챗GPT는 왜 옆 병원만 추천할까 — AI가 읽지 못하는 병원의 공통점, MedicalOrganization 스키마

환자들이 포털 검색창 대신 챗GPT 같은 AI에게 '집 근처 괜찮은 병원'을 묻는 시대가 이미 시작됐다. AI는 사람처럼 홈페이지 화면을 보는 것이 아니라 구조화 데이터, 즉 스키마를 읽어 병원의 존재와 정보를 파악하기 때문에, MedicalOrganization 스키마가 없는 병원은 AI 답변에서 체계적으로 빠진다. 이 글은 그 원리를 짚고, 병원이 이번 달 안에 실행할 수 있는 스키마 구축 로드맵을 단계별로 정리했다.

저녁 진료를 마친 원장이 문득 궁금해져 챗GPT에 물어본다. '○○동에서 임플란트 상담 잘해주는 치과 알려줘.' 화면에는 세 곳이 뜬다. 개원한 지 2년밖에 안 된 옆 건물 치과, 두 블록 떨어진 체인 치과, 그리고 이름도 낯선 곳. 15년째 같은 자리에서 진료해 온 우리 병원은 없다. 홈페이지 리뉴얼에 적지 않은 비용을 썼고 블로그도 꾸준히 운영했는데 말이다. 이 장면은 과장이 아니라, 요즘 여러 지역에서 실제로 벌어지는 일을 일반화한 예시다.

문제는 노출 한 번이 아니다. AI 답변은 검색 결과 목록과 달리 '추천'의 형식을 띤다. 열 곳 중 하나로 나열되는 것이 아니라 두세 곳만 콕 집어 알려주기 때문에, 여기서 빠지면 존재 자체가 지워진다. 그리고 그 명단을 가르는 기준의 상당 부분은 홈페이지의 화려함이 아니라, 기계가 읽을 수 있는 데이터의 유무다.

환자의 첫 질문이 검색창에서 대화창으로 옮겨갔다

AEO라는 말부터 풀고 가자. AEO(Answer Engine Optimization)는 '답변엔진 최적화', 쉽게 말해 챗GPT·클로드·퍼플렉시티 같은 AI가 사용자 질문에 답할 때 우리 병원을 근거로 인용하고 추천하도록 만드는 작업이다. 기존 검색 최적화(SEO)가 '검색 결과 목록에서 위에 뜨기'를 겨냥했다면, AEO는 'AI의 답변 안에 들어가기'를 겨냥한다.

이 차이는 병원 입장에서 손익 구조를 완전히 바꾼다. 검색 목록에서는 3위여도 클릭을 받지만, AI 답변에서는 언급되지 않으면 0이다. 환자는 AI가 알려준 두세 곳만 비교하고 그중에서 예약한다. 반대로 이 좁은 명단에 들어가는 병원은 광고비 없이 '제3자가 골라준 곳'이라는 신뢰까지 얹어 소개받는 셈이다. 잃을 때는 전부 잃고, 얻을 때는 신뢰까지 함께 얻는 구조다.

많은 원장이 '우리 환자층은 나이가 있어서 AI를 안 쓴다'고 말한다. 그러나 병원을 알아보고 예약을 챙기는 사람은 환자 본인이 아니라 자녀인 경우가 많고, 그 세대는 이미 궁금한 것을 AI에게 먼저 묻는다. 보호자의 검색 습관이 바뀌면 병원 선택의 경로도 바뀐다. 변화를 체감했을 때는 이미 지역의 추천 명단이 굳어진 뒤일 수 있다.

AI는 홈페이지를 '보지' 않는다 — 기계가 읽는 언어, 구조화 데이터

여기서 첫 번째 오해를 짚어야 한다. AI는 사람처럼 홈페이지를 '보지' 않는다. 메인 화면의 세련된 사진, 원장 인사말의 진정성, 배너의 문구 — 이런 것은 AI에게 거의 전달되지 않는다. AI와 검색엔진이 병원 정보를 수집할 때 가장 확실하게 읽는 것은 구조화 데이터(Structured Data), 즉 사람 눈에는 보이지 않지만 페이지 코드 안에 '이 병원의 이름은 무엇이고, 어디에 있고, 무슨 진료를 하는지'를 정해진 형식으로 적어 둔 표식이다. 이 형식의 국제 표준이 스키마(schema.org)다.

비유하자면 이렇다. 홈페이지가 병원 건물이라면, 스키마는 건물 앞에 세워 둔 다국어 안내판이다. 사람은 건물을 보고 분위기를 느끼지만, 언어가 다른 방문객(AI)은 안내판이 없으면 이 건물이 병원인지 카페인지조차 확신하지 못한다. 안내판 없는 병원을 추천 명단에 올리려면 AI가 '추측'을 해야 하는데, AI는 의료처럼 민감한 주제에서 추측을 극도로 꺼린다. 확실한 정보가 있는 옆 병원을 고르는 편이 안전하기 때문이다.

