챗GPT는 왜 옆 병원만 추천할까 — AI 답변에서 우리 병원이 사라지는 진짜 이유, MedicalOrganization 스키마

MedicalOrganization 스키마는 병원의 이름·주소·진료과목·진료시간 같은 핵심 정보를 AI와 검색엔진이 오해 없이 읽도록 정리한 의료기관용 구조화 데이터입니다. 챗GPT나 구글 AI 답변이 특정 병원을 추천하거나 인용할 때 이 데이터는 병원의 신원을 확인하는 기본 근거가 되며, 이것이 없으면 병원은 AI의 답변 후보군에서 조용히 빠집니다. 이 글은 그 구조적 원인과 함께, 병원이 오늘 바로 시작할 수 있는 적용 단계와 흔한 실수를 정리합니다.

진료를 마친 저녁, 원장이 직접 챗GPT를 열고 물어봅니다. 우리 동네에서 임플란트 잘하는 치과가 어디냐고. 답변에는 길 건너 병원과 두 블록 옆 병원의 이름이 또박또박 나오는데, 십 년 넘게 자리를 지킨 우리 병원 이름은 없습니다. 홈페이지도 새로 만들었고 블로그도 꾸준히 올렸는데 왜 이런 일이 생길까요. 실력의 문제도, 운의 문제도 아닙니다. AI가 우리 병원을 읽을 수 없는 형식으로 정보가 놓여 있기 때문입니다.

AI는 우리 병원 홈페이지를 사람처럼 읽지 못한다

병원 홈페이지는 대부분 사람의 눈을 위해 만들어집니다. 감각적인 메인 배너, 원장 인사말, 시설 사진이 중심이고, 진료시간이나 진료과목 같은 핵심 정보는 이미지 안에 글자로 박혀 있는 경우가 많습니다. 사람에게는 아무 문제가 없지만, AI에게 이미지 속 글자는 사실상 존재하지 않는 정보에 가깝습니다. 페이지를 수집하는 프로그램은 텍스트와 코드 구조를 읽을 뿐, 배너 이미지에 적힌 평일 진료 안내를 확실한 사실로 받아들이지 못합니다.

여기서 구조화 데이터라는 개념이 등장합니다. 구조화 데이터란 이 글자는 병원 이름이고, 이 숫자는 전화번호이며, 이 문장은 진료과목이라고 기계에게 명시적으로 라벨을 붙여 주는 표준 형식을 말합니다. 국제 표준인 schema.org 어휘를 따라, 홈페이지 코드 안에 JSON-LD라는 형태로 넣는 것이 일반적입니다. 겉으로 보이는 화면은 그대로이고, 코드 안에 기계용 요약본이 하나 더 생기는 것이라고 이해하면 됩니다.

비유하자면 홈페이지는 병원의 명함이고, 구조화 데이터는 등본 같은 공식 서류입니다. 명함이 아무리 세련돼도 기관의 신원을 증명하는 것은 서류입니다. AI는 답변에 병원을 올리기 전에 이 서류를 먼저 찾아보는데, 서류가 없는 병원은 검토 대상에서 뒤로 밀립니다. 옆 병원이 먼저 뜨는 이유는 대개 여기서 갈립니다.

왜 하필 MedicalOrganization인가 — AI의 신원 확인 절차

schema.org에는 수백 가지 유형이 있지만, 병·의원에 해당하는 것이 MedicalOrganization과 그 하위 유형인 MedicalClinic, Dentist, Physician 등입니다. 일반 회사용인 Organization만 넣은 병원도 많은데, 이 경우 AI는 이곳이 의료기관이라는 사실 자체를 확신하지 못합니다. 의료기관 전용 유형을 써야 진료과목, 진료시간, 의료진 정보 같은 의료 특화 항목을 정식으로 담을 수 있습니다.

의료는 AI가 가장 보수적으로 답하는 영역입니다. 건강과 돈에 직결되는 주제에서는 확실하지 않은 정보를 인용했을 때의 위험이 크기 때문에, AI는 출처가 분명하고 데이터가 서로 어긋나지 않는 기관을 우선합니다. 바꿔 말하면, 병원 정보가 기계가 검증할 수 있는 형식으로 존재한다는 것 자체가 신뢰 신호가 됩니다.

손실의 관점에서 보면, 스키마가 없는 병원은 광고비를 아무리 써도 AI 답변이라는 새 관문 앞에서 번번이 탈락하는 셈입니다. 기회의 관점에서 보면 반대로, 아직 대부분의 동네 병원이 이 작업을 하지 않았기 때문에 먼저 정비한 병원이 지역 내 AI 추천에서 상대적으로 유리한 자리를 선점할 수 있습니다. 비용이 큰 작업이 아니라는 점에서 더욱 그렇습니다.

