우리 병원이 챗GPT 답변에 안 나오는 진짜 이유 — 옆 병원만 추천받는 원장을 위한 MedicalOrganization 스키마 실전 가이드

AI 검색이 특정 병원을 답변에 인용하는 첫 번째 조건은 화려한 홈페이지가 아니라, 기계가 곧바로 이해할 수 있게 규격에 맞춰 정리된 '구조화 데이터'입니다. 그중에서도 의료기관 정보를 표준 형식으로 표시하는 MedicalOrganization 스키마는 AI가 우리 병원을 '실재하고 신뢰할 만한 의료기관'으로 인식하게 만드는 기본 뼈대입니다. 이 글은 왜 이것이 AI 인용의 출발점인지, 그리고 원장이 오늘 당장 무엇을 확인하고 어떻게 적용해야 하는지를 단계별로 정리합니다.

상황을 하나 그려 보겠습니다. 한 환자가 챗GPT나 제미나이에게 "○○동에서 임플란트 잘하는 치과 추천해줘"라고 묻습니다. 잠시 뒤 AI는 서너 곳의 병원 이름과 특징을 정리해 답합니다. 그런데 그 목록에 정작 그 동네에서 10년 넘게 자리를 지켜 온 우리 병원은 없고, 문을 연 지 얼마 안 된 옆 건물 병원이 버젓이 올라와 있습니다. 진료 실력이나 경력의 문제가 아닙니다. AI가 우리 병원의 '정보를 읽지 못했을' 뿐입니다.

이런 일이 반복되는 이유를 이해하려면, 먼저 AI 검색이 기존 검색과 어떻게 다르게 작동하는지부터 짚어야 합니다.

AI는 '검색'하지 않고 '답변'한다 — 그래서 읽히지 않으면 없는 병원이다

기존 포털 검색은 링크 열 개를 나열하고 선택을 사용자에게 맡깁니다. 반면 AI 검색은 여러 자료를 스스로 읽고 소화한 뒤, 하나의 완성된 답을 만들어 제시합니다. 이때 AI는 아무 정보나 쓰지 않고, '출처로 삼을 만하다'고 판단한 곳을 골라 인용합니다. 여기서 AEO(Answer Engine Optimization, 답변 엔진 최적화)라는 개념이 등장합니다. AEO란 검색 결과 상단이 아니라, AI가 만들어 내는 '답변 자체에 인용되도록' 우리 정보를 정리하는 작업을 뜻합니다.

문제는 AI가 사람처럼 페이지를 '보지' 못한다는 데 있습니다. 우리가 공들여 만든 대문 이미지, 세련된 배너, 원장 인사말 사진 — 이 모든 시각 요소를 AI는 대부분 그냥 지나칩니다. AI가 확실하게 읽는 것은 코드 뒤에 사실 단위로 정리된 데이터, 즉 '이 병원의 이름은 무엇이고, 어디에 있고, 무슨 진료를 하며, 언제 문을 여는가' 같은 명료한 정보입니다.

면접에 비유하면 이렇습니다. 한 지원자는 자기 경력을 말로만 두서없이 설명하고, 다른 지원자는 규격에 맞춰 정리된 이력서를 제출합니다. 면접관(AI)이 짧은 시간에 신뢰하고 인용하기 쉬운 쪽은 당연히 후자입니다. 옆 병원이 답변에 뜨는 이유는, 그들의 정보가 '기계가 읽는 이력서 형식'으로 정리돼 있고 우리 병원 정보는 그림과 문장 속에 흩어져 있기 때문인 경우가 대부분입니다.

즉, AI 시대에 '읽히지 않는 병원'은 실력과 무관하게 '존재하지 않는 병원'과 같습니다. 이 격차는 시간이 지날수록 벌어집니다. 한번 AI가 특정 병원을 신뢰할 만한 출처로 학습하면, 그 병원은 반복해서 인용되고, 우리는 계속 후보에서 빠지기 때문입니다.