실제로 오래된 병원 홈페이지일수록 이미지 위주로 제작돼 기계가 읽을 텍스트 자체가 적고, 스키마는 아예 없는 경우가 흔하다. 반면 최근 개원한 병원은 제작 단계에서 기본 스키마가 포함된 템플릿을 쓰는 경우가 많다. '15년 된 우리 병원 대신 2년 된 옆 병원이 뜨는' 역전 현상의 상당 부분이 여기서 나온다. 진료 역량의 문제가 아니라, 기계가 읽을 수 있느냐의 문제다.

MedicalOrganization 스키마 — AI에게 내미는 병원의 신분증

스키마에는 수백 가지 유형이 있는데, 그중 의료기관을 위해 마련된 것이 MedicalOrganization(의료기관) 유형과 그 하위의 Dentist(치과), Physician(의사), MedicalClinic(의원) 등이다. 일반 사업장용인 LocalBusiness 스키마만 넣어도 '동네 가게'로는 인식되지만, MedicalOrganization 계열을 쓰면 '의료기관'이라는 정체성과 진료과목, 의료진 정보까지 기계가 이해할 수 있는 형태로 전달된다.

이것이 왜 'AI 인용의 기본'인가. AI가 병원을 추천하려면 먼저 그 병원을 하나의 실체(entity)로 인식해야 한다. 이름·주소·전화번호·진료과목이 여러 웹페이지에서 일관되게 확인될 때 AI는 '이 병원은 실재하며 정보가 신뢰할 만하다'고 판단할 근거를 얻는다. MedicalOrganization 스키마는 이 판단의 출발점이자 기준점이다. 병원이 스스로 공식 정보를 선언해 두는, 일종의 신분증인 셈이다.

기회의 관점에서 보면 지금이 오히려 유리한 시기다. 아직 국내 병·의원 중 스키마를 제대로 갖춘 곳은 소수에 가깝다. 대부분이 시작하지 않았기 때문에, 정확히 갖추기만 해도 지역 안에서 '기계가 읽을 수 있는 몇 안 되는 병원'이 된다. 경쟁이 치열해진 뒤에 따라가는 것보다 빈자리일 때 자리를 잡는 쪽이 비용도 노력도 훨씬 적게 든다.

무엇을 채워야 하나 — 우리 병원 스키마 필수 항목

MedicalOrganization 스키마는 빈칸 채우기와 같다. 어떤 항목을 얼마나 정확히 채우느냐가 품질을 결정한다. 실무에서 우선순위가 높은 항목은 다음과 같다.

• name(병원명): 간판·홈페이지·지도 등록 명칭과 한 글자도 다르지 않게 적는다. '○○치과'와 '○○치과의원'이 섞여 있으면 기계는 서로 다른 곳으로 볼 수 있다.
• address·telephone(주소·전화): 도로명 주소를 표준 형식으로 기재하고, 지점이 있다면 지점별로 따로 작성한다.
• openingHours(진료시간): 점심시간, 야간진료, 토요일 단축 진료까지 정확히 담는다. '지금 문 연 병원' 류의 질문에 직접 연결되는 항목이다.
• medicalSpecialty(진료과목): 표방 가능한 진료과목을 표준 용어로 기재한다.
• physician·employee(의료진): 대표원장 이름과 학회 활동 등 사실 확인이 가능한 공개 정보 위주로 담는다.
• sameAs(공식 채널): 네이버 플레이스, 지도, 블로그, 유튜브 등 공식 채널 주소를 연결해 '같은 병원'임을 선언한다.
• geo(좌표)·hasMap(지도): '근처 병원' 같은 위치 기반 질문에 대응하는 항목이다.

주의할 점이 있다. 스키마는 광고 문안이 아니라 사실 선언이다. '최고의', '통증 없는' 같은 표현이나 치료 효과를 단정하는 문구를 넣는 것은 의료광고 규정 위반 소지가 있을 뿐 아니라, 데이터의 신뢰도 자체를 떨어뜨린다. 채울 수 없는 항목은 비워 두는 것이 틀린 값을 넣는 것보다 낫다.

오늘부터 4주 — 단계별 적용 로드맵

순서대로 진행하면 한 달 안에 기본 골격을 갖출 수 있다. 각 단계는 앞 단계의 결과물을 재료로 쓰기 때문에 순서를 지키는 것이 중요하다.