네이버 시대의 문법이 AI 검색에서 통하지 않는 이유

지난 십여 년간 병원 마케팅의 공식은 분명했습니다. 블로그에 키워드를 반복해 넣고, 체험단 후기를 쌓고, 플레이스 순위를 관리하는 것이었습니다. 이 문법은 사람이 검색 결과 목록을 눈으로 훑는 환경을 전제로 합니다. 그런데 AI 검색은 목록을 보여주는 대신 답을 하나로 요약해 말해 줍니다. 열 개 중 하나로 노출되는 게임에서, 답변에 언급되거나 아예 언급되지 않는 게임으로 규칙이 바뀐 것입니다.

이 새 게임에서 AI가 중시하는 것은 정보의 정합성입니다. 대표적인 것이 병원 이름, 주소, 전화번호가 모든 채널에서 글자 하나까지 일치하는가 하는 문제입니다. 홈페이지에는 ○○치과의원, 네이버 플레이스에는 ○○치과 △△점, 구글 지도에는 옛 주소가 남아 있는 식이라면, AI 입장에서는 서로 다른 세 기관인지 한 기관인지 확신할 수 없습니다. 확신이 없는 정보는 인용되지 않습니다.

흔한 실수는 이 불일치를 사소한 표기 차이로 여기는 것입니다. 이전 상호가 지도 서비스에 남아 있거나, 확장 이전하면서 옛 지점 정보가 그대로 떠 있는 경우가 현장에서 자주 발견됩니다. 스키마 작업에 앞서 이 정리가 선행되어야 하는 이유입니다.

무엇을 담아야 하나 — 필수 항목과 우선순위

MedicalOrganization 스키마에 담을 수 있는 항목은 많지만, 전부를 한 번에 채우려다 시작을 미루는 것이 가장 나쁜 선택입니다. 다음 순서로 채우는 것을 권합니다.

• 1순위 — 신원 정보: 정확한 병원명(name), 도로명 주소(address), 대표 전화(telephone), 공식 홈페이지 주소(url)
• 2순위 — 진료 정보: 진료과목(medicalSpecialty), 요일별 진료시간(openingHoursSpecification), 병원 소개(description)
• 3순위 — 신뢰 보강: 위치 좌표(geo), 지도 링크(hasMap), 네이버 플레이스·구글 비즈니스 프로필 등 공식 채널 연결(sameAs), 대표 이미지(logo, image)

진료과목은 홈페이지 어딘가에 실제로 적혀 있는 내용과 일치해야 합니다. 스키마에는 열 개 과목을 넣고 페이지에는 세 개만 보이는 식의 불일치는 오히려 신뢰를 깎습니다. 또한 의료진 정보를 넣을 때는 실명과 면허 범위 안의 사실만 담고, 효과나 성과를 암시하는 표현은 넣지 않는 것이 원칙입니다. 스키마는 광고 문구가 아니라 사실 기록이라는 점을 기억해야 합니다.

오늘 시작하는 적용 5단계

원장이 코드를 직접 짤 필요는 없습니다. 다만 무엇을 요청해야 하는지 알고 있어야 작업이 산으로 가지 않습니다. 실제 진행 순서는 다음과 같습니다.

1. 현황 진단: 구글의 리치 결과 테스트나 스키마 검사 도구에 홈페이지 주소를 넣어, 지금 어떤 구조화 데이터가 있는지 확인합니다. 아무것도 없거나 Organization만 있는 경우가 대부분입니다.
2. 기준 정보 문서화: 공식 병원명, 주소, 전화번호, 요일별 진료시간, 진료과목을 문서 한 장으로 확정합니다. 이 문서가 홈페이지·플레이스·지도 서비스 전체의 기준이 됩니다.
3. 제작사에 요청: 홈페이지 관리 업체에 이렇게 전달하면 됩니다. 첨부한 병원 정보로 MedicalOrganization 유형의 JSON-LD 스키마를 만들어 모든 페이지의 head 영역에 넣어 달라, 완료 후 검사 도구 통과 화면을 보내 달라. 이 두 문장이면 충분합니다.
4. 검증: 적용 후 검사 도구에서 오류와 경고가 없는지 확인하고, 채널별 정보가 기준 문서와 일치하는지 대조합니다.
5. 유지 관리: 진료시간 변경, 이전, 과목 추가가 있을 때마다 스키마도 함께 수정한다는 원칙을 내부 규칙으로 정합니다.

