챗GPT가 옆 병원만 추천하는 진짜 이유 — AI는 '읽을 수 있는 병원'만 인용한다, MedicalOrganization 스키마의 모든 것

의료기관이 챗GPT·퍼플렉시티 같은 AI 검색에서 인용되려면, AI가 병원 정보를 정확히 읽어낼 수 있는 구조화 데이터가 먼저 갖춰져야 한다. 그 출발점이 의료기관 전용 표기 규격인 MedicalOrganization 스키마다. 이 글은 스키마가 왜 AI 인용의 기본기인지, 그리고 오늘 당장 어떤 순서로 적용해야 하는지를 준비·실행·검증 단계로 나누어 정리했다.

밤 10시, 잇몸이 부어 잠을 못 이루는 환자가 챗GPT에 '○○동에서 믿을 만한 치과 알려줘'라고 묻는다. AI는 몇 초 만에 두세 곳을 추천하는데, 그 목록에 우리 병원은 없다. 홈페이지도 작년에 새로 만들었고 블로그도 꾸준히 운영해 왔는데 왜일까. 원인은 대개 콘텐츠의 양이 아니라, AI가 우리 병원의 이름·주소·진료과목 같은 기본 사실조차 확신하지 못한다는 데 있다. 정보가 기계가 읽을 수 있는 형태로 정리되어 있지 않으면, AI는 확신이 없는 병원을 답변에서 조용히 제외한다. 환자는 거절당한 적도 없이, 우리 병원의 존재를 모른 채 옆 병원으로 향한다.

AI는 우리 병원 홈페이지를 '사람처럼' 읽지 않는다

사람 눈에는 잘 만든 홈페이지가 있다. 메인 배너에 병원 전경 사진이 있고, 이미지 안에 전화번호와 진료시간이 예쁘게 디자인되어 있다. 문제는 AI와 검색엔진의 수집 프로그램이 이 페이지를 사람처럼 '보는' 것이 아니라, HTML 코드 속 텍스트를 '읽는다'는 점이다. 이미지에 박힌 전화번호, 팝업 안내문 속 진료시간, 플래시나 스크립트로만 표시되는 오시는 길은 기계 입장에서 존재하지 않는 정보와 같다.

여기서 구조화 데이터라는 개념이 나온다. 구조화 데이터(스키마 마크업)란 웹페이지의 각 정보에 '이것은 병원 이름이다', '이것은 주소다', '이것은 진료과목이다'라고 라벨을 붙여주는 국제 표준 표기법이다. 사람에게는 보이지 않지만, AI에게는 이 라벨이 정보를 오독 없이 이해하는 유일한 안전장치다.

라벨이 없으면 어떻게 될까. AI는 페이지 곳곳의 텍스트를 긁어모아 '아마 이게 주소겠지' 하고 추측한다. 그리고 AI는 추측한 정보를 인용하는 데 매우 소극적이다. 잘못 안내했을 때의 위험이 크기 때문이다. 특히 의료처럼 신뢰가 중요한 분야에서는 정보의 확실성이 낮은 기관일수록 답변에서 먼저 탈락한다.

비유하자면 송장 없는 택배 상자다. 안에 아무리 좋은 물건이 들어 있어도 받는 사람·주소·내용물이 적혀 있지 않으면 배송망은 그 상자를 분류하지 못하고 옆으로 치워둔다. 스키마 없는 병원 홈페이지가 AI 검색에서 겪는 일이 정확히 이것이다.

MedicalOrganization 스키마 — 병원 정보를 담는 '표준 서식'

MedicalOrganization은 구글·마이크로소프트 등이 함께 만든 공동 규격인 schema.org에서 의료기관을 표기하기 위해 정의한 전용 타입이다. 일반 상점용 표기와 달리 의료기관의 특수한 정보, 예컨대 진료과목이나 제공 진료 영역 같은 항목을 담을 수 있도록 설계되어 있다.

이 타입 아래에는 더 구체적인 하위 타입이 있다. 치과라면 Dentist, 의원급이라면 MedicalClinic, 병원급이라면 Hospital, 의료진 개인 페이지라면 Physician을 쓸 수 있다. 자기 기관의 성격에 맞는 가장 구체적인 타입을 고르는 것이 원칙이다. 구체적일수록 AI가 '이 기관이 무엇을 하는 곳인지'를 정확히 분류한다.

스키마에 담는 항목은 병원의 신분증에 해당한다. 정식 명칭, 도로명 주소, 대표 전화, 진료시간, 진료과목, 홈페이지 주소, 대표 이미지, 운영 주체 정보 등이다. 이 정보들은 JSON-LD라는 형식의 짧은 코드 블록으로 작성해 홈페이지에 삽입하는데, 화면에는 전혀 표시되지 않으므로 디자인이 바뀌거나 환자 경험이 달라질 걱정은 없다.

중요한 것은 스키마가 '새로운 정보를 만드는 것'이 아니라 '이미 페이지에 있는 정보를 기계용 언어로 한 번 더 써주는 것'이라는 점이다. 그래서 적용 자체는 생각보다 어렵지 않고, 대부분의 홈페이지 제작사가 요청만 하면 처리할 수 있는 작업이다.

