우리 병원이 AI 답변에 안 나오는 진짜 이유 — MedicalOrganization 스키마부터 막혀 있다

환자가 챗GPT나 제미나이에 "○○동에서 임플란트 잘하는 치과 추천해줘"라고 물었을 때, AI가 우리 병원을 인용하려면 먼저 우리 병원이 '무엇을 하는 어떤 기관인지'를 기계가 오해 없이 이해할 수 있어야 합니다. 그 이해의 뼈대가 바로 MedicalOrganization 스키마, 즉 의료기관 정보를 AI가 읽는 언어로 번역해 둔 구조화 데이터입니다. 이 글은 왜 좋은 병원이 AI 답변에서 통째로 빠지는지, 그리고 원장님이 오늘 당장 무엇을 어떤 순서로 손봐야 하는지를 실무 단계까지 짚습니다.

환자는 이미 검색창이 아니라 AI에게 묻고 있다

진료실에서 만나는 환자들의 행동이 조용히 바뀌었습니다. 예전에는 포털에 '강남 치과'를 검색하고 상위 목록을 훑었다면, 지금은 챗GPT에게 "어금니가 시린데 어느 진료를 받아야 하고, ○○동 근처에 신경치료 잘 보는 곳 있어?"라고 문장으로 묻습니다. AI는 여러 병원 중 '자신이 확신을 가지고 설명할 수 있는' 소수만 골라 답변에 담습니다. 문제는, 이 선택 과정이 원장님 눈에 전혀 보이지 않는다는 점입니다.

여기서 많은 원장님이 오해합니다. "우리 홈페이지도 잘 만들었고 후기도 많은데 왜 안 나올까?" 사람이 보기에 멋진 홈페이지와, AI가 정보를 정확히 추출할 수 있는 홈페이지는 전혀 다른 문제입니다. 사람은 사진과 분위기로 신뢰를 느끼지만, AI는 그 안에서 '진료과목·위치·진료시간·전문성'이라는 사실 데이터를 뽑아낼 수 있느냐를 봅니다. 이 데이터가 흐릿하면 AI는 위험을 피하기 위해 우리 병원을 아예 언급하지 않습니다.

손실의 관점에서 보면 이것은 단순한 '노출 감소'가 아닙니다. 검색 결과 2페이지로 밀리는 것과, AI 답변에서 아예 존재하지 않는 병원이 되는 것은 차원이 다릅니다. 환자는 AI가 추천한 3~4곳 안에서 대부분 결정을 끝내기 때문에, 그 목록에 들지 못하면 비교 대상에조차 오르지 못합니다. 반대로 기회의 관점에서 보면, 아직 대부분의 병원이 이 작업을 하지 않았기 때문에 지금 기본기만 갖춰도 상당한 선점 효과를 노릴 수 있습니다.

AI는 홈페이지를 '읽지' 않는다 — 데이터를 '수거'한다

가장 먼저 바로잡아야 할 착각은 "AI가 사람처럼 우리 홈페이지를 정독한다"는 생각입니다. 실제로는 다릅니다. AI와 검색엔진은 페이지의 화려한 디자인이나 감성적인 문구보다, 페이지 뒤에 숨어 있는 '정리된 사실 데이터'를 우선 수거합니다. 사람에게 보이는 화면이 '겉옷'이라면, 기계가 읽는 데이터는 '신분증'에 해당합니다.

이 신분증 역할을 하는 것이 바로 구조화 데이터(Structured Data)입니다. 쉽게 말해, 우리 병원의 이름·진료과목·주소·전화번호·진료시간 같은 정보를 사람이 아닌 '기계가 오해 없이 읽도록' 정해진 형식에 맞춰 적어 둔 것입니다. 사람에게는 안 보이지만 페이지 안에 심어 두는 일종의 '병원 이력서'라고 생각하면 됩니다. 그리고 의료기관 이력서에 쓰는 표준 양식의 이름이 바로 MedicalOrganization 스키마입니다.

이 양식이 왜 중요한지는 반대 상황을 상상하면 분명해집니다. 이력서 없이 면접에 온 지원자를 떠올려 보십시오. 아무리 실력이 좋아도 면접관은 이름·경력·연락처를 일일이 되물어야 하고, 확신이 서지 않으면 다른 지원자를 택합니다. AI도 똑같습니다. 데이터가 구조화되어 있지 않으면 AI는 우리 병원 정보를 '추측'해야 하는데, 의료 정보는 잘못 말하면 큰 문제가 되는 민감한 영역이라 AI는 추측 대신 '침묵'을 택합니다. 이것이 좋은 병원이 답변에서 사라지는 핵심 메커니즘입니다.

흔한 실수 하나를 짚자면, "글자를 많이 넣으면 AI가 알아주겠지" 하고 소개글을 길게 늘리는 것입니다. 정보의 양이 아니라 정보의 '형식과 정합성'이 관건입니다. 흩어진 100줄의 소개글보다, 정확히 구조화된 10개의 핵심 항목이 AI에게는 훨씬 신뢰할 수 있는 근거가 됩니다.