여기서 자주 나오는 질문이 비용입니다. 이 작업은 홈페이지를 새로 만드는 일이 아니라 기존 코드에 데이터 블록을 추가하는 일이어서, 일반적으로 유지보수 범위 안에서 처리되는 수준입니다. 큰 공사 견적이 돌아온다면 요청이 잘못 전달됐을 가능성이 높습니다.

스키마를 넣고도 효과 없는 병원의 공통점

구조화 데이터를 적용했다는 병원 중에도 AI 답변에 등장하지 못하는 곳이 있습니다. 현장에서 반복적으로 발견되는 원인은 대체로 다음과 같습니다.

• 메인 페이지에만 넣고 진료 안내, 오시는 길 같은 하위 페이지에는 넣지 않은 경우
• 스키마 속 정보와 화면에 보이는 정보가 다른 경우 — 특히 진료시간이 스키마에만 옛날 값으로 남아 있는 경우
• 의료기관 유형이 아닌 일반 Organization으로만 선언한 경우
• 여러 지점 정보를 하나의 스키마에 뒤섞어 어느 지점의 데이터인지 판별할 수 없는 경우
• 개설 초기에 한 번 넣고 몇 년째 방치해, 변경된 현실과 데이터가 어긋난 경우

공통점은 분명합니다. 스키마를 한 번 하는 설치 작업으로 여겼다는 것입니다. AI는 데이터의 존재만이 아니라 데이터가 현실과 계속 일치하는지를 봅니다. 분기에 한 번, 기준 문서와 스키마와 각 채널 정보를 대조하는 십오 분짜리 점검이 실질적인 차이를 만듭니다.

스키마는 시작일 뿐 — 질문에 답하는 병원으로 확장하기

MedicalOrganization 스키마가 병원의 신분증이라면, 다음 단계는 환자의 질문에 답하는 콘텐츠입니다. 환자들은 AI에게 주차가 되는지, 야간 진료가 있는지, 첫 방문 때 무엇을 준비해야 하는지 같은 생활형 질문을 던집니다. 이런 질문과 답을 홈페이지에 정리하고 FAQPage 스키마로 함께 구조화하면, AI가 답변을 만들 때 우리 병원의 문장을 직접 가져다 쓸 근거가 생깁니다.

이때 지켜야 할 선이 있습니다. 답변은 진료 안내와 이용 정보에 한정하고, 특정 시술의 효과나 치료 결과를 단정하는 내용은 담지 않아야 합니다. 의료광고 규정의 문제이기도 하지만, AI 역시 과장된 주장을 담은 출처를 기피하는 경향이 있어 실익도 없습니다. 담백한 사실 정보가 오히려 더 자주 인용됩니다.

이렇게 신원 데이터와 질문형 콘텐츠가 갖춰지면, 흔히 답변엔진최적화라고 부르는 AEO — 검색 순위가 아니라 AI의 답변 속에 인용되는 것을 목표로 하는 최적화 — 의 기본 골격이 완성됩니다. 화려한 기법보다 이 골격이 먼저입니다.

무엇부터 할 것인가 — 실행 체크리스트

우선순위는 명확합니다. 첫째, 기준 정보 문서를 만들어 채널 간 불일치부터 없앱니다. 둘째, MedicalOrganization 스키마를 전 페이지에 적용하고 검증합니다. 셋째, 환자 질문에 답하는 페이지를 만들어 확장합니다. 이번 주 안에 점검할 항목은 다음과 같습니다.

• 챗GPT에 우리 동네 병원을 물었을 때 우리 병원이 언급되는지 직접 확인했다
• 홈페이지·네이버 플레이스·구글 지도의 병원명, 주소, 전화번호가 글자까지 일치한다
• 스키마 검사 도구에서 MedicalOrganization 유형이 오류 없이 확인된다
• 스키마 속 진료시간이 현재 실제 진료시간과 같다
• 정보 변경 시 스키마를 함께 고치는 담당자와 규칙이 정해져 있다

다섯 항목 중 두 개 이상 비어 있다면, 우리 병원은 지금 AI 답변이라는 새 진료 창구에서 보이지 않는 상태일 가능성이 큽니다. 어디서부터 손대야 할지 막막하다면, 현재 홈페이지의 구조화 데이터 상태와 채널 정합성을 점검해 보는 무료 진단부터 받아보시길 권합니다. 진단 결과만으로도 위 체크리스트의 절반은 채워집니다.