챗GPT는 왜 옆 병원만 추천할까 — AI 인용의 첫 관문, MedicalOrganization 스키마

환자가 챗GPT에 '○○동에서 임플란트 잘하는 치과 알려줘'라고 물었을 때 특정 병원이 답변에 등장하려면, AI가 그 병원의 정체를 기계가 읽을 수 있는 형식으로 확인할 수 있어야 한다. MedicalOrganization 스키마는 병원의 이름·주소·진료과목·의료진 정보를 국제 표준 형식으로 정리해 AI와 검색엔진에 전달하는 구조화 데이터로, AI 인용의 가장 기본적인 전제 조건이다. 이 글은 왜 이것이 기본기인지, 그리고 우리 병원 홈페이지에 오늘 어떻게 적용하는지를 단계별로 정리한다.

많은 원장이 비슷한 장면을 겪는다. 검색 광고에 매달 적지 않은 비용을 쓰고, 직원이 블로그도 꾸준히 올린다. 홈페이지도 몇 해 전 큰돈 들여 새로 만들었다. 그런데 환자들이 점점 많이 쓰는 AI 검색에 '이 동네에서 괜찮은 병원'을 물으면, 답변에는 길 건너 병원 이름만 나온다. 홈페이지를 열어봐도 딱히 문제가 보이지 않으니 더 답답하다. 문제는 대부분 눈에 보이는 화면이 아니라, 화면 뒤에서 기계에게 전달되는 정보의 형식에 있다.

AI는 우리 홈페이지를 '보지' 않는다

사람은 홈페이지를 눈으로 본다. 잘 찍은 원장 사진, 세련된 배너, 이미지로 만든 진료시간 안내를 보고 '믿을 만한 곳'이라는 인상을 받는다. 그러나 AI와 검색엔진은 홈페이지를 보지 않고 '읽는다'. 코드 속 텍스트를 읽어 의미를 해석할 뿐, 이미지 배너 안에 박힌 진료시간, 팝업 창 속 휴진 안내, 디자인 요소로 처리된 전화번호는 기계에게 사실상 빈 종이다.

여기서 손실이 발생한다. 정보가 '있는 것'과 '전달되는 것'은 전혀 다른 문제다. 진료시간·주소·진료과목이 홈페이지 어딘가에 있어도 기계가 읽지 못하면 AI 입장에서 그 병원은 정보가 불확실한 곳이고, AI는 불확실한 대상을 추천 목록에 올리지 않는다. 반대로 같은 정보를 기계가 읽는 표준 형식으로 명확히 라벨링해 주면, AI는 확신을 갖고 그 병원을 언급할 수 있다. 아직 이 작업을 제대로 해 둔 의료기관이 많지 않기 때문에, 기본만 갖춰도 상대적으로 앞서게 된다.

비유하자면 서류 없이 은행 대출 심사를 받는 것과 같다. 실제로 소득이 아무리 안정적이어도 증빙 서류를 은행 양식대로 내지 않으면 심사 자체가 진행되지 않는다. 스키마는 AI라는 심사역에게 제출하는, 양식에 맞춘 우리 병원의 증빙 서류다.

MedicalOrganization 스키마란 무엇인가

스키마(schema.org)는 구글·마이크로소프트 등 주요 검색 사업자가 함께 만든 '정보 라벨링 표준'이다. 웹페이지의 내용이 무엇을 의미하는지 기계에게 알려주는 약속된 이름표라고 이해하면 된다. 이렇게 이름표를 붙여 정리한 정보를 '구조화 데이터'라고 부른다. 예컨대 '02-1234-5678'이라는 숫자에 telephone이라는 이름표를 붙이면, 기계는 이것이 팩스도 사업자번호도 아닌 대표 전화임을 확정할 수 있다.

그중 MedicalOrganization은 의료기관 전용 타입이다. 그 아래에 더 구체적인 하위 타입이 있어서 치과는 Dentist, 일반 의원은 MedicalClinic, 병원급은 Hospital, 의사 개인은 Physician을 쓴다. 타입이 구체적일수록 AI가 '이곳은 어느 지역에서 무슨 진료를 하는 어떤 급의 의료기관'인지 정확히 분류한다.

적용 형식은 보통 JSON-LD라는 방식을 쓴다. 홈페이지 코드 안에 넣는 '기계용 명함' 한 장이라고 보면 된다. 화면에는 전혀 보이지 않지만 AI와 검색엔진은 이 명함을 가장 먼저, 가장 신뢰하며 읽는다. 디자인을 바꿀 필요도, 환자가 보는 화면이 달라질 일도 없다.

