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

환자가 챗GPT나 네이버 AI에게 '○○역 근처에서 잘하는 치과'를 물었을 때, AI가 특정 병원을 답변에 올리는 근거는 홈페이지의 화려한 디자인이 아니라 기계가 읽을 수 있는 '구조화 데이터'입니다. MedicalOrganization 스키마는 우리 병원이 어떤 의료기관인지 AI에게 증명하는 국제 표준 신분증이며, 이것이 비어 있는 병원은 AI 입장에서 인용할 근거가 없는 '신원 미상'의 존재가 됩니다. 이 글은 그 원리를 설명하고, 오늘 당장 실행할 수 있는 적용 단계와 병원들이 자주 저지르는 실수까지 정리합니다.

월요일 아침, 원장실에서 스마트폰을 꺼내 챗GPT에 직접 물어봅니다. '○○동에서 잘하는 정형외과 추천해줘.' 답변에는 길 건너 개원 3년 차 병원이 이름과 위치, 진료 특징까지 정리되어 올라와 있는데, 15년째 같은 자리를 지켜온 우리 병원은 한 줄도 없습니다. 홈페이지는 작년에 큰 비용을 들여 리뉴얼했고 블로그도 꾸준히 운영해 왔는데 말입니다. 문제는 노력의 양이 아닙니다. AI가 우리 병원을 '확인 가능한 의료기관'으로 인식하지 못하고 있을 가능성이 큽니다.

AI는 홈페이지를 '보지' 않습니다 — '읽습니다'

챗GPT, 퍼플렉시티, 네이버의 AI 검색 같은 서비스는 사람처럼 화면을 보지 않습니다. 웹페이지의 원본 코드인 HTML을 텍스트로 읽어 들인 뒤 그 안에서 의미를 추출합니다. 사람 눈에는 세련된 메인 화면의 병원 로고가, 기계에게는 의미를 알 수 없는 이미지 파일 하나에 불과할 수 있습니다. 진료시간이 배너 이미지 안에 그림으로만 들어 있다면, AI는 우리 병원의 진료시간을 영원히 알 수 없습니다.

여기서 '구조화 데이터', 다른 말로 '스키마 마크업'이 등장합니다. 구조화 데이터란 schema.org라는 국제 표준 어휘를 사용해, 페이지 코드 안에 '이 페이지의 주체는 치과의원이고, 이름은 ○○치과, 주소는 ○○구 ○○로 12, 전화는 02-000-0000'이라고 기계가 오해 없이 읽을 수 있는 형식으로 적어 두는 작업입니다. 사람을 위한 화면과 별도로, 기계를 위한 공식 명세서를 한 장 첨부하는 셈입니다.

비유하자면 이렇습니다. 해외 공항 입국심사대에서 '제가 그 사람이 맞습니다'라고 아무리 유창하게 설명해도, 심사관이 원하는 것은 표준 규격의 여권입니다. AI에게 구조화 데이터는 바로 그 여권입니다. 여권 없이 말로만 설명하는 병원과 표준 서식으로 신원을 증명하는 병원 중, AI가 어느 쪽을 안심하고 답변에 올릴지는 자명합니다.

MedicalOrganization 스키마 — 병원의 디지털 신분증

schema.org 어휘 체계에는 조직을 뜻하는 Organization 아래에 의료기관을 뜻하는 MedicalOrganization 타입이 있고, 그 아래로 병원(Hospital), 의원급 의료기관(MedicalClinic), 치과(Dentist) 같은 세부 타입이 이어집니다. 우리 병원의 성격에 가장 가까운 세부 타입을 골라 선언하는 것이 출발점입니다. 범용 타입보다 세부 타입을 쓸수록 AI는 '이곳이 무엇을 하는 곳인지'를 더 정확히 이해합니다.

작성 형식은 JSON-LD라는 방식이 사실상의 표준입니다. 홈페이지 코드의 머리 부분에 짧은 스크립트 형태로 삽입되며, 화면에 보이는 디자인에는 아무 영향을 주지 않습니다. 즉 기존 홈페이지를 갈아엎을 필요 없이, 지금 사이트에 기계용 명세서만 덧붙이는 작업입니다. 이 점이 중요합니다. 리뉴얼급 공사가 아니라, 개발자에게 요청하면 단기간에 끝나는 정비 작업입니다.

의료 분야에서 이 작업이 특히 중요한 이유가 있습니다. 검색 업계에서 의료는 YMYL, 즉 돈과 생명에 직결되는 민감 영역으로 분류됩니다. AI가 아무 출처나 인용했다가 틀리면 이용자에게 실질적 피해가 갈 수 있기 때문에, AI는 신원과 정보가 교차 검증되는 기관을 우선 인용하려는 경향을 보입니다. 구조화 데이터는 그 검증의 첫 번째이자 가장 기본적인 근거입니다. 기본 신원조차 기계적으로 확인되지 않는 병원은, 콘텐츠가 아무리 좋아도 출발선에서 밀립니다.

