우리 병원이 AI 답변에 안 나오는 진짜 이유 — 환자는 이미 챗GPT에게 병원을 묻고 있다

환자가 챗GPT나 구글의 AI 개요(검색 결과 맨 위에 뜨는 AI 요약)에게 "○○동 임플란트 잘하는 치과"를 물었을 때 우리 병원이 한 번도 언급되지 않는 가장 흔한 이유는, 병원 정보가 사람 눈에만 보이도록 꾸며져 있을 뿐 AI가 읽을 수 있는 형태로는 정리돼 있지 않기 때문이다. MedicalOrganization 스키마는 병원의 이름·진료과목·위치·진료시간·인증정보를 AI가 오해 없이 인식하도록 표준 언어로 번역해 주는 '구조화 데이터'로, AI 인용의 가장 기본적인 토대다. 이 글은 그 원리와, 원장이 오늘 당장 실무자에게 지시할 수 있는 적용 단계를 다룬다.

상황을 조금 더 구체적으로 그려 보자. 홈페이지 리뉴얼에 수백만 원을 쓰고, 원장 인터뷰와 시술 후기, 깔끔한 디자인까지 갖췄다. 그런데 정작 환자가 AI에게 "우리 동네에서 이 진료 잘 보는 곳"을 물으면 답변에는 옆 상가 병원, 심지어 규모가 더 작은 신생 의원 이름이 오른다. 원장 입장에서는 억울하다. 우리가 실력도 경력도 앞서는데 왜 AI는 우리를 모르는가. 답은 간단하다. AI는 '실력'을 보지 않는다. AI는 자기가 읽을 수 있게 정리된 '정보'를 본다. 그리고 대부분의 병원 홈페이지는 사람에게는 친절하지만 기계에게는 침묵한다.

왜 옆 병원만 AI 답변에 뜨는가 — 문제의 진짜 원인

과거의 검색은 환자가 키워드를 넣으면 링크 열 개가 뜨고, 그중 하나를 사람이 직접 골라 클릭하는 방식이었다. 지금은 다르다. 환자는 "야간 진료 되는 소아과 알려줘"처럼 문장으로 묻고, AI는 여러 출처를 종합해 하나의 '답'을 만들어 내놓는다. 이때 AI가 하는 일은 웹 곳곳에 흩어진 정보 조각을 모아, 어떤 병원이 그 질문의 조건(위치·진료과목·시간)에 맞는지 판단하는 것이다. 이 판단이 빗나가지 않으려면 정보가 명확하고, 서로 모순되지 않으며, 기계가 곧바로 이해할 형태여야 한다.

문제는 병원 홈페이지 대부분이 정보를 '그림'과 '문장'으로만 담고 있다는 데 있다. 진료시간을 예쁜 이미지 배너로 넣어 두면 사람은 읽지만 AI는 글자로 인식하지 못한다. 주소를 푸터에 텍스트로 넣어도, 그것이 '병원의 공식 위치'라는 사실을 AI가 확신하기는 어렵다. 인간에게 자명한 맥락이 기계에게는 추측의 대상이 된다. 추측이 개입하는 순간, AI는 더 확실한 다른 병원을 답변에 올린다. 확신이 서지 않는 정보를 사용자에게 잘못 안내하는 위험을 AI는 극도로 꺼리기 때문이다.

여기서 손실은 눈에 보이지 않아 더 위험하다. 광고비를 태운 자리는 노출 수라도 찍히지만, AI 답변에서 빠진 자리는 아무 지표도 남기지 않는다. 환자는 옆 병원 이름을 듣고 그리로 갔고, 우리는 그런 상담 기회가 있었다는 사실조차 모른다. 반대로 기회 프레임으로 보면, 아직 대부분의 병원이 이 영역을 방치하고 있다는 뜻이기도 하다. 경쟁 병원이 구조화 데이터를 갖추기 전에 먼저 정리해 두는 것은, 검색 결과 상단을 선점하던 초기 인터넷 시대와 비슷한 기회다.

