름입니다', '이 주소는 우리 지점의 위치입니다'라고 기계에게 또박또박 알려주는 겁니다. 이 라벨의 국제 표준 어휘집이 Schema.org이고, 의료기관을 설명하는 전용 항목이 바로 MedicalOrganization입니다.

비유하자면 이렇습니다. 외국 공항 입국심사대에서 아무리 유창하게 우리말로 설명해도 심사관은 알아듣지 못합니다. 하지만 여권 한 장을 내밀면 이름·국적·생년월일이 정해진 칸에 담겨 있어 즉시 신원이 확인됩니다. 구조화 데이터는 우리 병원이 AI에게 내미는 '여권'입니다. 홈페이지 본문이 우리말 설명이라면, 스키마는 만국 공통 양식의 신분증인 셈입니다.

이 라벨은 보통 JSON-LD라는 형식으로 홈페이지 코드 안에 조용히 삽입됩니다. 화면에는 아무것도 표시되지 않아 환자는 존재조차 모르지만, AI와 검색엔진은 페이지를 방문하는 순간 이 라벨을 먼저 읽고 '이 병원은 이런 기관이구나'를 오해 없이 파악합니다. 있고 없고의 차이가, AI 답변에 뜨고 안 뜨고의 차이로 이어집니다.

MedicalOrganization 스키마란 무엇인가 — 병원의 디지털 신분증

MedicalOrganization은 '이 웹사이트의 주인은 의료기관이다'라고 선언하는 스키마 항목입니다. 그 아래로 치과는 Dentist, 병원은 Hospital, 의원·클리닉은 MedicalClinic처럼 더 구체적인 유형을 지정할 수 있습니다. 유형을 정확히 지정할수록 AI는 우리 병원을 관련 질문의 후보로 더 좁고 정확하게 인식합니다.

이 신분증 안에는 병원명, 주소, 전화번호, 진료시간, 홈페이지 주소, 대표 이미지 같은 기본 정보가 정해진 칸에 담깁니다. 여기에 우리가 보는 진료 과목, 지역, 예약 방법까지 라벨로 붙이면, AI는 '강남역 근처, 야간 진료 되는, 소아 진료 보는 치과'라는 질문에 우리 병원을 매칭할 재료를 갖추게 됩니다. 재료가 없으면 아무리 좋은 병원이어도 후보에 오르지 못합니다.

중요한 점은 이것이 '옵션'이 아니라 '기본'이라는 것입니다. 화려한 콘텐츠 마케팅이나 리뷰 관리는 그 다음 단계입니다. 기본 신분증도 없이 상위 전략부터 손대는 것은, 주소도 간판도 없는 건물에 값비싼 인테리어부터 넣는 것과 같습니다. AI 시대의 병원 마케팅은 '기계가 우리를 정확히 이해하게 만드는 것'에서 출발해야 합니다.

왜 이것이 AI 인용의 '기본'인가 — 잃는 것과 얻는 것

먼저 손실 관점입니다. 스키마가 없으면 AI는 우리 병원 정보를 추측으로 채우거나, 아예 언급을 포기합니다. 더 위험한 것은 잘못된 추측입니다. 오래된 지도 정보나 낡은 블로그를 근거로 이전한 옛 주소, 바뀐 진료시간, 심지어 폐업한 옆 병원의 정보와 뒤섞여 소개될 수 있습니다. 환자는 그 잘못된 안내를 우리 병원의 공식 정보로 받아들입니다. 침묵보다 오정보가 더 큰 손실인 이유입니다.

이번엔 기회 관점입니다. 스키마가 제대로 갖춰지면 AI는 신뢰할 수 있는 1차 정보원으로 우리 병원 홈페이지를 우선 참고합니다. 지역 질문, 진료 과목 질문, '야간 진료 되는 곳' 같은 조건 질문에서 후보로 떠오를 확률이 올라갑니다. 광고비를 계속 태우지 않아도, 한 번 잘 정리해 둔 데이터가 반복적으로 인용되는 구조가 만들어집니다.

일반적으로, 같은 지역에서 실력이 비슷한 두 병원이 있을 때 AI가 참고하기 쉬운 쪽은 정보가 기계 친화적으로 정리된 병원입니다. 이것은 특정 시술이 더 뛰어나다는 이야기가 아니라, 순전히 '읽히기 쉬운가'의 문제입니다. 실력 경쟁 이전에 인식 경쟁에서 지고 있다면, 가장 먼저 손봐야 할 곳이 바로 이 지점입니다.

우리 병원에 꼭 담아야 할 항목 체크리스트

다음은 MedicalOrganization 스키마에 담기는 핵심 항목입니다. 하나씩 우리 홈페이지에 정확한 값이 들어가 있는지 점검해 보십시오.

• 정식 병원명: 간판·사업자등록·지도에 쓰는 이름이 모두 일치해야 합니다. 표기가 제각각이면 AI는 서로 다른 병원으로 오인할 수 있습니다.
• 주소와 지역: 도로명 주소를 정확히. 지점이 여럿이면 각 지점을 별도로 명시합니다.
• 전화번호: 대표번호를 통일된 형식으로. 홈페이지·지도·스키마의 번호가 전부 같아야 합니다.
• 진료시간: 요일별 시간, 점심시간, 휴진일, 야간·주말 진료 여부까지 구체적으로.
• 진료 과목·전문 분야: 우리가 실제로 보는 진료를 명확한 단어로. 모호한 홍보 문구가 아니라 검색되는 실제 용어로 적습니다.
• 홈페이지·예약 경로: 공식 URL과 예약 방법을 연결합니다.
• 대표 이미지: 병원을 대표하는 이미지 주소를 지정합니다.