스키마가 비어 있을 때 병원이 치르는 비용

AI가 우리 병원 이름을 어딘가에서 접했더라도, 주소와 진료과목과 현재 운영 여부를 확신하지 못하면 둘 중 하나를 택합니다. 답변에서 조용히 제외하거나, 오래된 블로그 글과 카페 후기 같은 부정확한 출처를 짜깁기해 잘못된 정보로 소개하거나. 전자는 신환 유입의 기회 손실이고, 후자는 병원 신뢰의 직접 손상입니다. 어느 쪽도 원장이 원하는 결과가 아닙니다.

일반화된 예시를 하나 들겠습니다. 몇 년 전 확장 이전한 병원의 옛 주소가 오래된 게시글에 남아 있고, 새 홈페이지에는 구조화된 주소 정보가 없는 경우입니다. AI는 확신할 수 있는 최신 정보가 없으니 옛 주소를 답하고, 환자는 이전 자리로 찾아갔다가 발길을 돌립니다. 병원은 그런 환자가 있었다는 사실조차 알지 못합니다. AI 검색의 손실은 이렇게 통계에 잡히지 않는 형태로 누적됩니다.

반대로 기회의 측면도 분명합니다. 국내 병의원 중 구조화 데이터를 규격에 맞게 갖춘 곳은 아직 많지 않은 것이 일반적인 현실입니다. 좋은 콘텐츠를 쌓아 경쟁 병원을 따라잡는 데는 오랜 시간이 걸리지만, 스키마 정비는 정보만 정리되어 있으면 단기간에 끝납니다. 적은 투입으로 검증 가능한 병원과 그렇지 않은 병원의 경계선을 넘을 수 있는, 지금 시점에서 가장 효율이 좋은 작업입니다.

반드시 채워야 할 핵심 속성 — 필드별 실무 가이드

MedicalOrganization 스키마에는 수십 개의 속성이 있지만, 전부 채울 필요는 없습니다. AI가 병원을 식별하고 인용하는 데 결정적인 것은 다음 항목들입니다.

• @type: Dentist, MedicalClinic, Hospital 등 병원 성격에 맞는 세부 타입을 선택합니다.
• name: 의료기관 정식 명칭. 네이버 플레이스, 홈페이지 하단 표기와 글자 단위까지 일치시킵니다.
• address: 도로명 주소를 시·구·상세주소·우편번호로 나눈 구조화 형식(PostalAddress)으로 적습니다.
• telephone: 대표번호. 국가번호를 포함한 표기가 권장됩니다.
• openingHoursSpecification: 요일별 진료시간과 점심시간, 야간·주말 진료 여부. 환자 질문에 가장 자주 인용되는 정보입니다.
• geo: 위도·경도 좌표. '근처 병원' 유형의 질문에 대응하는 핵심 값입니다.
• medicalSpecialty: 진료 분야. 표준 값 목록에서 선택합니다.
• url·logo·image: 공식 홈페이지 주소와 로고, 대표 이미지.
• sameAs: 네이버 플레이스, 공식 블로그, 유튜브 등 공식 채널 주소 목록. AI가 여러 출처를 교차 검증할 때 '같은 병원'임을 잇는 다리 역할을 합니다.

주의할 점이 하나 있습니다. 스키마의 설명(description) 항목도 의료광고 규정의 눈으로 검토해야 합니다. 특정 시술의 효과를 단정하거나 최상급 표현을 쓰는 문구는 화면에 보이지 않더라도 넣지 않는 것이 안전합니다. 스키마는 기술 요소이기 이전에 병원이 공식적으로 선언하는 정보이기 때문입니다.

또 하나의 원칙은 NAP 일관성입니다. 이름(Name)·주소(Address)·전화(Phone)가 홈페이지 화면, 스키마, 네이버 플레이스, 구글 비즈니스 프로필에서 완전히 같아야 합니다. '○○정형외과의원'과 '○○ 정형외과', 대표번호와 상담실 번호가 뒤섞여 있으면, AI는 서로 다른 기관으로 오인하거나 정보 신뢰도를 낮춥니다. 사람에게는 사소한 표기 차이가 기계에게는 신원 불일치입니다.

오늘 시작하는 적용 4단계 로드맵

실제 적용은 다음 순서로 진행하면 됩니다. 원장이 직접 코드를 만질 필요는 없고, 1·2단계만 병원 내부에서 정리해도 절반은 끝난 셈입니다.

1. 1단계 — 현황 진단: validator.schema.org 또는 구글의 리치 결과 테스트 도구에 홈페이지 주소를 넣어 봅니다. 감지된 구조화 데이터가 없거나 오류가 뜬다면, 우리 병원은 현재 AI에게 신원을 증명하지 못하고 있는 상태입니다.
2. 2단계 — 정보 원장 만들기: 정식 명칭, 도로명 주소, 대표번호, 요일별 진료시간, 휴진일, 진료과목, 지도 좌표, 공식 채널 주소를 문서 한 장에 확정합니다. 이 문서가 이후 모든 채널 표기의 기준이 됩니다.
3. 3단계 — JSON-LD 작성·삽입: 홈페이지 제작사나 담당 개발자에게 '2단계 문서 기준으로 MedicalOrganization 타입의 JSON-LD 스키마를 전체 페이지 head에 넣어 달라'고 요청합니다. 이 한 문장이면 개발자는 무엇을 해야 할지 정확히 압니다.
4. 4단계 — 검증과 유지: 삽입 후 1단계의 도구로 재검증해 오류 없음을 확인합니다. 이후 진료시간이나 주소가 바뀔 때 스키마도 함께 고치는 것을 내부 규칙으로 만들고, 분기에 한 번 점검 담당자를 지정합니다.