구조화 데이터란 무엇인가 — AI가 병원을 '이해'하는 방식

구조화 데이터(structured data)란, 웹페이지 안에 사람 눈에는 보이지 않지만 기계가 읽도록 별도로 심어 두는 '정보 꼬리표'다. 홈페이지 화면에는 그대로 "진료시간 평일 오전 9시"라고 쓰여 있어도, 그 뒤편 코드에는 AI가 알아보도록 "이것은 영업시간이며, 요일은 월~금, 시작은 09:00"이라는 표준 항목으로 한 번 더 정리해 두는 것이다. 사람에게 보여 주는 내용은 그대로 두고, 기계에게 같은 내용을 기계의 언어로 한 번 더 말해 주는 이중 표기라고 이해하면 쉽다.

이 '기계의 언어'에는 전 세계가 합의한 사전이 있다. Schema.org라는 국제 표준 어휘집이 그것이고, 그 안에서 의료기관을 나타내는 항목이 바로 MedicalOrganization이다. 병원·의원·치과·한의원 같은 의료기관을 위한 전용 유형으로, 일반 사업체를 뜻하는 항목보다 의료에 특화된 정보(진료과목, 의료진, 인증 등)를 더 정밀하게 담을 수 있다. AI가 "이 페이지는 병원이고, 이름은 무엇이며, 어디에 있고, 무슨 진료를 한다"를 추측이 아니라 확정으로 읽게 만드는 것이 이 스키마의 역할이다.

비유하자면, 명함을 건네는 것과 같다. 처음 만난 사람에게 "저 병원 하는 사람인데요…"라고 말로 설명하는 것과, 이름·직함·병원명·주소·연락처가 정갈하게 인쇄된 명함을 건네는 것은 상대가 받아들이는 신뢰도가 다르다. 구조화 데이터는 AI에게 건네는 병원의 명함이다. 말로 흘려도 알아들을 수는 있지만, 명함이 있으면 오해가 없고 기억에 남는다. AEO(AI 검색 최적화, Answer Engine Optimization) — 즉 AI 답변에 우리 병원이 인용되도록 만드는 작업 — 의 출발점이 바로 이 명함을 정확히 만드는 일이다.

MedicalOrganization 스키마의 핵심 항목 — 무엇을 담아야 하나

스키마는 항목이 많다고 좋은 것이 아니다. 정확하고, 실제 화면 내용과 일치하며, 환자가 실제로 묻는 조건에 대응하는 항목을 채우는 것이 핵심이다. 다음은 의료기관이 우선적으로 채워야 할 항목들이다.

• 정식 명칭(name) — 간판·사업자등록·건강보험심사평가원 등에 등록된 것과 동일한 공식 병원명. 홈페이지마다 다르게 쓰지 말 것.
• 주소(address) — 시·구·도로명·건물명·층수까지. "○○동 잘하는 곳" 같은 지역 질문에 걸리는 결정적 항목이다.
• 진료과목·전문 분야(medicalSpecialty) — 치과·정형외과·피부과 등. 세부 진료 영역이 있다면 명확히.
• 진료시간(openingHours) — 요일별 시간, 점심시간, 야간·주말·공휴일 여부. "야간 진료" 질문에 대응한다.
• 연락처(telephone)와 예약 경로(예약 페이지 URL) — 환자가 바로 행동으로 옮길 통로.
• 대표 이미지(logo·image)와 공식 홈페이지·프로필 링크(sameAs) — 네이버·구글 지도, SNS 등 흩어진 채널을 하나의 병원으로 묶어 준다.
• 의료진 정보 — 원장·전문의의 전공, 소속 학회 등. 신뢰(E-E-A-T)의 근거가 된다.

이 중 우선순위를 굳이 꼽자면 명칭·주소·진료과목·진료시간이다. AI에게 오는 병원 질문의 절대다수가 "어디서(위치) 무엇을(진료) 언제(시간)"의 조합이기 때문이다. 화려한 부가 항목보다 이 네 가지가 정확하고 일관될 때 인용 확률이 올라간다.