구조화 데이터와 MedicalOrganization 스키마란 정확히 무엇인가

구조화 데이터(structured data)란, 웹페이지의 내용을 검색엔진과 AI가 오해 없이 읽을 수 있도록 정해진 규격에 맞춰 표시한 '설명표'입니다. 사람이 읽는 문장과 별개로, 페이지 안에 "이건 병원 이름, 이건 주소, 이건 진료시간"이라고 꼬리표를 붙여 두는 것이라고 이해하면 쉽습니다. 이 꼬리표는 보통 JSON-LD라는 코드 형식으로 페이지에 삽입하며, 화면에는 보이지 않지만 기계는 또렷하게 읽습니다.

그리고 이 꼬리표를 붙일 때 따르는 국제 표준 사전이 바로 스키마(schema), 정확히는 schema.org라는 공통 어휘 체계입니다. 상점, 식당, 인물 등 대상마다 정해진 유형이 있는데, 병원·의원·치과·한의원 같은 의료기관을 위한 유형이 바로 MedicalOrganization입니다. 우리 병원 정보를 이 유형에 맞춰 정리해 두면, AI는 "이곳은 임의의 웹사이트가 아니라 명확히 정의된 의료기관이다"라고 인식합니다.

이것이 AEO의 '기본기'로 불리는 이유가 여기 있습니다. 아무리 좋은 콘텐츠를 써도, AI가 그 콘텐츠를 만든 주체가 실재하는 의료기관인지 확신하지 못하면 인용을 주저합니다. MedicalOrganization 스키마는 그 확신을 주는 신원 증명서 역할을 합니다. 건물로 치면 인테리어나 간판이 아니라, 기초 골조에 해당합니다.

오해하기 쉬운 지점 하나. 스키마를 넣는다고 순위가 즉시 오르거나 인용이 보장되는 것은 아닙니다. 스키마는 '기회의 문을 여는 최소 조건'입니다. 문이 열려야 그다음 콘텐츠와 평판이 평가받을 수 있고, 문이 닫혀 있으면 아무리 좋은 내용도 평가 무대에 오르지 못합니다.

스키마가 없을 때의 손실, 있을 때의 기회

먼저 손실 관점입니다. MedicalOrganization 스키마가 없거나 부실하면, AI는 우리 병원의 실체와 진료 범위를 확신하지 못합니다. 그 결과 지역 기반 질문("근처 잘하는 곳")에서 후보군 자체에 들지 못하고, 정보가 잘 정리된 경쟁 병원에 인용 자리를 내줍니다. 더 뼈아픈 것은, 이 손실이 눈에 보이지 않는다는 점입니다. 홈페이지 방문자 수는 그대로여도, AI 답변이라는 새로운 관문에서 조용히 탈락하고 있는 것입니다.

반대로 기회 관점은 이렇습니다. AI 답변에 인용된다는 것은 단순 노출이 아니라 '추천'에 가깝습니다. 환자가 스스로 검색해 열 개 중 하나를 고르는 것과, 신뢰하는 AI가 "이런 곳들이 있습니다"라고 몇 곳을 짚어 주는 것은 심리적 무게가 다릅니다. 클릭하기도 전에 신뢰가 얹히는 셈입니다.

게다가 AI 인용은 누적 효과가 큽니다. 정보가 정확하고 일관되게 정리된 병원은 여러 질문 유형에서 반복적으로 등장하고, 이 반복이 다시 '신뢰할 만한 출처'라는 인식을 강화합니다. 지금 기초를 다져 두는 병원과 그렇지 않은 병원의 격차는, 1년 뒤에는 따라잡기 어려운 수준으로 벌어질 수 있습니다. 일반적으로 이런 기반 작업은 빠를수록 유리합니다.

MedicalOrganization에 반드시 담아야 할 핵심 항목

스키마는 그릇이고, 그 안에 채우는 정보의 정확성과 완결성이 인용 가능성을 좌우합니다. 다음은 우리 병원 스키마에 최소한 담아야 할 항목입니다.

