우리 병원이 AI 답변에 안 나오는 진짜 이유 — MedicalOrganization 스키마부터 점검하세요

AI가 병원을 인용하는 방식은 사람이 검색 결과를 훑어보는 방식과 근본적으로 다릅니다. AI는 웹페이지의 '보이는 글'이 아니라 '기계가 읽을 수 있게 정리된 데이터'를 먼저 신뢰하며, 그 표준 형식이 바로 구조화 데이터(structured data)와 그 안의 의료기관 규격인 MedicalOrganization 스키마입니다. 이 글은 우리 병원이 AI 답변에 안 나오는 원인을 이 데이터 관점에서 짚고, 원장님이 오늘 당장 무엇을 어떻게 손봐야 하는지 단계별로 안내합니다.

실제 상황을 그려보겠습니다. 한 환자가 저녁에 챗GPT를 열어 "○○동에서 임플란트 잘하는 치과 알려줘"라고 묻습니다. 답변에는 이름을 들어본 적도 없는 옆 상가 병원 세 곳이 뜨고, 20년째 그 동네를 지킨 우리 병원은 언급조차 되지 않습니다. 홈페이지도 있고, 블로그도 꾸준히 쓰고, 후기도 많은데 말이죠. 원장님은 억울합니다. 하지만 AI 입장에서 보면 결과는 이상하지 않습니다. AI는 '좋은 병원'을 고른 게 아니라 '자기가 확실히 이해할 수 있게 정리된 병원'을 고른 것이기 때문입니다.

AI는 병원 홈페이지를 사람처럼 읽지 않는다

사람은 홈페이지에 들어가면 로고를 보고, 진료과목을 눈으로 훑고, 지도에서 위치를 파악하고, 후기 몇 개를 읽으며 '아 여기 괜찮네' 하고 종합적으로 판단합니다. 그러나 AI가 웹을 학습하거나 실시간으로 참고할 때는 이 '눈치'가 통하지 않습니다. AI는 페이지에 흩어진 글자 덩어리를 보고 '이게 병원 이름인지, 진료과목인지, 주소인지, 아니면 그냥 광고 문구인지'를 스스로 추측해야 합니다.

문제는 이 추측이 자주 틀린다는 점입니다. 화면에는 분명 "강남 미소치과 · 임플란트 · 서울 강남구"라고 보이지만, AI에게는 이 세 정보가 각각 무엇을 의미하는지 명시적으로 표시돼 있지 않으면 그저 나열된 단어일 뿐입니다. 사람에게는 명백한 맥락이 기계에게는 모호한 것입니다. 그래서 AI는 확신이 서지 않는 병원을 답변에서 빼버립니다. 틀린 정보를 말했다가 신뢰를 잃느니, 아예 언급하지 않는 편을 택하는 것이죠.

여기서 구조화 데이터가 등장합니다. 구조화 데이터란 사람 눈에는 보이지 않지만 페이지 코드 속에 숨겨 넣는 '기계용 설명표'입니다. "이 텍스트는 병원 이름, 이건 주소, 이건 대표 전화, 이건 진료과목"이라고 딱지를 붙여주는 것이죠. 이 딱지가 붙어 있으면 AI는 더 이상 추측할 필요가 없습니다. 확신을 가지고 우리 병원을 이해하고, 확신이 있어야 비로소 답변에 인용합니다.

MedicalOrganization 스키마란 무엇인가

스키마(Schema)는 이 '기계용 설명표'를 만드는 국제 공통 규격입니다. 전 세계 검색엔진과 AI가 함께 쓰기로 약속한 표준 어휘집이라고 보시면 됩니다. 그중 병·의원을 위해 마련된 규격이 MedicalOrganization(의료기관)입니다. 병원 이름, 진료과목, 주소, 전화번호, 진료시간, 홈페이지 주소, 소셜 계정 같은 정보를 정해진 형식에 맞춰 적어두면 AI가 이를 오류 없이 읽어갑니다.

쉽게 비유하면, 구조화 데이터 없이 정보를 흩뿌려 둔 홈페이지는 '이름표 없이 서류가 쌓인 책상'입니다. 반면 MedicalOrganization 스키마를 적용한 홈페이지는 '항목별로 라벨을 붙여 파일링한 서류함'입니다. 급하게 정보를 찾아야 하는 AI가 어느 쪽을 인용하겠습니까. 당연히 라벨이 붙은 쪽입니다.

