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

환자가 챗GPT나 네이버 AI에 '○○동에서 잘하는 치과'를 물으면, AI는 홈페이지 디자인이나 광고비가 아니라 기계가 읽을 수 있는 구조화 데이터를 근거로 추천할 병원을 고른다. MedicalOrganization(의료기관) 스키마는 병원의 이름·진료과목·위치·의료진 정보를 AI가 오해 없이 읽도록 정리한 일종의 기계용 신분증이다. 이 글은 멀쩡히 운영 중인 병원이 AI 답변에서 계속 빠지는 구조적 이유를 짚고, 오늘부터 적용할 수 있는 실무 단계를 순서대로 안내한다.

이런 장면을 떠올려 보자. 개원 10년 차 원장이 어느 날 환자에게 이런 말을 듣는다. '챗GPT한테 이 동네 잘하는 병원 물어봤더니 길 건너 의원을 알려주더라고요.' 홈페이지는 얼마 전 적지 않은 비용을 들여 리뉴얼했고, 사진도 인테리어도 나무랄 데 없다. 그런데 왜 AI는 우리 병원의 존재조차 모르는 것처럼 답할까. 문제는 홈페이지가 '예쁘지 않아서'가 아니라, AI가 '읽을 수 없어서'다.

AI는 홈페이지를 보지 않는다, 읽는다

사람은 홈페이지를 눈으로 본다. 세련된 메인 이미지, 원장 인사말 배너, 깔끔한 진료 안내를 보고 '괜찮은 병원 같다'는 인상을 받는다. 그러나 챗GPT 같은 AI와 검색엔진은 화면을 보지 못한다. 오직 코드 속의 글자와 데이터만 읽는다. 이미지 배너 안에 박아 넣은 진료시간, 포토샵으로 만든 의료진 소개는 AI에게 사실상 빈 페이지와 같다.

여기서 등장하는 개념이 구조화 데이터, 다른 말로 스키마 마크업이다. 구조화 데이터란 '이 페이지의 이 부분은 병원 이름이고, 이 부분은 주소이며, 이 숫자는 전화번호다'라고 기계가 알아듣는 형식으로 라벨을 붙여 주는 작업이다. 전 세계 검색엔진이 공통으로 약속한 표기법(Schema.org)이 있어서, 이 약속대로 정보를 정리해 두면 구글이든 AI 챗봇이든 우리 병원 정보를 정확하게 집어 갈 수 있다.

최근 자주 언급되는 AEO(Answer Engine Optimization, 답변엔진 최적화)는 바로 이 지점에서 출발한다. 기존 검색 최적화(SEO)가 검색 결과 목록에서 상위에 오르는 싸움이었다면, AEO는 AI가 내놓는 단 하나의 답변 안에 인용되는 싸움이다. 그 답변에 들어가려면 AI가 우리 병원을 정확히 식별할 수 있어야 하고, 식별의 출발점이 바로 구조화 데이터다.

MedicalOrganization 스키마 — AI가 요구하는 의료기관 신분증

MedicalOrganization은 Schema.org 표기법 가운데 의료기관을 위해 마련된 전용 유형이다. 병원 이름, 주소, 전화번호, 진료시간, 진료과목, 소속 의료진, 대표 이미지 같은 항목을 정해진 칸에 채워 넣는 구조로, 말하자면 국제 표준 서식으로 작성한 병원 신분증이다. 치과라면 Dentist, 의원급이라면 MedicalClinic처럼 더 구체적인 하위 유형을 골라 쓸 수도 있다.

왜 의료기관에는 이 신분증이 유독 중요할까. 의료가 검색엔진과 AI가 가장 보수적으로 다루는 영역이기 때문이다. 건강 정보는 잘못 안내하면 이용자에게 실질적인 피해가 갈 수 있어, AI는 신원이 기계적으로 확인되지 않는 의료기관을 답변에 올리기를 극도로 꺼린다. 어떤 병원인지, 실제로 존재하는지, 어디서 무엇을 진료하는지 확인되지 않으면 AI 입장에서 가장 안전한 선택은 그 병원을 아예 언급하지 않는 것이다.

손실의 관점에서 보면, 스키마가 없는 병원은 AI 추천 후보 명단에 애초에 오르지 못한다. 광고비를 아무리 써도 AI 답변이라는 새로운 진열대에는 우리 병원이 진열되지 않는 셈이다. 반대로 기회의 관점도 분명하다. 아직 국내 병·의원 가운데 의료기관 스키마를 제대로 갖춘 곳은 일반적으로 많지 않다. 지금 정비하는 병원은 같은 상권의 경쟁 병원보다 훨씬 유리한 자리에서 AI 검색 시대를 맞을 수 있다.