MedicalOrganization 스키마, 최소한 이것만은 채워라

MedicalOrganization은 '이곳은 의료기관입니다'라고 AI에게 선언하는 최상위 표지판입니다. 치과·한의원·피부과 등은 여기서 파생된 세부 유형(예: Dentist, MedicalClinic)으로 더 정확히 지정할 수 있지만, 원장님이 개념적으로 기억할 것은 하나입니다. "우리 병원이 어떤 기관이고, 어디에 있고, 무엇을 하며, 언제 여는지"를 빠짐없이 기계어로 적어 둔다는 것.

실무적으로 우선 채워야 할 핵심 항목은 다음과 같습니다. 이 목록이 비어 있으면 AI는 우리 병원을 '불완전한 정보'로 판단해 인용을 주저합니다.

• 기관명(name): 간판·사업자등록·포털에 쓰는 이름을 하나로 통일. '○○치과의원'처럼 정식 명칭을 일관되게.
• 진료과목·전문분야(medicalSpecialty): 우리가 실제로 강점을 가진 진료를 명확히. 모든 걸 다 한다고 나열하기보다 핵심을 분명히.
• 주소(address): 도로명 주소를 시·구·동까지 정확히. AI가 '지역+진료' 질문에 답할 때 결정적.
• 전화번호(telephone)·홈페이지(url): 환자가 바로 연결될 수 있는 실제 연락 경로.
• 진료시간(openingHours): 요일별 시간과 점심·휴진일까지. "지금 문 연 병원" 같은 질문에 직결.
• 위치 좌표·지도 연동(geo): '내 근처' 질문에서 우리 병원이 후보에 들지 결정.
• 대표·소속 정보: 원장 정보와 기관의 연결성. 전문성 신호로 작동.

여기서 반드시 지킬 원칙은 '화면에 보이는 정보와 데이터가 100% 일치해야 한다'는 것입니다. 홈페이지 화면에는 진료시간이 '오후 6시까지'인데 구조화 데이터에는 '7시'로 적혀 있으면, AI는 둘 중 무엇도 믿지 않고 병원 전체 신뢰도를 낮춥니다. 실제와 다른 정보를 넣어 노출을 노리는 것은 단기적으로도 위험하고, 잘못된 안내로 환자 불만을 부르는 역효과까지 냅니다.

오늘 당장 시작하는 적용 5단계

이 작업은 대형 프로젝트가 아닙니다. 순서대로 밟으면 됩니다. 개발 지식이 없다면 3~5단계는 홈페이지 관리 업체나 전문 파트너에게 이 문서 그대로 전달하셔도 됩니다.

1. 정보 원장(原帳) 만들기: 기관명·주소·전화·진료시간·핵심 진료과목·원장 정보를 한 문서에 정리합니다. 이 '단 하나의 정답 문서'가 이후 모든 채널(홈페이지·지도·SNS)의 기준이 됩니다.
2. 채널 간 정보 일치 점검: 홈페이지·네이버/구글 지도·SNS·예약 페이지에 적힌 정보가 서로 다르지 않은지 대조합니다. 특히 이전·리모델링·진료시간 변경 후 방치된 옛 정보가 흔한 함정입니다.
3. MedicalOrganization 구조화 데이터 삽입: 정리한 정보를 표준 형식에 맞춰 병원 첫 화면 페이지에 심습니다. 직접 하기 어렵다면 담당자에게 "MedicalOrganization 스키마를 JSON-LD 형식으로 넣어 달라"고 요청하면 됩니다.
4. 검증하기: 구글의 '리치 결과 테스트' 같은 무료 검증 도구에 우리 페이지 주소를 넣으면 데이터가 오류 없이 읽히는지 즉시 확인됩니다. 빨간 오류 표시가 없어야 합니다.
5. 주기적 갱신 루틴화: 진료시간·전화·진료항목이 바뀌면 '정보 원장'부터 고치고 모든 채널에 반영합니다. 분기 1회 점검을 캘린더에 고정해 두면 정보가 낡는 것을 막습니다.

한 가지 현실적인 조언을 덧붙이면, 처음부터 완벽을 목표로 미루지 마십시오. 이름·주소·전화·진료시간·핵심 진료과목 다섯 가지만 정확히 넣어도 '아무것도 없는 병원'과는 완전히 다른 출발선에 섭니다. 나머지는 운영하며 채워 가면 됩니다.

원장님이 자주 빠지는 다섯 가지 함정

이 작업에서 성과를 깎아먹는 실수는 대체로 정해져 있습니다. 미리 알면 대부분 피할 수 있습니다.