스키마에는 병원 유형에 맞춘 하위 규격도 있습니다. 치과라면 Dentist, 병원급이라면 Hospital, 일반 의원이라면 MedicalClinic 같은 식으로 더 구체적으로 지정할 수 있습니다. 유형을 정확히 지정할수록 AI는 "이곳은 임플란트를 다루는 치과"처럼 맥락까지 이해합니다. 막연히 '조직'이라고만 알려주는 것과, '○○동에 있는 치과'라고 명확히 알려주는 것은 인용 확률에서 큰 차이를 만듭니다.

지금 우리 병원이 놓치고 있는 것 — 손실과 기회

구조화 데이터가 없다는 것은 단순히 '한 가지 기술을 안 쓴다'는 문제가 아닙니다. AI 검색이 환자의 첫 관문이 되어가는 지금, 이것은 매일 조용히 새어나가는 손실입니다.

손실 관점에서 보겠습니다. 환자가 AI에게 병원을 추천받는 순간, 후보에 오르지 못한 병원은 존재 자체가 지워집니다. 검색 2페이지로 밀리는 것과는 차원이 다릅니다. 2페이지는 그래도 넘겨보는 사람이 있지만, AI 답변은 애초에 서너 곳만 호명하고 끝납니다. 우리 병원이 그 명단에 없으면 환자는 우리가 있는지조차 모른 채 다른 곳으로 예약을 넣습니다. 광고비를 아무리 써도, 애초에 AI가 우리를 이해하지 못하면 그 노출은 AI 답변 영역에서 발생하지 않습니다.

이제 기회 관점입니다. 아직 대다수 병원이 스키마를 제대로 적용하지 않았습니다. 즉 지금은 경쟁이 붙기 전의 이른 시점입니다. 기본 데이터를 먼저 정리해 둔 병원은, AI가 지역 병원을 인용해야 할 때 '이해하기 쉬운 소수'에 들어갑니다. 남들이 다 하고 난 뒤에 따라가면 그저 평균이 되지만, 지금 움직이면 우위가 됩니다. 비용이 크게 드는 일도 아닙니다. 대개는 이미 홈페이지에 있는 정보를 '기계가 읽는 형식'으로 다시 정리하는 작업입니다.

MedicalOrganization 스키마 적용 5단계

추상적으로 느껴지실 수 있으니, 실제 진행 순서로 정리하겠습니다. 아래는 원장님이 직접 하거나, 홈페이지 담당자·업체에 지시할 때 그대로 쓸 수 있는 체크리스트입니다.

1. 병원 기본정보 확정하기. 공식 병원명(간판·사업자등록증과 동일하게), 정확한 도로명 주소, 대표 전화번호, 진료시간, 홈페이지 주소, 운영 중인 블로그·인스타그램 주소를 한 문서에 모읍니다. 이 '원본 정보'가 흔들리면 이후 전부가 어긋나므로 가장 먼저 확정합니다.
2. 병원 유형에 맞는 스키마 선택하기. 치과·의원·병원 등 우리 병원에 가장 정확한 유형을 고릅니다. 애매하면 상위 개념인 MedicalOrganization을 쓰되, 가능하면 더 구체적인 유형으로 좁힙니다.
3. 정보를 스키마 형식으로 변환하기. 확정한 정보를 정해진 항목(이름·주소·전화·진료시간 등)에 하나씩 매칭해 코드 형태로 만듭니다. 대개 JSON-LD라는 방식으로 작성하는데, 홈페이지 제작 도구나 담당 개발자에게 "MedicalOrganization JSON-LD를 넣어달라"고 요청하면 됩니다.
4. 홈페이지에 삽입하고 검증하기. 완성한 코드를 홈페이지(특히 메인·병원소개 페이지)에 넣습니다. 넣은 뒤에는 반드시 검증 도구로 오류가 없는지 확인합니다. 무료 검사 도구가 여럿 있으니 '스키마가 제대로 읽히는지'를 눈으로 확인하고 넘어가세요.
5. 주기적으로 갱신하기. 진료시간이 바뀌거나 이전을 하면 스키마도 반드시 함께 수정합니다. 실제 정보와 데이터가 어긋나면 AI 신뢰도가 오히려 떨어집니다.