• 병원명(name): 간판·사업자등록·포털에 표기된 정식 명칭과 완전히 동일하게.
• 진료과목·전문 분야(medicalSpecialty): "치과"에 그치지 말고 임플란트·교정 등 실제 진료 범위를 구체적으로.
• 주소(address)와 지도 좌표(geo): 지역 질문에 답하는 핵심. 위도·경도까지 있으면 더 정확합니다.
• 전화번호·대표 URL: 연락 수단과 공식 홈페이지 주소.
• 진료시간(openingHours): 요일별 시간, 점심시간, 휴진일까지.
• 대표원장·의료진 정보: 실명과 자격은 전문성·신뢰의 근거가 됩니다.
• 로고·대표 이미지: AI가 병원을 시각적으로 식별하는 단서.
• sameAs(연결 정보): 네이버·구글·인스타그램 등 병원의 다른 공식 채널 링크. AI가 여러 출처를 교차 확인하게 돕습니다.

여기서 가장 중요한 개념이 NAP 일관성입니다. NAP은 이름(Name)·주소(Address)·전화(Phone)의 약자로, 홈페이지·네이버 플레이스·구글 비즈니스·간판 등 모든 곳에서 이 세 가지가 글자 하나까지 똑같아야 한다는 원칙입니다. "강남점"과 "강남 지점", "02-1234-5678"과 "(02)1234-5678"처럼 사소해 보이는 차이도 AI에게는 "같은 병원이 맞나?"라는 의심을 남깁니다. 정보를 많이 넣는 것보다, 넣은 정보가 어디서나 일치하는 것이 먼저입니다.

오늘 당장 적용하는 5단계

거창한 리뉴얼이 아니라, 순서대로 밟으면 되는 실무 작업입니다. 홈페이지 관리 업체가 있다면 아래를 그대로 요청하셔도 됩니다.

1. 현재 상태 점검: 구글의 무료 구조화 데이터 검사 도구(리치 결과 테스트)에 우리 홈페이지 주소를 넣어, MedicalOrganization 스키마가 있는지·오류는 없는지 먼저 확인합니다. 대개 여기서 "아무것도 없음"을 발견합니다.
2. 정보 표준화(NAP 통일): 병원명·주소·전화·진료시간을 하나의 기준으로 확정하고, 홈페이지·네이버·구글 등 모든 채널을 이 기준에 맞춰 통일합니다.
3. JSON-LD 작성·삽입: 확정한 정보를 MedicalOrganization 형식의 JSON-LD로 만들어 홈페이지 각 페이지(특히 메인·병원소개)에 넣습니다. 표준 예시를 참고하면 개발 지식이 없어도 값만 바꿔 채울 수 있습니다.
4. 검증: 다시 검사 도구로 오류가 없는지 확인합니다. 경고를 방치하면 AI가 무시할 수 있습니다.
5. 본문과 일치·정기 갱신: 스키마에 적은 내용이 실제 페이지 텍스트에도 그대로 있어야 합니다. 그리고 진료시간·주소가 바뀌면 스키마도 함께 고칩니다.

이 다섯 단계는 대부분 반나절에서 하루 안에 끝낼 수 있는 분량이며, 한 번 제대로 세팅하면 이후에는 변경 사항만 반영하면 됩니다.

원장들이 가장 많이 하는 다섯 가지 실수

기초 작업일수록 사소한 실수가 전체를 무력화합니다. 아래는 현장에서 흔히 반복되는 패턴입니다.

• 스키마와 본문의 불일치: 코드에는 진료시간을 넣었는데 실제 페이지에는 없는 경우. AI는 확인되지 않는 정보를 신뢰하지 않으며, 심하면 조작으로 간주합니다.
• NAP 제각각: 채널마다 병원명·번호 표기가 미묘하게 다른 경우. 앞서 말한 대로 신원 확인이 흔들립니다.
• 한 번 넣고 방치: 확장 이전·진료시간 변경·번호 변경이 스키마에 반영되지 않아, 낡은 정보를 AI가 계속 인용하는 경우.
• 없는 사실의 과장: 받지 않은 인증·수상을 스키마에 넣는 것. 신뢰 회복이 매우 어려워지므로 사실만 담아야 합니다.
• 유형 오지정: 남의 코드를 복사해 유형이나 항목명이 병원과 맞지 않게 들어간 경우. 반드시 의료기관에 맞는 유형과 항목을 씁니다.