왜 스키마가 AI 인용의 기본기인가

요즘 AI 검색은 답을 지어내기만 하는 것이 아니라, 실시간 웹 검색 결과를 근거 삼아 답변을 구성하는 방식으로 움직인다. 즉 AI가 '○○동 치과'라는 질문에 답할 때 근거 문서들을 훑는데, 그 문서 안에서 병원의 정체가 명확히 확인되는 곳만 안심하고 인용한다. 스키마는 바로 그 확인 절차를 통과시키는 장치다.

조금 더 들어가면 '개체(엔티티)'라는 개념이 있다. AI는 '○○치과'라는 글자를 아는 것이 아니라, '서울 ○○동에서 임플란트·교정을 진료하는 실체'로 파악해야 비로소 추천 대상으로 다룬다. 스키마는 이 실체를 등록하는 서류다. 서류가 없으면 AI는 추측에 의존하게 되고, 이름이 비슷한 다른 지역 병원과 혼동하거나 오래된 정보와 뒤섞어 아예 언급을 회피하기도 한다.

손실 프레임으로 보면, 스키마 없는 병원은 AI 시대의 환자 유입 경로 하나가 통째로 닫혀 있는 셈이다. 기회 프레임으로 보면, 경쟁 병원 대부분이 아직 이 서류를 내지 않은 지금이 가장 저렴하게 앞서갈 수 있는 시점이다. 광고비처럼 매달 나가는 비용이 아니라 한 번 제대로 갖추면 계속 작동하는 자산이라는 점도 다르다.

5분 자가 진단 — 지금 우리 병원 상태 확인하기

개선의 첫걸음은 현재 상태 확인이다. 개발자가 아니어도 다음 순서로 5분이면 확인할 수 있다.

1. 병원 홈페이지를 열고 마우스 오른쪽 버튼 → '페이지 소스 보기'를 누른 뒤, 검색(Ctrl+F)으로 'ld+json'을 찾아본다. 없다면 구조화 데이터가 없을 가능성이 크다.
2. 구글의 '리치 결과 테스트' 페이지에 홈페이지 주소를 넣어 감지되는 항목이 있는지 본다.
3. Schema Markup Validator(스키마 검증 도구)에 주소를 넣어 오류·경고를 확인한다.
4. 챗GPT 등 AI에 직접 '○○동 ○○과 추천해 줘'라고 물어보고, 우리 병원이 언급되는지·정보가 정확한지 기록해 둔다.

이 단계에서 흔한 함정이 있다. 홈페이지 제작사가 'SEO는 다 되어 있다'고 답해도 실제로는 스키마가 없는 경우가 적지 않고, 있더라도 홈페이지 빌더가 자동으로 넣은 WebSite 같은 일반 스키마만 있고 의료기관 정보는 전혀 없는 경우가 많다. '스키마가 있는가'가 아니라 'MedicalOrganization 계열 타입으로 병원 정보가 들어 있는가'를 확인해야 한다.

MedicalOrganization 스키마 적용 5단계

직접 하든 제작사에 맡기든, 순서는 같다. 아래 다섯 단계를 그대로 전달해도 된다.

1. 타입 선택: 치과는 Dentist, 일반 의원은 MedicalClinic처럼 우리 기관에 맞는 가장 구체적인 하위 타입을 고른다.
2. 기본 속성 채우기: name(의료기관 정식 명칭), address(도로명 주소를 시·구·도로명 항목별로 분리), telephone, url, image와 logo, openingHoursSpecification(점심시간·야간진료·토요일 단축 진료까지 반영), geo(위도·경도)를 빠짐없이 넣는다.
3. 의료 속성 정리: medicalSpecialty에 진료과목을 표기한다. 진료 항목은 사실 그대로의 명칭만 쓰고, 효과나 우수성을 서술하는 문구는 넣지 않는다.
4. 신뢰 연결: sameAs 속성으로 네이버 지도·구글 비즈니스 프로필·공식 블로그 주소를 연결하고, 의료진은 Physician 타입으로 이름과 직함·소속을 정리한다. 흩어진 프로필이 하나의 실체로 묶인다.
5. 삽입과 검증: 완성된 JSON-LD를 모든 페이지에 공통 적용하고, 검증 도구로 오류가 없는지 확인한 뒤 이후 정보 변경 때마다 함께 수정하는 절차를 만든다.

