챗GPT는 왜 옆 병원만 추천할까 — AI가 요구하는 '병원 신분증', MedicalOrganization 스키마 완전 정리

환자가 챗GPT나 네이버 AI에게 동네 병원을 추천받는 일은 이미 일상이 됐다. 그런데 AI가 어떤 병원을 답변에 인용하려면, 먼저 그 병원이 어떤 기관이고 무엇을 진료하는지를 기계가 오해 없이 확인할 수 있어야 한다. MedicalOrganization 스키마는 병원의 이름·위치·진료과목·의료진 정보를 국제 표준 형식으로 정리해 AI에게 건네는 일종의 '의료기관 신분증'이며, AI 검색 최적화(AEO·AI가 답을 만들 때 인용되도록 최적화하는 작업)의 출발점이다.

한 원장이 직접 실험해 봤다고 하자. 챗GPT에 '○○동에서 임플란트 상담 잘하는 치과 알려줘'라고 물었더니, 개원 2년 차인 옆 건물 치과는 이름이 나오는데 15년 된 자기 병원은 끝내 언급되지 않는다. 홈페이지도 있고 블로그도 꾸준히 했고 후기도 적지 않은데 왜일까. 이런 사례의 상당수는 콘텐츠의 양이 아니라, AI가 그 병원을 '확인 가능한 실체'로 인식하지 못하는 데서 갈린다. 이 글은 그 간극을 메우는 가장 기본적인 장치인 의료기관 구조화 데이터를 개념부터 적용 단계, 흔한 실수까지 다룬다.

AI는 홈페이지를 '읽는' 게 아니라 '해석'한다

사람은 홈페이지를 열면 배너 사진, 원장 인사말, 인테리어 이미지에서 병원의 인상을 즉시 파악한다. 그러나 AI가 보는 것은 화면이 아니라 그 뒤의 코드다. 배너 이미지 안에 그려 넣은 '○○과 전문', 이미지 파일로 올린 진료시간표, 팝업으로 띄운 오시는 길 안내는 기계 입장에서는 존재하지 않는 정보에 가깝다. 화면에는 분명히 있는데 코드에는 없는 정보, 이것이 많은 병원 홈페이지의 공통된 상태다.

여기서 손실이 생긴다. AI는 답변의 신뢰를 지켜야 하므로 확신할 수 없는 정보는 인용하지 않는 쪽으로 작동하는 경향이 있다. 병원 이름과 진료과목, 위치가 코드 수준에서 명확히 확인되지 않으면, 그 병원은 아무리 오래됐고 실력이 있어도 AI에게는 '정체가 불분명한 웹사이트'일 뿐이다. 반대로 정보를 기계가 읽기 좋게 정리해 둔 신생 병원이 답변 자리를 먼저 차지한다.

비유하자면, 외국 바이어에게 명함도 회사 소개서도 없이 사무실 인테리어만 보여주는 셈이다. 공간이 아무리 훌륭해도 상대는 회사명과 업종조차 확인하지 못한다. 구조화 데이터는 바로 이 명함 역할을 한다. 먼저 우리 홈페이지의 핵심 정보가 '이미지 속 글자'가 아니라 '실제 텍스트와 코드'로 존재하는지부터 점검해야 한다.

MedicalOrganization 스키마 — AI에게 건네는 의료기관 신분증

스키마(schema.org)는 구글·마이크로소프트 등 주요 검색 기업이 함께 만든 데이터 표기 표준이다. 웹페이지에 '이 사이트는 의료기관이고, 이름은 무엇이며, 어디에 있고, 무엇을 진료한다'는 정보를 정해진 어휘로 적어 두면, 어떤 검색엔진과 AI든 같은 방식으로 읽을 수 있다. 이렇게 정해진 형식으로 정리한 정보를 '구조화 데이터'라 부르고, 보통 홈페이지 코드 안에 JSON-LD라는 짧은 텍스트 블록으로 넣는다. 화면에는 보이지 않고 기계만 읽는다.

그중 MedicalOrganization은 의료기관 전용 타입이다. 일반 가게용 표기(LocalBusiness)와 달리 진료과목, 소속 진료과, 의료진 같은 의료기관 고유 항목을 담을 수 있다. 여권에 비유하면 이해가 쉽다. 아무리 유명한 사람도 여권 없이는 국경을 넘지 못하듯, 아무리 좋은 병원도 기계가 읽을 수 있는 신분증 없이는 AI 답변이라는 관문을 통과하기 어렵다.

중요한 것은 이 작업이 광고나 편법이 아니라 '사실의 정리'라는 점이다. 이미 홈페이지에 있는 정보를 표준 형식으로 한 번 더 적어 주는 것이므로, 과장할 것도 지어낼 것도 없다. 오히려 사실과 다른 내용을 넣는 순간 신뢰를 잃는 구조라서, 정직한 병원일수록 유리한 장치다.