흔히 놓치는 지점은 일관성이다. 홈페이지에는 '오전 9시', 네이버 플레이스에는 '9시 30분', 블로그에는 '9시 반'으로 제각각이면 AI는 어느 것도 확신하지 못한다. 정보의 개수보다 여러 채널에 걸친 정보의 '일치'가 신뢰를 만든다. 스키마 작업은 사실상 병원의 모든 온라인 정보를 하나의 진실로 정렬하는 작업이기도 하다.

오늘부터 적용하는 5단계 실행 로드맵

원장이 직접 코드를 짤 필요는 없다. 다만 무엇을 어떤 순서로 시켜야 하는지는 알고 있어야 담당자나 대행사에 정확히 지시할 수 있다. 다음 순서를 그대로 따르면 된다.

1. 정보 원장(原帳) 만들기. 엑셀 한 장에 병원 공식 명칭, 주소(도로명·층), 대표번호, 진료과목, 요일별 진료시간, 대표 원장 전공, 공식 채널 URL(홈페이지·네이버·구글·인스타)을 확정해 적는다. 여기서 확정한 값이 앞으로 모든 채널의 기준이 된다.
2. 채널 간 정보 통일. 홈페이지·네이버 플레이스·구글 비즈니스 프로필의 정보를 1단계 원장과 한 글자까지 일치시킨다. 특히 진료시간·주소·병원명의 표기를 통일한다.
3. 스키마 삽입. 담당자에게 "MedicalOrganization 스키마를 JSON-LD 형식으로 홈페이지 메인과 진료안내 페이지에 넣어 달라"고 요청한다. JSON-LD는 화면 디자인을 건드리지 않고 코드에만 심는 방식이라 기존 홈페이지를 바꾸지 않아도 된다.
4. 검증. 구글이 무료로 제공하는 '리치 결과 테스트'나 Schema.org의 검사 도구에 우리 페이지 주소를 넣어, 스키마가 오류 없이 인식되는지 확인한다. 붉은 오류가 없어야 한다.
5. 실제 질문으로 테스트. 챗GPT·구글 AI 개요 등에 환자가 쓸 법한 문장("○○동 ○○과 진료시간", "주말 진료 되는 ○○")을 직접 물어 우리 병원이 언급되는지, 정보가 정확한지 확인하고 어긋난 부분을 다시 손본다.

이 다섯 단계는 한 번으로 끝나지 않는다. 진료시간이 바뀌거나 진료과목이 늘면 1단계 원장부터 다시 갱신해 전 채널에 반영해야 한다. 스키마는 심어 두고 잊는 장식이 아니라, 병원 정보가 바뀔 때마다 함께 관리하는 살아 있는 자산이다.

가장 흔한 다섯 가지 실수

스키마를 넣었는데도 효과가 없다면 대개 다음 실수 중 하나에 해당한다. 실행만큼이나 이 함정을 피하는 것이 중요하다.

• 화면과 스키마의 불일치. 코드에는 야간 진료가 있다고 심어 놓고 실제 페이지에는 그 문구가 없는 경우. AI는 화면에 없는 정보를 코드로만 주장하는 것을 신뢰하지 않는다. 스키마는 반드시 화면에 실재하는 내용을 뒷받침하는 용도여야 한다.
• 정보 과장·허위. 없는 인증이나 과장된 전문 분야를 넣는 것은 신뢰를 얻기는커녕 페널티 위험을 부른다. 의료 광고 규정 위반 소지도 있다.
• 이미지에만 담긴 핵심 정보. 진료시간·주소를 배너 이미지로만 처리해 두는 관행. 사람 눈에는 보여도 기계에는 빈칸이다.
• 채널 방치. 홈페이지만 정비하고 네이버·구글 프로필의 옛 정보를 그대로 두는 경우. 모순된 정보는 오히려 신뢰를 깎는다.
• 한 번 넣고 방치. 이전 후에도 옛 주소가 스키마에 남아 있는 사례. 잘못된 정보를 확신에 차서 말하는 병원이 되어 버린다.

