챗GPT는 왜 길 건너 병원만 추천할까 — AI가 우리 병원을 '읽지 못하는' 진짜 이유, MedicalOrganization 스키마

환자들이 병원을 찾는 경로가 검색창에서 AI 대화창으로 빠르게 옮겨가고 있다. 챗GPT나 제미나이 같은 AI가 특정 병원을 답변에 올리려면, 그 병원의 정보를 기계가 오해 없이 읽을 수 있는 형태, 즉 구조화 데이터로 확인할 수 있어야 한다. 이 글은 의료기관용 구조화 데이터의 표준인 MedicalOrganization 스키마가 왜 AI 인용의 기본기인지, 그리고 오늘 당장 어떤 순서로 적용해야 하는지를 실무 단계까지 정리한다.

저녁 진료를 마친 원장이 스마트폰을 꺼내 챗GPT에 물어본다. "○○동에서 임플란트 상담 잘 해주는 치과 알려줘." 화면에 뜨는 이름은 길 건너 개원 3년 차 치과다. 우리 병원은 개원 15년에 장비도 의료진 경력도 앞서는데, AI의 답변 어디에도 없다. 홈페이지 리뉴얼에 적지 않은 비용을 썼고 블로그도 몇 년째 운영해 왔는데 말이다.

이런 경우 문제는 콘텐츠의 양이 아니라 '형식'일 때가 많다. 사람 눈에 아무리 훌륭한 홈페이지라도 AI가 그 안의 정보를 확신을 갖고 읽어내지 못하면 답변에 인용하지 않는다. 이 간극을 메우는 도구가 스키마이고, 그중 의료기관을 위한 표준이 MedicalOrganization 스키마다.

AI는 홈페이지를 '보지' 않는다 — 구조화 데이터라는 번역기

먼저 용어부터 풀어보자. 스키마, 또는 구조화 데이터란 홈페이지에 이미 적혀 있는 정보를 검색엔진과 AI가 오해 없이 읽도록 정해진 형식으로 한 번 더 적어 주는 '기계용 라벨'이다. 구글·마이크로소프트 등이 함께 만든 schema.org라는 국제 표준 사전이 있고, 보통 JSON-LD라는 코드 형식으로 홈페이지 안에 심는다. 화면에는 보이지 않지만, 검색엔진과 AI는 이 라벨을 읽고 "이 사이트는 ○○치과의원이고, 주소는 여기, 진료과목은 이것"이라고 확정한다.

수출 상품의 라벨을 떠올리면 이해가 쉽다. 상자 안에 아무리 좋은 제품이 들어 있어도, 세관이 읽을 수 있는 표준 양식의 라벨이 없으면 통관 자체가 지연되거나 반려된다. AI에게 스키마 없는 홈페이지는 라벨 없는 상자다. 내용물이 좋아 보여도 '확신'이 없으니 답변이라는 진열대에 올리지 않는 쪽을 택한다.

이것이 왜 치명적인가. AI는 문장을 확률적으로 생성하기 때문에, 병원명·주소·전화번호·진료과목처럼 틀리면 안 되는 정보일수록 명시적으로 선언된 데이터를 우선 신뢰하는 경향이 있다. 라벨이 없는 병원은 '추천 후보군'에서 조용히 빠지고, 원장은 빠졌다는 사실조차 알기 어렵다. 반대로 라벨을 제대로 갖춘 병원은 AI가 안심하고 인용할 수 있는 몇 안 되는 선택지가 된다.

주의할 점은 스키마가 눈에 보이지 않는 코드라는 것이다. 홈페이지 제작 당시 빠져 있었다면 몇 년째 없는 채로 운영되고 있어도 아무도 알아차리지 못한다. 지금 이 글을 읽는 원장의 홈페이지도 예외가 아닐 수 있다.