왜 스키마가 AI 인용의 '기본기'인가 — 손실과 기회

AI가 '○○동 치과 추천'이라는 질문에 답할 때 내부적으로 하는 일은, 해당 지역의 의료기관이라는 실체(엔티티)들을 파악하고 그중 정보가 확실하고 평판 신호가 있는 곳을 고르는 것이다. 이때 스키마는 '우리 병원이라는 실체가 무엇인지'를 공식적으로 선언하는 문서 역할을 한다. 선언이 없는 병원은 흩어진 텍스트 조각으로만 존재한다.

손실 프레임으로 보면 이렇다. 스키마가 없으면 아무리 좋은 칼럼과 후기를 쌓아도 그 콘텐츠가 '누가 말한 것인지'가 불분명해진다. 지역 이름과 진료 분야를 정확히 매칭하지 못한 AI는 안전하게, 정보가 명확한 경쟁 병원을 대신 추천한다. 홈페이지 리뉴얼과 블로그 운영에 들인 비용의 상당 부분이 AI 검색이라는 새 유입 경로에서는 힘을 쓰지 못하는 셈이다.

기회 프레임으로 보면 반대다. 지역·진료과목·진료시간이 구조화되어 있으면 '일요일에 하는 ○○구 소아과'처럼 조건이 붙은 질문에서 정확히 매칭될 가능성이 열린다. 이런 질문일수록 답변에 오르는 병원 수가 적어, 먼저 정비한 병원이 상대적으로 오래 유리한 자리를 차지하는 경향이 있다.

다만 오해는 피해야 한다. 스키마는 필요조건이지 충분조건이 아니다. 스키마만 넣는다고 인용이 보장되는 것이 아니라, 스키마가 없으면 다른 노력이 제값을 못 한다는 쪽에 가깝다. 콘텐츠·후기·정보 일관성이라는 본체가 있고, 스키마는 그 본체를 AI에게 연결해 주는 신경망이다.

적용 전 30분 — 병원 정보 '원본 대장' 만들기

스키마는 정보를 담는 그릇이므로, 그릇을 만들기 전에 담을 내용부터 확정해야 한다. 코드보다 이 단계가 먼저다. 다음 항목을 문서 하나에 정리해 '원본 대장'으로 삼자.

1. 병원 정식 명칭 — 사업자등록·의료기관 개설 신고 기준 표기와 실제 사용 표기(지점명 포함)를 하나로 통일
2. 도로명 주소 — 층·호수까지, 구주소 혼용 금지
3. 대표 전화번호 — 지역번호 포함 단일 형식으로 통일
4. 진료시간 — 요일별·점심시간·야간·토요일·공휴일까지 빠짐없이
5. 진료과목과 주요 진료 분야, 의료진 성명·면허 분야
6. 네이버 플레이스·구글 비즈니스 프로필 등 외부 채널의 표기가 위 내용과 일치하는지 대조

여기서 NAP 일관성이라는 개념이 중요하다. NAP는 이름(Name)·주소(Address)·전화(Phone)의 약자로, 이 세 가지 표기가 홈페이지·지도 서비스·포털 프로필마다 조금씩 다르면 AI는 이를 서로 다른 기관으로 취급하거나 신뢰도를 낮출 수 있다. 신호가 분산되는 것이다.

실제 점검해 보면 '○○치과의원'과 '○○치과 △△점'이 채널마다 섞여 있거나, 이전 전 주소가 오래된 프로필에 남아 있는 경우가 흔하다. 스키마를 넣기 전에 이 불일치부터 잡는 것이, 30분 투자로 가장 효과가 큰 작업이다.

실전 적용 5단계 — 어디에, 무엇을, 어떻게 넣는가

원본 대장이 준비되면 적용은 다음 순서로 진행한다.

1. 타입 선택 — 기관 성격에 맞는 하위 타입(Dentist, MedicalClinic, Hospital 등)을 정한다.
2. JSON-LD 작성 — 스키마 생성 도구를 쓰거나 홈페이지 제작사·개발자에게 원본 대장을 전달해 작성을 맡긴다.
3. 삽입 — 최소한 홈페이지 대표 페이지(메인·오시는 길)에, 가능하면 전 페이지 공통 영역에 넣는다.
4. 확장 — 자주 묻는 질문 페이지에는 FAQPage, 의료진 소개에는 Physician 등 페이지 성격별 스키마를 추가한다.
5. 검증 — 아래에서 설명할 검증 도구로 오류 여부를 확인한다.

직접 코딩할 필요는 없다. 제작사에 요청할 때는 '메인 페이지에 MedicalOrganization 타입의 JSON-LD 구조화 데이터를 삽입해 주세요. 내용은 첨부한 정보 기준으로요'라고 원본 대장과 함께 전달하면 충분하다. 워드프레스 같은 CMS를 쓴다면 구조화 데이터 플러그인으로 관리자 화면에서 입력할 수도 있다.

