챗GPT는 왜 옆 병원 원장을 추천할까 — AI가 믿는 의료진 E-E-A-T 신호 설계법

AI 검색이 병원을 추천할 때 먼저 확인하는 것은 ‘이 병원의 의료진이 누구이며 믿을 만한가’라는 신호다. 의료진의 경험·전문성·권위·신뢰(E-E-A-T)가 웹 곳곳에서 일관되고 구조화된 형태로 확인될 때 AI는 그 병원을 근거 있게 인용한다. 이 글은 원장의 실제 경력을 AI가 읽고 신뢰하는 자산으로 바꾸는 방법을 단계별로 정리한다.

한 환자가 챗GPT에 “분당에서 경험 많은 치과 원장님 추천해줘”라고 묻는다. 답변에는 두세 곳의 병원과 원장 이름, 그리고 “관련 학회에서 활동하며 진료 칼럼을 꾸준히 써 왔다”는 설명이 붙는다. 20년 가까이 같은 자리를 지켜 온 우리 원장의 이름은 보이지 않는다. 실력의 차이가 아니라, AI가 확인할 수 있는 ‘근거’의 차이다.

AI는 홈페이지의 “최고의 의료진” 같은 문구를 근거로 삼지 않는다. 확인 가능한 경력과 자격, 활동 기록이 여러 출처에서 같은 내용으로 발견될 때 추천의 근거로 쓴다. 지금부터 그 근거를 어떻게 설계하는지 살펴본다.

AI는 병원보다 ‘사람’을 먼저 본다

E-E-A-T는 구글이 검색 품질 평가 가이드라인에서 쓰는 개념으로 경험(Experience), 전문성(Expertise), 권위(Authoritativeness), 신뢰(Trustworthiness)의 머리글자다. 의료는 건강에 직접 영향을 주는 YMYL(Your Money or Your Life) 분야라 이 기준이 특히 엄격하다. AI 답변 엔진도 출처를 고를 때 비슷한 방향으로 신뢰도를 따지는 것으로 보인다.

AEO(Answer Engine Optimization, 답변 엔진 최적화)는 AI가 질문에 답할 때 우리 병원을 근거로 인용하도록 정보를 정리하는 작업이다. 의료 AEO의 핵심은 ‘누가 진료하는가’다. 장비 목록보다 의료진의 신원과 이력이 명확한 병원이 인용될 가능성이 높다.

경력이 탄탄해도 정보가 흩어져 있거나 이미지 속에만 있으면 AI에게는 없는 경력과 같다. 반대로 아직 많은 병원이 이 부분을 정비하지 않았기에, 먼저 정리한 병원이 지역 내 인용 자리를 선점할 여지가 크다.

• 경험: 실제 진료 연차, 담당해 온 진료 분야
• 전문성: 전문의 자격, 수련 이력, 학력
• 권위: 학회 활동, 외부 기고·강의
• 신뢰: 정보의 정확성·일관성·최신성

약력 한 줄로는 부족하다 — 원장 프로필 페이지 재설계

많은 병원의 의료진 소개는 사진 한 장과 약력 몇 줄이 전부다. 더 큰 문제는 그 약력이 디자인된 이미지 파일로 올라가 있는 경우다. AI가 읽는 것은 텍스트이므로 이미지 속 경력은 사실상 전달되지 않는다.

원장 프로필은 ‘소개’가 아니라 AI가 참조하는 ‘인물 문서’로 다시 써야 한다. 한 사람당 고유한 페이지 주소(URL)를 두고, 그 페이지만 읽어도 이 의사가 누구인지 판단할 수 있게 구성하는 것이 원칙이다.

1. 원장별 개별 페이지를 만든다.
2. 이름, 직함, 전문의 여부와 전문 과목을 첫 문단에 텍스트로 쓴다.
3. 학력·수련 병원·학회 활동·주요 진료 분야를 항목별로 정리한다.
4. 원장이 쓰거나 감수한 글 목록을 하단에 연결한다.
5. 최종 수정일을 표시하고 정기적으로 갱신한다.