• 정보 불일치를 방치: 홈페이지·지도·SNS의 전화번호나 진료시간이 제각각이면, 데이터를 아무리 잘 넣어도 신뢰 점수가 깎입니다. 통일이 최우선입니다.
• 과장·허위 기재: 하지 않는 진료를 강점으로 적거나 자격을 부풀리면 신뢰가 무너집니다. AI는 여러 출처를 교차 검증하기 때문에 어긋난 정보는 오히려 감점 요인입니다.
• '한 번 넣고 끝': 구조화 데이터는 살아 있는 정보입니다. 진료시간·연락처가 바뀌었는데 방치하면, 정확했던 데이터가 어느 순간 '틀린 정보'가 되어 역효과를 냅니다.
• 디자인만 신경 쓰고 데이터는 외면: 사람 눈에 예쁜 것과 기계가 읽기 쉬운 것은 별개입니다. 둘 다 필요합니다.
• 검증 생략: 심었다고 끝이 아닙니다. 형식 오류가 하나만 있어도 데이터 전체가 무시될 수 있으니 반드시 검증 도구로 확인해야 합니다.

비유하자면 구조화 데이터는 '병원 앞 도로 표지판'과 같습니다. 표지판이 없으면 아무도 못 찾아오고, 표지판이 틀리면 엉뚱한 곳으로 보내 신뢰를 잃습니다. 정확하고 최신인 표지판을 세워 두는 것, 그 이상도 이하도 아닙니다.

스키마는 시작일 뿐 — AI 인용을 부르는 신뢰 신호

MedicalOrganization 스키마는 '입장권'입니다. 이것이 없으면 후보에 들지 못하지만, 있다고 해서 자동으로 1순위가 되는 것은 아닙니다. AI가 여러 후보 병원 중 우리를 골라 인용하게 하려면, 구조화 데이터 위에 '내용의 신뢰 신호'를 얹어야 합니다.

가장 효과적인 것은 환자가 실제로 던지는 질문에 명확한 답을 문장으로 제공하는 것입니다. "신경치료는 몇 번 내원하나요", "진료 후 주의사항은" 같은 실제 질문을, 질문-답변 형식으로 정리해 두면 AI는 이를 그대로 인용하기 좋습니다. 이때도 특정 시술의 효과를 단정하는 표현은 피하고, 절차·소요·주의점 같은 사실 정보 중심으로 담는 것이 안전합니다.

또한 첫 문단에서 핵심을 2~3문장으로 완결하는 습관이 중요합니다. AI는 페이지 앞부분의 요약형 문장을 인용 근거로 자주 활용합니다. 결론을 글 맨 아래 숨기지 말고, 각 페이지 서두에 "이 병원은 무엇을, 어디서, 어떤 방식으로 한다"를 먼저 밝혀 두십시오. 구조화 데이터가 '기계용 요약'이라면, 이 서두 문단은 '사람과 AI가 함께 읽는 요약'입니다. 둘이 맞물릴 때 인용 확률이 눈에 띄게 올라갑니다.

무엇부터 할지 — 우선순위와 실행 체크리스트

정리하면, 순서는 단순합니다. 첫째, 우리 병원의 핵심 정보 다섯 가지(이름·주소·전화·진료시간·핵심 진료과목)를 '하나의 정답 문서'로 통일합니다. 둘째, 그 정보를 모든 채널에서 일치시킵니다. 셋째, MedicalOrganization 구조화 데이터로 첫 화면 페이지에 심고 검증합니다. 넷째, 실제 환자 질문에 답하는 문장형 콘텐츠를 얹습니다. 다섯째, 분기 1회 점검을 고정합니다.

• □ 기관명·주소·전화·진료시간·핵심 진료과목을 한 문서에 정리했는가
• □ 홈페이지·지도·SNS·예약 페이지의 정보가 서로 일치하는가
• □ MedicalOrganization 구조화 데이터를 첫 화면에 넣었는가
• □ 무료 검증 도구에서 오류 없이 읽히는가
• □ 화면에 보이는 정보와 데이터가 100% 같은가
• □ 실제 환자 질문에 답하는 문장형 콘텐츠가 있는가
• □ 정보 변경 시 갱신하는 점검 주기를 정해 두었는가

이 체크리스트를 절반만 채워도, 대부분의 경쟁 병원보다 앞선 출발선에 서게 됩니다. 중요한 것은 완벽이 아니라 '오늘 시작하는 것'입니다. 지금 이 순간에도 환자들은 AI에게 병원을 묻고 있고, 준비된 병원만 그 답변에 이름을 올리고 있습니다.

우리 병원이 지금 AI 답변에 어떻게 비치는지, 구조화 데이터가 제대로 심어져 있는지 스스로 판단하기 어렵다면, 현재 상태를 객관적으로 점검하는 무료 진단으로 출발점을 확인해 보시길 권합니다. 어디가 비어 있는지 아는 것만으로도 절반은 해결된 셈입니다.