스키마만으로는 부족하다 — 신뢰(E-E-A-T)와 실제 콘텐츠

구조화 데이터는 반드시 필요한 '토대'이지 그 자체로 완성은 아니다. AI가 병원을 답변에 올릴지 판단할 때는 정보의 형식뿐 아니라, 그 병원이 해당 분야에서 실제로 신뢰할 만한가도 함께 본다. 검색·AI 업계에서 이를 흔히 E-E-A-T — 경험(Experience)·전문성(Expertise)·권위(Authoritativeness)·신뢰(Trust) — 라고 부른다. 어려운 개념이 아니다. "이 병원이 이 진료를 실제로, 잘, 책임감 있게 한다는 근거가 웹에 남아 있는가"라는 물음이다.

따라서 스키마로 명함을 정확히 만든 뒤에는, 그 명함을 뒷받침하는 실제 콘텐츠가 있어야 한다. 원장의 전공과 경력이 드러난 소개, 환자가 자주 묻는 질문에 성실히 답한 안내 글, 진료 분야를 쉬운 말로 풀어낸 설명 같은 것들이다. 이때도 의학적 효능을 단정하거나 특정 시술 결과를 보장하는 표현은 규정상·신뢰상 모두 피해야 한다. 각도는 어디까지나 '환자가 필요한 정보를 정확히 찾도록 돕는다'에 둔다.

정리하면 순서는 이렇다. 먼저 스키마로 AI가 병원을 오해 없이 인식하게 만들고(형식), 그다음 신뢰할 만한 콘텐츠로 인용할 이유를 준다(내용). 형식만 갖추면 인식은 되어도 선택받지 못하고, 내용만 좋으면 좋은 정보가 기계에게 닿지 못한다. 두 축이 함께 갈 때 비로소 AI 답변에 이름이 오른다.

효과는 어떻게 확인하고 유지하는가

구조화 데이터의 효과는 광고처럼 즉각적인 클릭 수로 나타나지 않는다. 대신 다음 방식으로 점검할 수 있다. 첫째, 정기적으로 환자가 쓸 법한 질문을 AI에 직접 던져 우리 병원의 언급 여부와 정보 정확도를 기록한다. 월 1회 정도, 늘 같은 질문 세트로 확인하면 변화를 감지할 수 있다. 둘째, 상담·예약 시 "어떻게 알고 오셨어요"를 묻는 항목에 'AI·검색 추천'을 추가해 정성적 신호를 모은다.

유지관리의 핵심은 변경 즉시 반영이다. 진료시간 조정, 진료과목 추가, 원장 교체, 이전 같은 사건이 생기면 그날 정보 원장을 고치고 전 채널과 스키마에 반영하는 것을 원칙으로 삼는다. 이 습관 하나가 "정보가 정확한 병원"과 "AI가 신뢰하지 않는 병원"을 가른다.

완벽한 스키마 하나보다, 모든 채널이 같은 사실을 말하고 그 사실이 항상 최신인 상태가 AI에게는 더 강력한 신뢰 신호다.

마지막으로 우선순위를 제안한다. 오늘 할 일은 셋뿐이다. ① 병원 정보 원장 한 장을 확정하고, ② 홈페이지·네이버·구글의 정보를 그에 맞춰 통일하며, ③ 담당자에게 MedicalOrganization 스키마 삽입과 검증을 지시하는 것. 이 세 가지만 끝내도 대부분의 병원보다 앞선 출발선에 선다. 코드가 낯설거나 우리 병원이 지금 AI 답변에서 어떻게 다뤄지고 있는지 확인하고 싶다면, 실제 질문으로 진단해 어느 항목이 비어 있는지부터 점검해 보길 권한다. 문제를 눈으로 확인하는 것이 언제나 개선의 첫 단계다.