왜 구조화 데이터가 AI 인용의 '기본값'인가

AI가 지역 병원을 추천할 때는 검색과 지도, 웹 문서에서 확인되는 정보를 조합해 답을 만든다. 이때 의료는 건강과 직결되는 민감 영역이라 AI가 특히 보수적으로 군다. 출처가 불분명한 병원 정보를 함부로 말했다가 틀리면 위험이 크기 때문이다. 그래서 여러 경로에서 일관되게 확인되는, 즉 '검증 가능한 실체'로 보이는 병원이 우선 인용되는 경향이 있다.

손실 관점에서 보면 이렇다. 스키마가 없는 병원의 블로그 글은 AI에게 '누가 쓴 것인지 확인되지 않는 문서'로 취급될 수 있다. 10년간 쌓은 콘텐츠가 신원 미확인이라는 이유 하나로 인용 후보에서 밀리는 것이다. 기회 관점에서 보면 반대다. 국내 병·의원 중 구조화 데이터를 제대로 갖춘 곳은 아직 일반적으로 많지 않다. 대부분의 경쟁 병원이 명함 없이 영업하는 시장에서, 명함을 먼저 갖추는 쪽이 앞선 자리를 차지한다.

또 하나 기억할 점은 축적 효과다. 검색엔진과 AI가 한 번 확인한 기관 정보는 지도, 지식 패널, AI 답변 등 여러 표면에서 반복 활용된다. 지금 정리해 둔 신분증 하나가 앞으로 등장할 새로운 AI 서비스에서도 그대로 통용되는 자산이 되는 셈이다.

적용 1단계 — 우리 병원의 현재 상태부터 진단하라

시작은 코드를 짜는 일이 아니라 현재 상태 확인이다. 의외로 많은 원장이 '홈페이지 제작사가 알아서 해놨겠지'라고 믿지만, 실제로 열어 보면 스키마가 아예 없거나, 제작사 템플릿의 다른 업종 정보가 그대로 남아 있는 경우가 드물지 않다. 진단은 아래 순서로 누구나 할 수 있다.

1. 병원 홈페이지에서 마우스 오른쪽 버튼을 눌러 '페이지 소스 보기'를 열고, ld+json 이라는 단어를 검색해 본다. 없다면 구조화 데이터가 없는 상태다.
2. 구글의 리치 결과 테스트, 스키마 검증 도구(validator.schema.org)에 홈페이지 주소를 넣어 인식되는 항목과 오류를 확인한다.
3. 챗GPT 등 AI에 '△△동 ○○과 추천'처럼 환자가 물을 법한 질문을 직접 던져, 우리 병원과 경쟁 병원 중 누가 언급되는지 기록해 둔다.
4. 네이버 지도·구글 지도·홈페이지의 병원명, 주소, 전화번호 표기가 글자 하나까지 같은지 대조한다.

흔한 실수는 이 단계를 건너뛰고 바로 외주를 맡기는 것이다. 현재 상태 기록이 없으면 몇 달 뒤 개선됐는지 판단할 기준도 없다. 진단 결과를 날짜와 함께 문서로 남겨 두는 것 자체가 첫 번째 실행이다.

적용 2단계 — 신분증에 반드시 들어가야 할 핵심 항목

스키마는 항목을 많이 넣는 것보다 핵심을 정확히 채우는 것이 중요하다. MedicalOrganization 기준으로 최소한 다음은 갖춰야 한다.

• 병원 정식 명칭(name)과 환자들이 부르는 별칭(alternateName) — 간판·사업자등록·지도 표기와 일치해야 한다.
• 주소(address)와 좌표(geo) — 도로명 주소를 표준 형식으로 나눠 기재한다.
• 전화번호(telephone)와 홈페이지 주소(url) — 대표번호 하나로 통일한다.
• 진료시간(openingHours) — 점심시간·야간진료·휴진일까지 반영한다.
• 진료과목(medicalSpecialty) — 실제 개설 과목만 적는다.
• 공식 채널 연결(sameAs) — 네이버 지도, 유튜브, 블로그 등 공식 계정 주소를 연결해 '같은 병원'임을 알린다.
• 로고와 대표 이미지(logo, image) — AI와 검색 결과에 표시될 얼굴이다.

여기서 가장 중요한 원칙이 표기 일관성이다. 병원명·주소·전화번호가 홈페이지, 지도, 스키마에서 조금씩 다르면('OO치과의원' 대 'OO치과 강남점') 기계는 서로 다른 기관일 가능성을 의심하고 신뢰 판단을 보류한다. 흔한 실수는 이전한 뒤 옛 주소가 일부 채널에 남아 있는 경우, 지점명 붙임 방식이 채널마다 다른 경우다. 스키마 작성 전에 전 채널 표기를 하나로 통일하는 작업이 먼저다.