한 가지 주의점이 있다. 홈페이지 화면에 없는 내용을 스키마에만 넣어서는 안 된다. 구조화 데이터는 페이지에 실제로 보이는 정보를 표기하는 용도이며, 화면과 코드가 다르면 검색엔진이 이를 기만 행위로 판단해 오히려 불이익을 줄 수 있다. 스키마는 과장 도구가 아니라 정리 도구다.

병원들이 가장 자주 저지르는 실수 6가지

실제 병원 홈페이지를 점검하다 보면 실수의 유형이 반복된다. 일반화된 예시로 정리하면 다음과 같다.

• 일반 상점용 타입만 사용 — LocalBusiness로만 표기하면 의료기관이라는 성격이 전달되지 않는다. 의료 전용 타입을 써야 진료과목 같은 항목을 담을 수 있다.
• 메인 페이지 어디에도 스키마 없음 — 제작사가 템플릿 기본값만 쓰고 병원 정보를 채우지 않은 채 납품한 경우가 흔하다. 리뉴얼했다고 안심하지 말고 확인해야 한다.
• 오래된 진료시간 방치 — 야간 진료를 없앴는데 스키마에는 남아 있으면, AI가 잘못된 안내를 하고 환자 불만으로 돌아온다.
• 핵심 정보가 이미지 안에만 존재 — 스키마를 넣어도 본문 텍스트에 같은 정보가 없으면 교차 확인이 안 된다. 텍스트와 스키마가 함께 있어야 한다.
• 효능·성과 문구 삽입 — '통증 없는', '재발 없는' 같은 단정적 표현을 스키마 설명에 넣는 경우다. 의료광고 규정 위반 소지가 있고 신뢰 신호로도 작동하지 않는다. 사실 정보만 담는다.
• 넣고 검증하지 않음 — 쉼표 하나가 빠진 문법 오류로 스키마 전체가 무효 처리된 채 몇 년씩 방치되기도 한다.

공통점은 '한 번 넣고 잊는 것'이다. 스키마는 설치가 아니라 관리의 대상이라는 관점 전환이 필요하다.

적용 후에는 반드시 검증하라 — 확인·유지관리 루틴

적용이 끝나면 구글이 제공하는 리치 결과 테스트나 Schema Markup Validator 같은 무료 도구에 홈페이지 주소를 넣어 확인한다. 오류와 경고가 표시되면 제작사에 그대로 전달해 수정하면 된다. 검증까지 마쳐야 작업이 끝난 것이다.

이후에는 분기마다 한 번씩 점검 루틴을 돌리는 것을 권한다. 진료시간 변경, 의료진 합류·퇴사, 전화번호나 층 이동 같은 변화가 있을 때는 분기를 기다리지 말고 홈페이지 본문과 스키마, 외부 프로필을 같은 날 함께 고친다. 세 곳의 정보가 어긋나는 기간이 길수록 신뢰 신호가 깎인다.

모니터링 방법도 간단하다. 챗GPT나 퍼플렉시티에 직접 '△△(병원명)의 진료시간 알려줘', '○○동 □□과 추천해줘'라고 물어보고, 우리 병원 정보가 정확히 나오는지, 답변에 등장하는지를 기록해 두는 것이다. 월 1회만 해도 변화 추이가 보인다.

기대 시점은 현실적으로 잡아야 한다. 스키마 반영과 AI 답변 변화 사이에는 시차가 있으며, 일반적으로 수 주에서 그 이상이 걸리는 경우도 있다. 하루 이틀 만에 결과를 재촉하기보다, 정확한 정보를 꾸준히 유지하는 쪽이 결국 이긴다.

오늘 당장 시작하는 우선순위 — 실행 체크리스트

순서를 정리하면 이렇다. 첫째, 우리 홈페이지에 스키마가 있는지부터 확인한다. 둘째, 병원 정보 원본 대장을 만들어 채널 간 표기를 통일한다. 셋째, 의료 전용 타입으로 스키마를 삽입하고 검증한다. 넷째, 분기 점검 루틴을 달력에 등록한다. 이 네 가지면 AI 인용의 기초 공사는 끝난다.

• 홈페이지 스키마 존재 여부 확인 (검증 도구에 주소 입력)
• 병원 정보 원본 대장 작성 및 NAP 표기 통일
• MedicalOrganization 계열 타입으로 JSON-LD 삽입 요청
• 리치 결과 테스트로 오류 검증
• 분기별 점검 + 변경 시 즉시 갱신 루틴 등록
• 월 1회 AI 검색에서 병원명·지역 질문 모니터링

첫 단계인 '우리 병원 홈페이지에 스키마가 있는가'조차 확인이 어렵다면, AI메디랩의 무료 진단으로 현재 상태를 점검해 보는 것부터 시작해도 좋다. 지금 어디에 서 있는지 알아야, 무엇을 고칠지도 정할 수 있다. AI 검색은 이미 환자들의 습관이 되었고, 준비된 병원과 그렇지 않은 병원의 격차는 조용히, 그러나 꾸준히 벌어지고 있다.