왜 MedicalOrganization 스키마가 출발점인가

schema.org에는 수백 가지 유형이 있는데, 의료기관을 위해 정의된 것이 MedicalOrganization이다. 그 아래로 치과를 뜻하는 Dentist, 의원급을 뜻하는 MedicalClinic, 병원을 뜻하는 Hospital 같은 세부 유형이 있다. 이 스키마를 넣는다는 것은 AI에게 "이 사이트는 개인 블로그도 광고 페이지도 아닌, 실제 의료기관의 공식 홈페이지"라고 신분을 증명하는 일이다.

의료는 AI가 출처를 가장 보수적으로 고르는 영역에 속한다. 잘못된 병원 정보를 안내했을 때의 위험이 크기 때문에, 공식 여부가 확인되지 않는 출처는 인용을 피하는 경향이 있다. 즉 의료기관일수록 '나는 진짜 의료기관'이라는 기계 판독용 증명이 다른 업종보다 더 무겁게 작동한다. 이 증명이 없으면 아무리 좋은 칼럼을 써도 '출처 불명의 건강 정보 사이트'로 취급될 수 있다.

기회의 측면도 있다. 일반적으로 국내 병·의원 홈페이지 중 의료기관 스키마를 제대로 갖춘 곳은 아직 소수다. 대부분이 시작하지 않은 지금 기본기를 갖추면, 광고비 경쟁이 아니라 '데이터 정확성' 경쟁에서 앞서게 된다. 검색 광고는 끄는 순간 사라지지만, 스키마는 한 번 제대로 심으면 계속 일한다.

같은 동네의 두 치과를 생각해 보자. 한 곳은 홈페이지에 스키마로 병원명·주소·진료시간·진료분야가 선언돼 있고, 다른 곳은 이미지 배너 속에만 정보가 있다. "○○동 야간진료 치과"라는 질문을 받은 AI가 어느 쪽을 안전하게 인용할지는 자명하다. 이것은 일반화된 예시지만, AI 추천의 작동 원리를 정확히 보여준다.

우리 병원에 필요한 스키마 4종 세트

첫째는 당연히 MedicalOrganization(또는 Dentist·MedicalClinic 같은 세부 유형)이다. 병원 자체의 신분증에 해당하며, 아래 속성을 채우는 것이 핵심이다.

• name — 의료기관 정식 명칭(간판·플레이스와 한 글자까지 동일하게)
• address — 도로명 주소를 항목별로 구조화
• telephone — 대표번호 하나로 통일
• url·image — 공식 홈페이지 주소와 대표 이미지
• openingHours — 요일별 진료시간과 휴진일
• medicalSpecialty — 진료 분야
• geo — 위도·경도 좌표
• sameAs — 네이버 플레이스, 공식 블로그·SNS 등 '같은 병원'임을 잇는 링크

둘째는 의료진을 나타내는 Physician 스키마다. 원장과 소속 의료진의 이름·전문 분야·소속을 선언하면, AI가 '누가 진료하는 곳인지'까지 파악한다. 의료에서 신뢰는 결국 사람에게서 나오므로, 의료진 정보의 구조화는 기관 정보 못지않게 중요하다.

셋째는 FAQPage 스키마다. 자주 묻는 질문 페이지를 질문-답변 쌍으로 구조화해 두면, AI가 환자의 질문에 답할 때 그 형식을 그대로 가져다 쓰기 좋다. 진료 예약 방법, 주차 안내, 초진 시 준비물처럼 사실 위주의 질문부터 만들면 된다. 넷째로 사이트 구조를 알려주는 BreadcrumbList와 WebSite 스키마까지 갖추면 기본 세트가 완성된다.

흔한 실수는 블로그 글에는 Article 스키마를 부지런히 넣으면서 정작 병원 자체의 정보는 비워두는 것이다. 이력서(콘텐츠)만 잔뜩 내고 신분증(기관 정보)을 안 낸 셈이라, 순서가 뒤바뀐 투자다.

오늘 시작하는 적용 5단계

실행 순서는 다음과 같다. 코드를 직접 만지지 않는 원장도 1·2단계는 오늘 할 수 있고, 3~5단계는 제작업체나 담당자에게 정확히 지시할 수 있다.