적용 3단계 — 페이지별 확장: 의료진·FAQ까지 연결하라

기본 신분증을 갖췄다면 페이지 성격에 맞게 확장한다. 메인 페이지에는 MedicalOrganization 또는 동네 의원에 맞는 MedicalClinic 타입을, 의료진 소개 페이지에는 의사 개인을 나타내는 Physician 타입을 넣어 이름, 전문 분야, 소속을 명시한다. AI가 '이 글은 어느 병원의 어떤 의사와 연결된 정보인가'를 따라갈 수 있게 만드는 작업이다.

자주 묻는 질문 페이지에는 FAQPage 스키마를 적용한다. 환자들이 AI에 던지는 질문은 대부분 '주차 되나요', '야간진료 하나요', '첫 방문 때 뭘 준비하나요' 같은 생활형 질문인데, 이런 질문과 답을 구조화해 두면 AI가 답변 재료로 쓰기 가장 좋은 형태가 된다. 실행 순서는 간단하다.

1. 상담실·데스크에서 실제로 자주 받는 질문 10개를 모은다.
2. 각 질문에 3~4문장의 사실 기반 답을 정리해 FAQ 페이지를 만든다.
3. 그 내용을 그대로 FAQPage 스키마로 표기한다.

주의점이 있다. 스키마는 화면에 보이지 않는다고 해서 광고 규제 밖에 있는 공간이 아니다. 치료 효과를 단정하는 문구, 최상급 표현, 검증되지 않은 수치는 스키마 안에도 넣어서는 안 된다. 의료광고 심의 기준에 맞는 사실 정보만 담는 것이 원칙이고, 그것이 장기적으로 AI 신뢰에도 유리하다.

스키마를 넣고도 효과가 없는 병원의 공통점

구조화 데이터를 적용하고도 변화가 없다는 병원들을 들여다보면 몇 가지 패턴이 반복된다. 첫째, 화면 내용과 스키마 내용의 불일치다. 홈페이지에는 진료시간이 바뀌었는데 스키마는 개원 당시 그대로인 식이다. 기계는 모순된 정보를 만나면 둘 다 신뢰하지 않는 쪽으로 기운다. 둘째, 제작사 템플릿 복사다. 다른 병원 스키마를 이름만 바꿔 붙여 넣어 진료과목이 실제와 다르게 들어간 경우로, 없느니만 못한 상태가 될 수 있다.

셋째, 넣기만 하고 검증하지 않는 경우다. 문법 오류 하나로 스키마 전체가 무시될 수 있으므로 적용 후 반드시 검증 도구를 돌려야 한다. 넷째, 스키마만 있고 콘텐츠가 빈약한 경우다. 신분증은 관문을 열어 줄 뿐, AI가 인용할 실질적 답변 재료는 결국 충실한 진료 안내와 FAQ 콘텐츠다. 스키마는 필요조건이지 충분조건이 아니라는 점을 기억해야 한다.

마지막으로 방치다. 진료시간 변경, 의료진 합류·퇴사, 이전 같은 변화가 스키마에 반영되지 않으면 신뢰는 서서히 무너진다. 월 1회, 데스크 업무 점검하듯 스키마 정보를 확인하는 루틴을 만들어 두면 이 문제 대부분이 예방된다.

오늘 시작하는 우선순위 체크리스트

모든 것을 한 번에 할 필요는 없다. 순서는 명확하다.

1. 이번 주: 페이지 소스에서 스키마 유무 확인, AI에 우리 병원 질문해 보기, 결과 기록.
2. 2주 안에: 전 채널 병원명·주소·전화번호 표기 통일.
3. 한 달 안에: MedicalOrganization 기본 스키마 적용과 검증 도구 통과.
4. 다음 달: 의료진(Physician)·FAQ(FAQPage) 스키마로 확장.
5. 이후 상시: 월 1회 정보 최신화 점검.

이 목록의 절반은 코딩 지식 없이 원장이나 실장이 직접 할 수 있는 일이다. 나머지 절반도 무엇을 요구해야 하는지 알고 제작사·대행사에 맡기는 것과 모르고 맡기는 것은 결과가 다르다. 우리 병원이 지금 AI에게 어떻게 보이는지 궁금하다면, 홈페이지 주소만으로 스키마 적용 상태와 AI 인용 가능성을 점검해 주는 무료 진단부터 받아 보는 것도 부담 없는 출발점이다. 환자가 AI에게 병원을 묻는 흐름은 되돌아가지 않는다. 신분증을 먼저 갖춘 병원이 그 질문의 답이 된다.