제작사에 맡길 때는 요청 문구가 중요하다. '검색 잘 되게 해 주세요'가 아니라 'MedicalOrganization 하위 타입의 JSON-LD 구조화 데이터를 전 페이지에 적용하고 검증 결과를 보여 달라'고 구체적으로 요청해야 정확한 작업이 나온다.

가장 중요한 주의점은 일치성이다. 스키마에 적는 상호·주소·전화번호는 홈페이지 화면의 표기와 한 글자까지 같아야 한다. 기계는 사소한 표기 차이를 '서로 다른 정보'로 읽고 신뢰를 깎는다.

스키마를 넣고도 효과 없는 병원 — 흔한 실수 6가지

스키마를 적용하고도 성과가 없는 병원에는 반복되는 패턴이 있다. 아래 항목에 하나라도 해당하면 지금 손보는 것이 좋다.

• 화면에는 없는 정보를 스키마에만 넣는다 — 검색엔진 가이드라인 위반으로 오히려 불이익을 받을 수 있다.
• 대표 페이지 한 곳에만 적용하고 진료 안내·의료진 페이지에는 빠져 있다.
• 지점이 여럿인데 하나의 스키마로 뭉뚱그려 지역 검색에서 모두 애매해진다.
• 이전하기 전 주소, 바뀌기 전 전화번호가 스키마에 그대로 남아 있다.
• 실제 수집 근거가 없는 평점·리뷰 속성(aggregateRating 등)을 임의로 넣는다 — 명백한 가이드라인 위반이다.
• 시술 효능이나 최상급 표현을 스키마에 넣는다 — 의료광고 규정 위반 소지가 있으므로 반드시 사전에 검토한다.

마지막 항목은 특히 강조하고 싶다. 스키마도 대외적으로 노출되는 '표시'의 일부다. 마케팅 문구를 담는 공간이 아니라 사실 정보를 담는 공간이며, 사실만 담을 때 가장 잘 작동한다.

스키마는 입장권이지 당첨권이 아니다

스키마를 넣었다고 AI 답변 상위에 자동으로 오르는 것은 아니다. 스키마는 경기장에 들어가는 입장권이고, 경기의 승부는 정보의 일관성과 콘텐츠에서 갈린다. 첫 번째가 NAP 일관성이다. NAP는 상호(Name)·주소(Address)·전화번호(Phone)의 약자로, 네이버 플레이스·구글 비즈니스 프로필·홈페이지·블로그에 적힌 이 세 가지가 모든 곳에서 동일하게 표기되어야 한다는 원칙이다. 표기가 갈리면 AI는 어느 것이 진짜인지 확신하지 못한다.

다음 단계는 콘텐츠다. 환자들이 실제로 묻는 질문에 답하는 페이지를 만들고 FAQPage 스키마(자주 묻는 질문을 구조화하는 타입)로 정리하면, 질문-답변 형식을 선호하는 AI가 인용하기 좋은 재료가 된다. 진료 안내도 이미지가 아닌 명확한 문장으로 다시 쓰는 것이 좋다.

비유하면 스키마는 사업자등록이다. 등록만으로 거래가 성사되지는 않지만, 등록 없이는 어떤 거래도 시작되지 않는다. 그 위에 일관된 표기와 좋은 콘텐츠라는 신용이 쌓여야 인용이라는 거래가 일어난다.

오늘 당장 시작하는 우선순위

정리하면 순서는 명확하다. 진단하고, 기본 스키마를 갖추고, 일관성과 콘텐츠로 확장한다.

1. 오늘: 위의 5분 자가 진단 4단계를 실행하고, AI 답변에서 우리 병원이 어떻게 나오는지 캡처해 둔다.
2. 이번 주: 제작사에 MedicalOrganization 스키마 적용을 구체적 문구로 요청하고, 네이버 플레이스·구글 프로필·홈페이지의 상호·주소·전화번호 표기를 통일한다.
3. 이번 달: 의료진(Physician)·FAQ 스키마로 확장하고, 한 달에 한 번 AI에 같은 질문을 던져 변화를 기록하는 모니터링 루틴을 만든다.

어디서부터 막히는지 판단이 어렵다면, 현재 홈페이지의 구조화 데이터 상태를 객관적으로 점검받는 것부터가 순서다. AI메디랩은 병·의원 홈페이지의 스키마 적용 여부와 AI 답변 노출 상태를 무료로 진단해 드리고 있다. 진단 결과만 받아 내부에서 활용해도 좋다. 중요한 것은 AI가 우리 병원을 '읽을 수 있게' 되는 그 첫 단추를 이번 주 안에 끼우는 일이다.