흔한 실수는 여러 원장을 한 페이지에 몰아넣거나 “풍부한 임상 경험” 같은 수식어로 채우는 것이다. 이력서를 보는 인사 담당자에게 “성실합니다”보다 “어디서 몇 년, 무엇을 했다”가 근거가 되듯, AI도 같다.

경력을 AI의 언어로 번역하기 — 구조화 데이터

구조화 데이터(스키마 마크업)는 웹페이지 내용을 검색엔진과 AI가 정확히 이해하도록 붙이는 표준 ‘꼬리표’다. 국제 표준 어휘인 schema.org를 따르며, 보통 JSON-LD 형식으로 페이지 코드에 넣는다. 화면에는 보이지 않지만 기계에게 “이것은 사람 이름, 이것은 출신 학교”라고 알려 주는 설명서다.

병원 페이지에는 MedicalClinic이나 Dentist 같은 의료기관 유형을, 원장 프로필에는 Person 유형을 적용하는 것이 기본이다. Person에는 직함(jobTitle), 출신 학교(alumniOf), 소속 단체(memberOf), 자격(hasCredential), 근무처(worksFor), 공식 프로필 주소(sameAs)를 채울 수 있다. 병원과 원장을 서로 연결하면 AI가 ‘이 병원에 이 의사가 있다’는 관계를 명확히 파악한다.

• 화면 내용과 스키마 내용을 반드시 일치시킨다.
• 구글 리치 결과 테스트, Schema Markup Validator로 오류를 점검한다.
• 경력이 바뀌면 스키마도 함께 수정한다.

화면에 없는 경력이나 과장된 자격을 스키마에만 넣는 것은 금물이다. 검색엔진 가이드라인 위반으로 간주될 수 있다. 스키마는 있는 사실을 정확히 번역하는 도구이지, 없는 사실을 만드는 도구가 아니다.

웹 어디서나 같은 사람으로 — 정보 일관성

AI는 한 곳의 정보만 믿지 않는다. 홈페이지, 네이버 플레이스, 구글 비즈니스 프로필, 학회 명단, 언론 기사를 교차 확인해 같은 내용이 반복될 때 신뢰도를 높인다. 웹 어디서 봐도 같은 사람으로 인식되는 상태를 만드는 것이 목표다.

현장에서 흔한 문제는 사소한 불일치다. 홈페이지에는 ‘대표원장’, 플레이스에는 ‘원장’, 기사에는 또 다른 직함이 적혀 있고 진료 연차도 출처마다 다르다. 사람은 같은 사람이라 짐작하지만, AI는 정보가 부정확하다고 판단해 인용을 피할 수 있다. 내용이 다른 명함 세 장을 내미는 사람을 믿기 어려운 것과 같다.

1. 이름 표기·직함·전문 과목·경력 문구의 표준안을 만든다.
2. 병원 정보가 노출되는 채널을 목록화하고 표준안대로 맞춘다.
3. 원장 스키마의 sameAs에 공식 채널 주소를 연결한다.
4. 분기마다 다시 점검한다.

화려하지 않지만 효과가 누적되는 기초 공사다. 개원 초 등록하고 잊은 오래된 디렉터리 정보가 혼선을 만드는 경우도 많으니 수정·삭제 요청까지 챙긴다.

‘경험’을 증명하는 콘텐츠 — 원장의 목소리

E-E-A-T의 첫 글자인 경험은 자격증으로 증명되지 않는다. 환자가 자주 묻는 질문, 상담에서 반복해 설명하는 내용, 환자가 오해하기 쉬운 지점을 원장의 언어로 풀어낸 글이 경험의 증거가 된다.

AI는 이런 글을 답변의 재료로 즐겨 쓰며, 질문과 답이 짝을 이룬 형식은 특히 인용되기 쉽다. 다만 특정 시술의 효과를 단정하거나 다른 병원과 비교하는 표현은 피하고, 진료 과정·준비 사항·상담 시 확인할 점 같은 정보 중심으로 쓰는 것이 안전하다.