현장에서 가장 흔한 실수 네 가지

스키마를 넣었는데도 효과가 없다면, 십중팔구 아래 실수 중 하나에 걸려 있습니다.

• 병원명·주소가 곳곳에서 조금씩 다르다. 홈페이지에는 '미소치과', 지도에는 '미소 치과의원', 블로그에는 '강남미소치과'로 적혀 있으면 AI는 같은 병원인지 확신하지 못합니다. 이름·주소·전화(흔히 NAP라 부르는 세 정보)는 모든 채널에서 글자 하나까지 똑같아야 합니다.
• 실제 화면에 없는 정보를 스키마에만 적어 넣는다. 페이지에 없는 진료과목이나 허위 정보를 데이터에만 채우면 규정 위반으로 간주돼 오히려 불이익을 받을 수 있습니다. 스키마는 '보이는 내용을 기계용으로 다시 설명'하는 것이지, 없는 사실을 만들어내는 도구가 아닙니다.
• 한 번 넣고 방치한다. 이전·진료시간 변경·전화번호 교체 후에도 옛 정보가 그대로 남아 환자를 헛걸음시키는 경우가 많습니다.
• 스키마만 하면 끝이라 여긴다. 구조화 데이터는 '기본기'입니다. 이것이 갖춰져야 이후의 콘텐츠·후기·외부 언급이 힘을 받습니다. 기초 없이 화려한 마케팅부터 하면 토대 없는 건물과 같습니다.

스키마 다음에 이어져야 할 신뢰 신호

스키마가 'AI가 우리를 이해하게 만드는' 작업이라면, 그다음은 'AI가 우리를 믿게 만드는' 작업입니다. 데이터가 아무리 깔끔해도, 그 병원을 언급하는 외부의 흔적이 거의 없으면 AI는 인용을 주저합니다.

구체적으로는 세 가지가 함께 가야 합니다. 첫째, 지도·의료포털·지역 디렉터리 등 여러 곳에 우리 병원 정보가 일관되게 등록돼 있어야 합니다. 여러 신뢰할 만한 출처가 같은 정보를 말할수록 AI의 확신이 커집니다. 둘째, 환자들이 실제로 남긴 진솔한 후기가 꾸준히 쌓여야 합니다. 셋째, 병원이 직접 쓰는 콘텐츠가 환자의 실제 질문에 답하는 형태여야 합니다. "임플란트 후 주의사항" 같은 질문형 제목과 명확한 답변 구조가 AI에게는 인용하기 좋은 재료입니다. 다만 특정 시술의 효과를 단정하거나 과장하는 표현은 피하고, 정보 제공 관점을 지키는 것이 안전합니다.

정리하면 순서가 중요합니다. 구조화 데이터로 '이해받고' → 일관된 등록과 후기로 '신뢰받고' → 질문형 콘텐츠로 '인용받는' 흐름입니다. 이 순서를 건너뛰면 노력 대비 결과가 나오지 않습니다.

오늘부터 무엇을 할 것인가 — 우선순위 체크리스트

모든 걸 한 번에 하려 하지 마시고, 아래 순서대로 밟으시길 권합니다.

1. 이번 주: 우리 병원명·주소·전화가 홈페이지·지도·블로그·SNS에서 완전히 동일한지 대조합니다. 다른 곳부터 바로 통일합니다.
2. 다음 단계: 홈페이지에 MedicalOrganization(또는 치과·의원 등 세부 유형) 스키마가 들어가 있는지 확인하고, 없다면 담당자에게 삽입을 요청합니다.
3. 삽입 후: 검증 도구로 오류가 없는지 확인하고, 진료시간·주소가 실제와 일치하는지 재점검합니다.
4. 이어서: 환자의 실제 질문에 답하는 콘텐츠를 한 달에 하나씩이라도 질문형 제목으로 쌓아갑니다.

여기까지 읽으셨다면, 이미 대다수 병원보다 앞서 계신 겁니다. 남은 건 실행입니다. 만약 '우리 병원 홈페이지에 스키마가 제대로 들어가 있는지, 이름·주소는 일관된지'부터 객관적으로 확인해 보고 싶으시다면, 현재 상태를 무료로 진단해 드립니다. 어디가 새고 있는지 눈으로 확인하는 것만으로도 다음 한 걸음이 분명해집니다.