1. 현황 진단 — 구글의 리치 결과 테스트나 schema.org 검사 도구에 홈페이지 주소를 넣어, 지금 어떤 스키마가 있는지 확인한다. '감지된 항목 없음'이 나오면 백지 상태라는 뜻이다.
2. 정보 마스터 문서 작성 — 병원명·주소·대표번호·진료시간·진료분야·의료진 명단을 한 글자 단위로 확정한 문서를 만든다. 이후 모든 채널이 이 문서를 기준으로 통일된다.
3. JSON-LD 작성 — 우리 병원에 맞는 세부 유형(치과면 Dentist)을 고르고, 위 필수 속성을 마스터 문서 그대로 채운다.
4. 홈페이지 삽입 — 대표 페이지의 head 영역에 코드를 넣는다. 업체에 맡길 때는 "스키마 넣어주세요"가 아니라 "Dentist 유형 JSON-LD를, 첨부한 속성 값 그대로, 전 페이지 공통 영역에 넣어달라"고 속성 목록까지 전달한다.
5. 검증과 유지 — 삽입 후 검사 도구로 오류를 확인하고, 진료시간·전화번호가 바뀔 때마다 스키마도 함께 고치는 갱신 규칙을 정한다.

가장 흔한 실패는 4단계에서 일어난다. 요청이 두루뭉술하면 병원명만 채워진 껍데기 스키마가 들어가고, 검사 도구에는 '통과'로 떠서 문제를 발견하기 어렵다. 반드시 속성 목록을 명시해 요청하고, 결과물을 검사 도구로 직접 열어 값이 채워졌는지 확인해야 한다.

또 하나의 원칙은 화면과 코드의 일치다. 스키마에는 야간진료를 한다고 적고 홈페이지 화면에는 그 안내가 없다면, 검색엔진은 이를 불일치 신호로 읽는다. 스키마는 화면에 있는 사실을 기계어로 번역하는 것이지, 화면에 없는 내용을 몰래 추가하는 통로가 아니다.

병원 스키마에서 가장 자주 보이는 실수 5가지

실제 병·의원 홈페이지를 점검해 보면 유형이 반복된다. 아래는 일반화된 예시지만, 대부분의 병원이 최소 한두 개에는 해당한다.

• 병원명 표기 불일치 — 홈페이지는 "○○치과의원", 플레이스는 "○○치과 △△역점", 스키마는 또 다른 표기. AI는 이 셋이 같은 병원인지 확신하지 못한다.
• 대표 페이지에만 삽입 — 메인에만 넣고 진료안내·의료진 페이지는 방치. AI가 어느 페이지로 들어와도 신분 확인이 되도록 공통 영역에 넣는 것이 안전하다.
• 화면에 없는 정보 삽입 — 스키마에만 존재하는 진료과목이나 시간. 단기적으로 이득처럼 보여도 신뢰 신호를 갉아먹는다.
• 진료시간·휴진일 미갱신 — 개원 때 넣은 뒤 방치. 스키마의 시간과 실제 운영이 다르면 없느니만 못한 결과가 된다.
• 타 사이트 코드 복사 — 다른 병원 스키마를 복사해 쓰다가 sameAs에 남의 블로그 주소가 남아 있는 사례. 남의 신분증을 들고 다니는 것과 같다.

이 실수들의 공통점은 '한 번 넣고 잊는 것'이다. 스키마는 설치가 아니라 관리의 대상이며, 분기별 점검 항목에 넣어두는 것만으로 대부분 예방된다.

넣었다고 끝이 아니다 — 검증과 관찰의 루틴

삽입 후에는 세 겹으로 확인한다. 첫째, 리치 결과 테스트와 schema.org 검사기로 문법 오류와 누락 속성을 잡는다. 둘째, 구글 서치 콘솔에서 구조화 데이터 관련 보고서에 오류가 쌓이지 않는지 주기적으로 본다. 셋째, 실제 AI에 물어본다. 챗GPT·제미나이·퍼플렉시티에 "○○동 △△과 추천", "우리 병원명 + 진료시간" 같은 질문을 던져 우리 병원이 어떻게 언급되는지 기록한다.