우리 병원이 AI 답변에서 빠지는 세 가지 전형적 패턴

첫째, 이미지로 도배된 홈페이지다. 진료시간표, 의료진 약력, 오시는 길까지 전부 디자인된 이미지 파일로 올려 둔 경우가 의외로 흔하다. 사람 눈에는 정보가 가득해 보이지만, AI가 읽을 수 있는 글자는 거의 없다. 결과적으로 AI에게 이 홈페이지는 내용 없는 껍데기로 기록된다.

둘째, 플랫폼마다 다른 병원 정보다. 흔히 NAP(Name·Address·Phone, 상호·주소·전화번호)라고 부르는 기본 정보가 홈페이지, 네이버 지도, 구글 지도, 블로그마다 조금씩 다르게 적혀 있는 경우다. 'OO치과의원'과 'OO치과 강남점'이 혼용되고, 어떤 곳엔 구주소가 남아 있다. AI는 여러 출처를 교차 확인해 동일 기관인지 판단하는데, 표기가 어긋나면 확신을 갖지 못하고 신뢰 점수를 낮춘다.

셋째, 스키마가 아예 없거나 엉뚱한 유형을 쓴 경우다. 제작사가 관행적으로 일반 Organization이나 LocalBusiness 유형만 넣어 두면, 기계 입장에서는 이곳이 의료기관이라는 사실 자체가 드러나지 않는다. 다른 병원 홈페이지 코드를 복사해 쓰다가 남의 병원 이름이 스키마에 그대로 남아 있는 사고도, 일반화된 예시이지만 현장에서 드물지 않게 발견된다.

적용 1단계 — 코드보다 먼저, 스키마에 담을 사실을 정리한다

의외로 첫 단계는 기술 작업이 아니다. 스키마는 결국 사실을 담는 그릇이므로, 담을 사실이 어긋나 있으면 그릇을 아무리 잘 만들어도 소용이 없다. 아래 항목을 문서 하나로 정리하는 것이 출발점이다.

1. 공식 병원 명칭 한 가지 확정(지점명·법인명 표기 포함, 모든 채널에서 동일하게 사용)
2. 도로명 주소 정확한 표기(건물명·층·호수까지)
3. 대표 전화번호 하나
4. 진료시간(요일별·점심시간·야간진료·공휴일 휴진 여부까지)
5. 진료과목과 주요 진료 분야 목록
6. 의료진 명단과 면허에 근거한 직함·전문과목
7. 홈페이지 주소와 대표 이미지, 지도 링크

이 단계에서 가장 흔한 실수는 '대충 아는 대로' 적는 것이다. 간판의 명칭, 홈페이지 하단의 명칭, 지도 등록 명칭이 서로 다른 병원이 실제로 많다. 은행 대출 심사에서 서류마다 이름 표기가 다르면 심사가 멈추듯, AI의 신뢰 평가도 표기 불일치 앞에서 멈춘다. 정리한 문서를 기준으로 네이버·구글 지도 등 외부 채널 표기부터 통일해 두면 이후 모든 작업의 효과가 배가된다.

적용 2단계 — JSON-LD로 심고, 의료진·FAQ 스키마까지 연결한다

정리된 사실을 홈페이지에 심는 표준 방식은 JSON-LD라는 형식이다. 어렵게 들리지만 실체는 단순하다. 페이지 코드 안에 한 덩어리의 데이터 스크립트를 넣는 것으로, 화면 디자인에는 아무 영향을 주지 않는다. 구글이 공식적으로 권장하는 방식이라 대부분의 홈페이지 제작사가 처리할 수 있다. 원장이 직접 코딩할 필요는 없다. 1단계에서 만든 사실 정리 문서를 '요청서'로 만들어 제작사에 전달하면 된다.

이때 MedicalOrganization 하나로 끝내지 말고 함께 넣을 스키마를 지정해 주는 것이 좋다. 요청서에 담을 항목은 다음과 같다.

• MedicalOrganization(또는 Dentist·MedicalClinic 등 세부 유형) — 병원 기본 정보 전체
• Physician(의료진) 스키마 — 의료진별 이름·직함·전문과목을 소개 페이지에 연결
• FAQPage 스키마 — 환자들이 자주 묻는 질문과 답변을 기계가 읽는 형식으로 표시
• 홈페이지의 모든 페이지가 아니라 최소한 메인·의료진·오시는 길·FAQ 페이지에 적용

주의할 점이 하나 있다. 스키마에는 화면에 실제로 보이는 내용만 담아야 한다. 화면에 없는 문구를 스키마에만 심으면 검색엔진이 속임수로 간주할 수 있다. 또한 스키마든 본문이든 특정 시술의 효과를 단정하는 표현은 넣지 않는 것이 원칙이다. 스키마는 홍보 문구가 아니라 사실 기록이라는 점을 제작사에도 분명히 전달해야 한다.