여기서 가장 중요한 원칙은 '일관성'입니다. 홈페이지에 적힌 정보, 지도에 등록된 정보, 스키마에 담긴 정보가 서로 어긋나면 AI는 무엇을 믿어야 할지 몰라 신뢰도를 낮춥니다. 세 곳의 정보를 완전히 일치시키는 것만으로도 인식률이 눈에 띄게 개선되는 경우가 많습니다.

오늘부터 적용하는 5단계

거창한 리뉴얼 없이도 시작할 수 있습니다. 순서대로 밟으면 됩니다.

1. 정보 대장 만들기: 병원명·주소·전화·진료시간·과목을 한 장으로 정리하고, 홈페이지와 지도의 값을 대조해 서로 다른 부분을 먼저 통일합니다.
2. 병원 유형 정하기: 우리가 치과인지 의원인지 병원인지, MedicalOrganization 아래 어떤 세부 유형에 해당하는지 확정합니다.
3. 스키마 코드 삽입: 정리한 정보를 JSON-LD 형식의 라벨로 만들어 홈페이지 모든 페이지의 코드에 넣습니다. 웹 담당자나 제작 업체에 '전 페이지에 MedicalOrganization JSON-LD를 넣어 달라'고 요청하면 됩니다.
4. 검증하기: 삽입 후에는 구글의 리치 결과 테스트 같은 무료 검사 도구로 오류가 없는지 확인합니다. 라벨은 있으나 오류가 있으면 없느니만 못합니다.
5. 주기적 갱신: 진료시간·전화·지점이 바뀌면 스키마도 함께 고칩니다. 낡은 라벨은 오정보의 원천이 됩니다.

이 다섯 단계는 대부분 하루 이틀이면 충분합니다. 새로운 광고 예산도, 대대적인 홈페이지 개편도 필요 없습니다. '이미 가진 정보를 기계가 읽을 수 있게 정리한다'는 개념만 이해하면 됩니다.

원장님이 자주 저지르는 실수 5가지

현장에서 반복되는 실수들입니다. 미리 알면 피할 수 있습니다.

• 정보 불일치: 홈페이지엔 새 주소, 지도엔 옛 주소가 남아 있는 경우. AI는 혼란스러워하며 신뢰도를 낮춥니다.
• 넣고 방치: 한 번 넣고 진료시간이 바뀌어도 갱신하지 않는 경우. 오래된 라벨이 잘못된 안내를 만듭니다.
• 과장 표기: 실제 보지 않는 진료까지 라벨에 욱여넣는 경우. 실제 페이지 내용과 어긋나면 오히려 신뢰를 잃고, 의료 표현 규정 문제로도 번질 수 있습니다.
• 검증 생략: 코드는 넣었지만 오류 검사를 안 해 문법이 깨진 채 방치되는 경우. 기계는 깨진 라벨을 무시합니다.
• 일부 페이지만 적용: 메인에만 넣고 진료 안내·오시는 길 페이지엔 누락한 경우. 환자가 실제 도달하는 페이지에도 라벨이 있어야 합니다.

다섯 가지 모두 근본 원인은 하나입니다. 스키마를 '한 번 하는 이벤트'로 보는 것. 이것은 간판처럼 계속 관리하는 병원의 기본 정보 시스템으로 다뤄야 합니다.

무엇부터 할지 — 우선순위와 마무리

바쁜 원장님이라면 순서는 명확합니다. 첫째, 홈페이지·지도·내부 자료의 병원 정보를 완전히 일치시킵니다. 이것만으로도 오정보 위험이 크게 줄어듭니다. 둘째, MedicalOrganization 스키마를 전 페이지에 삽입하고 검증합니다. 셋째, 갱신 담당자를 정해 정보가 바뀔 때마다 스키마도 함께 고치는 루틴을 만듭니다.

실력은 오프라인에서 증명되지만, AI 시대의 첫인상은 '기계가 우리를 정확히 이해하는가'에서 결정됩니다. 그 이해의 출발점이 구조화 데이터입니다.

정리하면, 우리 병원이 AI 답변에서 빠지는 이유는 대개 실력이 아니라 '읽힐 준비'의 부재입니다. MedicalOrganization 스키마는 화려한 전략이 아니라, 그 준비의 가장 기본이 되는 토대입니다. 오늘 정보 대장 한 장을 만드는 것부터가 시작입니다.

혹시 우리 병원 홈페이지에 이 스키마가 제대로 들어가 있는지, 정보가 일관되게 정리돼 있는지 스스로 판단하기 어렵다면, 현재 상태를 객관적으로 점검해 보는 것부터 권합니다. AI메디랩은 병·의원의 AI 검색 노출 상태를 무료로 진단해, 지금 우리 병원이 기계에게 어떻게 읽히고 있는지, 무엇부터 손봐야 하는지를 리포트로 제공합니다. 광고가 아니라, 출발점을 확인하는 도움 관점의 점검이라 생각하시면 됩니다.