여기서 기대치를 현실적으로 잡아야 한다. 스키마를 넣는다고 다음 주에 AI 답변이 바뀌지는 않는다. AI 서비스마다 데이터를 다시 수집하고 반영하는 주기가 다르고, 일반적으로 수 주에서 수개월의 시차가 있다. 스키마는 즉효약이 아니라, AI가 우리 병원을 인용할 수 있는 '자격'을 만들어 두는 기초 공사다.

그래서 관찰은 루틴으로 만든다. 월 1회, 같은 질문 세트를 같은 AI들에 물어 답변을 기록해 두면 변화의 방향이 보인다. 주의할 점은 AI 답변이 물을 때마다 조금씩 달라진다는 것이다. 한 번의 결과에 일희일비하지 말고, 몇 달 단위의 추세로 판단해야 한다.

스키마는 신분증이지 이력서가 아니다 — 함께 가야 할 것들

스키마가 기본기라는 말은, 그것만으로 충분하다는 뜻이 아니다. 첫째로 NAP 일관성이 따라와야 한다. NAP는 상호(Name)·주소(Address)·전화번호(Phone)의 약자로, 홈페이지·네이버 플레이스·구글 비즈니스 프로필·각종 포털의 병원 정보가 한 글자까지 같아야 한다는 원칙이다. AI는 여러 출처를 교차 확인해 정보의 신뢰도를 판단하므로, 채널마다 표기가 다르면 스키마의 효과도 반감된다.

둘째로 인용할 '문장'이 있어야 한다. 스키마가 신분증이라면 콘텐츠는 이력서다. 신분증만 있는 지원자를 채용할 수 없듯, AI도 환자의 질문에 답이 되는 문장이 홈페이지에 있어야 그것을 가져다 쓴다. 환자가 실제로 묻는 질문을 소제목으로 삼고, 각 글의 첫 문단을 두세 문장의 완결된 요약으로 쓰는 습관이 스키마와 맞물릴 때 인용 가능성이 올라간다.

순서를 정리하면 이렇다. 신분증(스키마)을 먼저 만들고, 모든 채널의 정보를 통일하고(NAP), 그 위에 질문에 답하는 콘텐츠를 쌓는다. 셋 중 하나만 빠져도 나머지 둘의 효과가 새어 나간다.

이번 주에 할 일 — 우선순위 체크리스트

모든 것을 한 번에 할 필요는 없다. 우선순위는 명확하다.

1. 오늘: 리치 결과 테스트에 홈페이지 주소를 넣어 스키마 유무를 확인한다(5분).
2. 이번 주: 병원 정보 마스터 문서를 만들고, 플레이스·홈페이지 표기와 대조한다.
3. 이번 주: 제작업체에 세부 유형과 속성 목록을 명시한 스키마 삽입을 요청한다.
4. 다음 주: 삽입 결과를 검사 도구로 검증하고 오류를 수정한다.
5. 매월: AI 3곳에 같은 질문 세트를 던져 우리 병원의 노출을 기록한다.

가장 먼저 할 일은 결국 '현재 상태를 아는 것'이다. 우리 홈페이지에 스키마가 있는지, 있다면 제대로 채워져 있는지, AI가 우리 병원을 지금 어떻게 설명하고 있는지를 모르면 어떤 투자도 방향을 잡을 수 없다. AI메디랩의 무료 진단을 이용하면 우리 병원 홈페이지의 구조화 데이터 상태와 AI 노출 현황을 한 번에 점검해 볼 수 있다. 진단 결과를 손에 쥐고 나면, 이 글의 체크리스트 중 어디부터 시작할지가 분명해질 것이다.