적용 3단계 — 검증과 유지보수, 넣었다고 끝이 아니다

스키마를 삽입했다면 반드시 검증을 거쳐야 한다. 구글이 무료로 제공하는 리치 결과 테스트나 Schema.org 검증 도구에 홈페이지 주소만 입력하면, 스키마가 인식되는지와 오류가 있는지를 바로 확인할 수 있다. 여기에 구글 서치콘솔(내 홈페이지가 구글에 어떻게 읽히는지 보여 주는 무료 관리 도구)까지 연결해 두면 이후 문제가 생겼을 때 알림을 받을 수 있다.

더 중요한 것은 유지보수다. 진료시간이 바뀌었는데 스키마는 그대로라면, AI는 틀린 정보를 자신 있게 환자에게 안내한다. 오래된 데이터는 없는 것보다 나쁠 수 있다. 의료진 합류·퇴사, 진료과목 추가, 이전·확장 같은 변화가 있을 때마다 스키마도 함께 갱신하는 것을 원내 규칙으로 만들어야 한다. 분기에 한 번, 스키마 정보와 실제 운영 정보가 일치하는지 점검하는 루틴이면 충분하다.

현장에서 가장 뼈아픈 실수는 홈페이지 리뉴얼 때 벌어진다. 새 디자인으로 갈아엎는 과정에서 기존 스키마가 통째로 사라지는 일이 흔하다. 리뉴얼을 맡길 때는 '기존 구조화 데이터 이관'을 계약 범위에 명시해 두는 것이 안전하다.

스키마만으로는 부족하다 — 함께 맞물려야 하는 세 가지

오해를 막기 위해 분명히 하자. 스키마는 신분증이지, 신분증만 있다고 뽑히는 것은 아니다. 채용에 비유하면 스키마는 서류 전형을 통과하게 해 주는 이력서다. 이력서가 없으면 면접 기회조차 없지만, 합격하려면 평판과 면접 답변이 함께 필요하다.

병원으로 치면 세 가지가 맞물려야 한다. 첫째, 환자가 실제로 묻는 질문에 답하는 질문형 콘텐츠다. AI는 '어디가 잘하나요'라는 질문에 답할 근거 문장을 찾는데, 그 근거는 결국 홈페이지와 칼럼의 글에서 나온다. 둘째, 지도·플레이스 정보와의 일치다. AI는 홈페이지, 지도, 외부 문서를 교차 검증하므로 어느 한 곳의 정보가 어긋나면 전체 신뢰가 깎인다. 셋째, 후기와 평판의 꾸준한 관리다. 스키마로 신원을 증명하고, 콘텐츠로 답변거리를 주고, 평판으로 뒷받침할 때 AI는 비로소 우리 병원을 안심하고 인용한다.

오늘 무엇부터 할 것인가 — 원장용 실행 체크리스트

모든 것을 한꺼번에 할 필요는 없다. 순서대로 하면 된다.

1. 오늘: 우리 병원 홈페이지에서 마우스 우클릭 후 '페이지 소스 보기'를 열고 ld+json이라는 글자를 검색해 본다. 아무것도 나오지 않으면 스키마가 없는 것이다.
2. 이번 주: 병원 명칭·주소·전화·진료시간·의료진을 담은 사실 정리 문서를 만들고, 네이버·구글 지도 표기를 이 문서 기준으로 통일한다.
3. 이번 달: 제작사에 MedicalOrganization·Physician·FAQPage 스키마 적용 요청서를 전달하고, 삽입 후 검증 도구로 오류를 확인한다.
4. 분기마다: 스키마 정보와 실제 운영 정보의 일치 여부를 점검하고, 변경 사항을 반영한다.

AI 검색은 이미 환자가 병원을 고르는 경로 중 하나가 됐고, 그 경로의 입구에서 병원의 존재를 증명하는 것이 구조화 데이터다. 소스 보기조차 낯설거나 지금 우리 병원이 AI에 어떻게 읽히고 있는지 궁금하다면, 무료 AI 검색 진단으로 현재 상태를 확인해 보는 것이 가장 빠른 출발점이 될 것이다. 진단 결과에서 스키마 유무와 정보 불일치 여부만 확인해도, 오늘 무엇을 고쳐야 할지가 분명해진다.