정리하면, 실수의 공통 뿌리는 '정확성'과 '일관성'입니다. 화려하게 많이 넣는 것보다, 사실만 어디서나 똑같이 유지하는 편이 언제나 강합니다.

스키마는 기본기일 뿐 — 함께 가야 완성된다

스키마가 문을 여는 열쇠라면, 그 방 안에서 환자와 AI를 맞이하는 것은 콘텐츠와 평판입니다. AI가 출처를 고를 때는 E-E-A-T — 경험(Experience)·전문성(Expertise)·권위(Authoritativeness)·신뢰(Trustworthiness)를 두루 봅니다. 스키마로 '누구인지'를 밝혔다면, 이제 '왜 믿을 만한지'를 콘텐츠로 보여 줘야 합니다.

구체적으로는, 환자들이 실제로 궁금해하는 질문에 성실히 답하는 안내 글과 FAQ가 큰 역할을 합니다. AI는 질문-답변 형태로 잘 정리된 내용을 특히 인용하기 좋아합니다. 또한 네이버·구글 등에 등록된 병원 정보와 후기의 방향이 홈페이지와 어긋나지 않고 일관돼야, AI가 여러 출처를 교차 확인하며 신뢰를 높입니다.

다만 이 모든 것은 검색·마케팅 최적화의 관점이며, 진료 효과나 치료 결과를 단정적으로 표현하는 콘텐츠는 오히려 신뢰를 해치고 규정에도 어긋날 수 있으니 피해야 합니다. 요지는 명확합니다. 스키마 없이 콘텐츠만 좋으면 무대에 오르지 못하고, 스키마만 있고 콘텐츠가 빈약하면 인용의 이유가 부족합니다. 둘은 함께 가야 완성됩니다.

무엇부터 할까 — 우선순위와 실행 체크리스트

오늘 당장 손을 댄다면, 다음 순서를 권합니다.

1. 구조화 데이터 검사 도구로 현재 상태부터 확인(있는지·오류인지).
2. 병원명·주소·전화·진료시간 NAP를 하나로 통일.
3. MedicalOrganization JSON-LD를 작성해 삽입하고 검증.
4. 본문 텍스트를 스키마와 일치시키고, FAQ·진료 안내 콘텐츠 보강.
5. 네이버·구글 등 외부 채널 정보를 홈페이지와 일치.

마지막으로 스스로 점검할 체크리스트입니다.

• 우리 홈페이지에 MedicalOrganization 스키마가 실제로 들어 있는가?
• 모든 채널의 병원명·주소·전화가 글자까지 동일한가?
• 진료시간·주소가 바뀌었을 때 갱신하는 담당자가 정해져 있는가?
• 스키마에 적은 내용이 실제 페이지에도 그대로 보이는가?
• 환자의 실제 질문에 답하는 콘텐츠가 준비돼 있는가?

기초가 없는 병원은 AI 답변이라는 새 관문에서 조용히 사라지고, 기초가 탄탄한 병원은 반복해서 추천됩니다. 실력의 차이가 아니라 '읽히느냐'의 차이입니다.

이 항목 중 하나라도 자신 있게 "예"라고 답하기 어렵다면, 우리 병원이 지금 AI 답변에서 어떤 상태인지부터 객관적으로 진단해 볼 필요가 있습니다. AI메디랩은 병원 홈페이지의 구조화 데이터와 NAP 일관성, AI 인용 가능성을 점검하는 무료 진단을 제공합니다. 큰 결심이 필요한 일이 아니라, 오늘 우리 위치를 확인하는 첫걸음이라고 생각하시면 됩니다.