흔한 오해와 달리, 스키마를 넣었다고 다음 주에 AI 답변이 바뀌는 것은 아닙니다. AI 서비스들이 웹을 다시 수집하고 반영하는 데는 시간이 걸리며, 그 속도는 서비스마다 다릅니다. 그래서 더더욱 미룰 이유가 없습니다. 오늘 심은 신원 정보가 몇 달 뒤의 AI 답변을 결정합니다.

병원들이 가장 자주 저지르는 실수 5가지

실제 현장에서 반복적으로 발견되는 실수 유형은 대체로 다음과 같습니다.

• 화면과 스키마의 불일치: 화면에는 없는 정보를 스키마에만 넣거나 그 반대인 경우. 검색엔진 가이드라인 위반으로 간주될 수 있어 신뢰도를 오히려 깎습니다.
• 페이지마다 다른 스키마의 충돌: 메인과 서브페이지에 서로 다른 명칭·주소가 선언되어 있는 경우. 기계에게는 자기소개가 두 개인 셈입니다.
• 이전·변경 이력 방치: 확장 이전, 대표번호 변경 후 스키마를 갱신하지 않아 옛 정보가 공식 정보로 남는 경우.
• 범용 타입 사용: 세부 타입 대신 Organization만 선언해 '무슨 조직인지'를 스스로 뭉개는 경우. 의료기관이라는 정체성이 전달되지 않습니다.
• 일회성 작업으로 끝내기: 개설 때 한 번 넣고 수년간 방치하는 경우. 스키마는 설치물이 아니라 병원 정보의 공식 원본으로 관리해야 합니다.

공통점은 기술 실력의 문제가 아니라 관리 체계의 문제라는 것입니다. 2단계에서 만든 정보 원장을 유일한 기준으로 삼고, 모든 채널이 그 문서를 따라가게 하면 대부분 예방됩니다.

스키마는 시작일 뿐 — Physician·FAQPage로 확장하기

MedicalOrganization으로 병원의 신원이 잡혔다면, 다음은 확장입니다. 의료진 소개 페이지에는 의사 개인을 나타내는 Physician 스키마를 붙여 소속·전문 분야를 기계가 읽을 수 있게 합니다. 환자들이 AI에게 '○○ 분야 경험 많은 의사'처럼 사람 단위로 묻는 일이 늘고 있기 때문입니다.

자주 묻는 질문 페이지에는 FAQPage 스키마를 적용합니다. 질문과 답변의 쌍을 규격대로 선언해 두면, AI가 답변을 구성할 때 그대로 가져다 쓰기 가장 좋은 형태가 됩니다. AI 검색은 본질적으로 질문에 답하는 서비스이므로, 질문·답변 구조로 정리된 병원 정보는 인용 확률 면에서 유리합니다. 여기에 사이트 구조를 알려주는 BreadcrumbList까지 더하면, 병원 사이트 전체가 기계가 읽기 좋은 한 권의 책이 됩니다.

순서를 뒤집지 않는 것이 중요합니다. 기관의 신원(MedicalOrganization)이 먼저이고, 사람(Physician)과 콘텐츠(FAQPage)는 그다음입니다. 신원이 불확실한 기관의 콘텐츠는 아무리 구조화해도 인용의 근거가 약합니다.

무엇부터 할 것인가 — 실행 체크리스트

이번 주 안에 할 일은 단 두 가지입니다. 검증 도구로 현재 상태를 확인하는 것, 그리고 병원 정보 원장 문서를 만드는 것. 이 둘은 비용이 들지 않고 원장 지시 한 번이면 시작됩니다. 그다음 개발사 요청과 검증까지 마치면, 우리 병원은 AI에게 신원을 증명할 수 있는 소수의 병원에 들어갑니다.

• validator.schema.org에서 홈페이지 진단 — 구조화 데이터 유무 확인
• 명칭·주소·전화·진료시간·진료과목·좌표를 담은 정보 원장 문서 확정
• 네이버 플레이스 등 모든 채널의 표기를 정보 원장과 통일(NAP 일관성)
• 개발사에 MedicalOrganization JSON-LD 삽입 요청
• 삽입 후 재검증, 분기별 점검 담당자 지정
• 이후 Physician·FAQPage 스키마로 확장

지금 우리 병원이 AI에게 어떻게 읽히고 있는지, 스키마와 채널 정보가 어디서 어긋나 있는지는 외부에서 진단해 보면 명확해집니다. AI메디랩의 무료 진단을 통해 현재 상태를 점검해 보시면, 위 체크리스트 중 우리 병원에 필요한 항목이 무엇인지부터 확인하실 수 있습니다.