• 글마다 작성자 또는 감수자로 원장 이름과 프로필 링크를 표시한다.
• 작성일과 검토일을 함께 적는다.
• 원장의 진료 분야와 직접 관련된 주제에 집중한다.

흔한 실수는 대량 생산한 일반적인 글에 원장 이름만 붙이는 것이다. 어느 병원에나 있을 법한 문장은 경험의 신호가 되지 못한다. 한 달에 몇 편이라도 원장이 실제로 검토한 글이 훨씬 강한 자산이다.

밖에서 인정받는 신호 — 권위의 연결

권위는 스스로 주장하는 것이 아니라 남이 인정해 주는 것이다. 학회 발표, 전문지 기고, 언론 인터뷰, 강의처럼 병원 바깥의 공신력 있는 출처에서 원장이 언급될 때 AI는 그 의사를 해당 분야의 전문가로 인식할 가능성이 높아진다.

이런 활동을 해 온 원장도 많지만 기록은 대개 흩어져 있다. 몇 년 전 학회 발표나 지역 신문 인터뷰가 어디에도 정리되지 않은 채 묻혀 있다. 이를 찾아 연결하는 것만으로도 권위 신호를 상당 부분 회복할 수 있다.

1. 과거 발표·기고·인터뷰·강의 이력을 찾아 목록화한다.
2. 프로필에 ‘대외 활동’ 항목으로 출처 링크와 함께 정리한다.
3. 가능하면 외부 페이지에서도 병원 홈페이지로 연결되게 요청한다.
4. 새 활동은 발생할 때마다 즉시 기록한다.

돈으로 사는 형식적 기사나 실체 없는 수상 이력은 피한다. 출처의 신뢰도가 낮으면 도움이 되지 않고, 오히려 전체 정보의 신뢰를 떨어뜨릴 수 있다.

신뢰의 경계선 — 의료광고 규정과 과장의 함정

신뢰는 E-E-A-T 네 요소 중 가장 중요한 바탕으로 여겨진다. 의료 분야에서 신뢰를 무너뜨리는 가장 빠른 길은 과장이다. 의료법은 거짓·과장 광고와 다른 의료기관과의 비교 광고 등을 제한하며, 의료진 소개도 예외가 아니다.

“국내 최고”, “유일한” 같은 표현이나 자격과 맞지 않는 전문 과목 표기는 법적 위험과 함께 AI 신뢰 판단에서도 감점 요인이 된다. AI는 여러 출처를 교차 확인하므로, 확인되지 않는 주장은 근거로 채택되지 않는다.

• 경력 문구는 증빙 가능한 사실만 남긴다.
• 최상급·비교 표현을 구체적 사실로 바꾼다.
• 표기가 애매하면 의료광고 심의 기준을 확인하거나 자문을 받는다.

과장된 한 줄보다 검증되는 열 줄이 AI에게도, 환자에게도 더 설득력 있다.

무엇부터 할 것인가 — 우선순위와 체크리스트

모든 작업을 한 번에 할 필요는 없다. 이미 가진 사실을 정확히 드러내고, 그것을 기계가 읽게 만들고, 마지막으로 바깥의 신호를 쌓는 순서가 효율적이다.

1. 원장 정보 표준안 작성: 이름·직함·자격·경력 문구 통일
2. 원장별 텍스트 기반 프로필 페이지 구축
3. Person·의료기관 스키마 적용과 sameAs 연결
4. 외부 채널 정보 일치 작업
5. 원장 감수 콘텐츠와 대외 활동 기록의 꾸준한 축적

1~3번은 비교적 짧은 기간에 마무리할 수 있는 작업이지만, 현재 상태를 모르면 어디서부터 손댈지 막막하다. 우리 원장 정보가 AI에게 어떻게 읽히는지, 어느 채널에서 불일치가 생겼는지 먼저 확인하는 것이 출발점이다. AI메디랩의 무료 진단으로 현황을 점검하고 우선순위를 정리해 보셔도 좋다.