1. 1주차, 현황 진단: 구글의 리치 결과 테스트 같은 스키마 검증 도구에 홈페이지 주소를 넣어 현재 스키마가 있는지, 있다면 오류는 없는지 확인한다. 동시에 네이버 플레이스·구글 지도·홈페이지의 병원명, 주소, 전화번호가 완전히 일치하는지 대조표를 만든다.
2. 2주차, 공식 정보 확정: 병원명 표기, 진료시간, 진료과목, 의료진 정보의 '단일 정답'을 문서 하나로 확정한다. 이 문서가 이후 모든 채널과 스키마의 원본이 된다.
3. 3주차, 스키마 작성과 삽입: 확정된 정보로 JSON-LD 형식(코드 한 덩어리를 페이지에 넣는 방식)의 MedicalOrganization 스키마를 작성해 홈페이지 대표 페이지에 넣는다. 홈페이지 제작사에 원본 문서를 주고 요청하면 보통 크지 않은 작업이다.
4. 4주차, 검증과 확장: 검증 도구로 오류를 잡고, 자주 받는 질문 페이지에는 FAQPage 스키마, 의료진 소개에는 Physician 스키마를 추가로 확장한다.

4주가 끝났다고 완료가 아니다. 진료시간이 바뀌거나 의료진이 바뀌면 스키마도 같은 날 고친다는 원칙을 세워야 한다. 현실과 데이터가 어긋나는 순간부터 신뢰 신호는 감점 요인으로 바뀐다.

병원들이 가장 자주 저지르는 실수

스키마를 넣고도 효과를 못 보는 병원에는 공통된 패턴이 있다. 다음 중 하나라도 해당하면 새 작업보다 바로잡기가 먼저다.

• 표기 불일치: 홈페이지에는 '○○의원', 플레이스에는 '○○클리닉'. 기계에게는 서로 다른 두 곳이다. 가장 흔하고 가장 치명적이다.
• 화면과 스키마의 어긋남: 홈페이지에는 야간진료 안내가 있는데 스키마에는 빠져 있는 식의 불일치는 신뢰를 깎는다.
• 복사-붙여넣기 스키마: 다른 병원 코드를 가져와 이름만 바꾸다 이전 병원의 주소나 좌표가 남는 사고가 실제로 잦다.
• 넣고 방치: 이전·확장·진료시간 변경이 반영되지 않은 스키마는 없는 것보다 나쁠 수 있다.
• 과장 문구 삽입: 설명 항목에 광고 문구를 넣는 순간 사실 데이터가 아니라 광고가 된다.
• 대행사에 맡기고 미확인: '적용 완료' 보고를 받았다면 검증 도구의 결과 화면을 함께 요구하라. 확인에는 5분이면 충분하다.

공통점은 기술 문제가 아니라 관리 문제라는 것이다. 스키마는 코드이기 전에 '병원 공식 정보의 관리 체계'다. 원장이 코드를 짤 필요는 없지만, 정보의 정답을 정하고 일치 여부를 점검하는 일은 병원 내부의 몫이다.

스키마는 입장권이다 — 그다음에 오는 것들

기대치도 정확히 잡아야 한다. 스키마를 넣는다고 다음 주에 챗GPT가 우리 병원을 추천하지는 않는다. AI가 웹을 다시 수집하고 정보를 반영하는 데는 시간이 걸리고, 반영 속도와 방식도 서비스마다 다르다. 스키마는 순위를 끌어올리는 부스터가 아니라, 심사 대상에 오르기 위한 입장권에 가깝다.

입장한 다음의 경쟁력은 콘텐츠에서 나온다. 환자들이 AI에게 묻는 질문 — '임플란트 상담을 가면 무엇을 물어봐야 하나', '아이 첫 치과 검진은 언제가 좋은가' 같은 — 에 성실히 답하는 글이 홈페이지에 쌓여 있고 그 글에 FAQPage 스키마가 붙어 있으면, AI가 답변을 만들 때 인용할 재료가 풍부해진다. 스키마가 신분증이라면 콘텐츠는 실적 증명서다. 둘이 함께 갖춰질 때 인용 가능성이 실질적으로 올라간다.

외부 신호도 같은 방향으로 정렬돼야 한다. 지도 서비스의 병원 정보, 언론 보도, 협회 등록 정보까지 이름과 주소가 일치할수록 실체 인식은 단단해진다. 스키마는 이 모든 신호가 모이는 중심축 역할을 한다.

무엇부터 할 것인가 — 원장을 위한 실행 요약

모든 것을 한 번에 할 필요는 없다. 우선순위는 명확하다. 첫째, 검증 도구로 현재 상태를 확인한다(오늘, 10분). 둘째, 병원명·주소·전화·진료시간의 단일 정답 문서를 만든다(이번 주). 셋째, MedicalOrganization 스키마를 대표 페이지에 삽입한다(제작사 협업, 2~3주차). 넷째, FAQ 콘텐츠와 FAQPage 스키마로 확장한다(4주차 이후). 이 네 단계만 마쳐도 지역 내 대다수 병원보다 앞서게 된다.

가장 빠른 출발점은 현재 위치를 아는 것이다. 우리 병원이 지금 AI에게 어떻게 읽히고 있는지, 스키마와 정보 일관성에 어떤 구멍이 있는지 궁금하다면 AI메디랩의 무료 AI 검색 진단으로 현황부터 확인해 보길 권한다. 진단 결과만으로도 이 글의 체크리스트 중 어디부터 손대야 할지가 분명해질 것이다.