챗GPT는 왜 옆 병원만 추천할까 — 생성형 AI가 병원을 고르는 5가지 인용 신호

챗GPT가 병원을 추천할 때 기준이 되는 것은 광고비나 홈페이지 디자인이 아닙니다. 웹 곳곳에 흩어진 병원 정보가 얼마나 일관되고, 얼마나 인용하기 쉬운지가 기준입니다. 이 글은 생성형 AI가 병원을 고를 때 참고하는 다섯 가지 신호를 짚고, 원장이 오늘 바로 점검할 수 있는 실행 순서를 정리합니다.

토요일 오후, 진료를 마친 원장이 무심코 챗GPT에 물어봅니다. "○○동에서 임플란트 상담 잘하는 치과 알려줘." 답변에는 세 곳의 병원이 이유와 함께 정리되어 나오는데, 우리 병원은 없습니다. 매달 블로그 마케팅에 비용을 쓰고 리뷰도 적지 않은데 말입니다. 더 불편한 사실은 환자들이 이미 이런 방식으로 병원을 고르기 시작했다는 점입니다.

문제는 노력의 양이 아니라 방향입니다. 포털 상위 노출을 위해 만든 콘텐츠와 AI가 인용하는 콘텐츠는 요구 조건이 다릅니다. 아래에서 AI가 답을 만드는 원리부터 짚고, 신호별로 무엇을 어떻게 고쳐야 하는지 살펴보겠습니다.

챗GPT는 병원을 '검색'하지 않고 답을 '조립'한다

챗GPT는 대규모 언어모델(LLM), 즉 방대한 글을 학습해 문장을 만들어내는 AI입니다. 병원 추천 질문을 받으면 크게 두 경로로 답을 만듭니다. 하나는 학습 시점까지 익힌 지식에서 꺼내는 방식이고, 다른 하나는 질문하는 순간 웹을 검색해 몇 개의 출처를 읽고 요약하는 방식입니다. 진료 시간이나 위치처럼 자주 바뀌는 지역 정보일수록 실시간 검색의 비중이 커집니다.

핵심은 AI가 '순위'를 매기는 것이 아니라 '근거'를 모은다는 점입니다. 검색엔진은 링크 열 개를 보여주고 선택을 사용자에게 맡기지만, AI는 두세 곳만 골라 추천 이유까지 붙여 말합니다. 근거로 쓸 문장이 없는 병원은 진료를 아무리 잘해도 답변에 들어갈 자리가 없습니다. 반대로 경쟁 병원 대부분이 아직 준비되지 않은 지금은, 먼저 근거를 갖춘 병원이 지역 답변을 선점할 여지가 큽니다.

AI의 선택 공식이 공개된 것은 아닙니다. 다만 공개된 크롤러 정책과 실제 답변에 붙는 출처를 관찰하면 반복되는 패턴이 있고, 이를 다섯 가지 신호로 정리할 수 있습니다.

1. 엔티티 일관성 — 어디서 보든 같은 병원으로 인식되는가
2. 인용하기 쉬운 문장 — 질문에 바로 답하는 단락이 있는가
3. 구조화 데이터 — 기계가 읽는 병원 정보가 있는가
4. 제3자 평판 — 다른 출처가 우리 병원을 언급하는가
5. 크롤러 접근성 — AI가 홈페이지에 들어올 수 있는가

신호 ① 엔티티 일관성 — AI가 '같은 병원'으로 알아보는가

엔티티(entity)란 AI가 하나의 실체로 인식하는 대상을 말합니다. AI 입장에서 '○○치과', '○○치과의원', '강남 ○○치과'는 서로 다른 병원일 수 있습니다. 홈페이지, 네이버 플레이스, 구글 비즈니스 프로필, 예약 플랫폼에 적힌 병원명·주소·전화번호가 조금씩 다르면 AI는 정보를 한 병원으로 묶지 못하고 신뢰도를 낮춰 판단합니다.

이 문제는 눈에 띄지 않아 오래 방치됩니다. 이전 개원 때 쓰던 전화번호가 오래된 블로그 글에 남아 있거나, 확장 이전 후 옛 주소가 지도 서비스에 그대로 있는 경우가 흔합니다. 사람은 알아서 걸러 읽지만, AI는 서로 충돌하는 정보를 '확인되지 않은 정보'로 처리합니다.

1. 정식 명칭, 도로명 주소, 대표번호로 '공식 표기' 하나를 정한다.
2. 홈페이지 하단과 오시는 길 페이지를 공식 표기로 통일한다.
3. 네이버 플레이스, 구글 비즈니스 프로필, 카카오맵을 같은 표기로 맞춘다.
4. 예약·리뷰 플랫폼과 학회·협회 회원 정보까지 확인한다.
5. 옛 주소나 번호가 남은 자사 블로그 글을 찾아 수정한다.

흔한 실수는 지역 키워드를 병원명에 붙여 플랫폼마다 다르게 쓰는 것입니다. 사람 대상 노출에는 도움이 될지 몰라도 AI에게는 이름이 여러 개인 병원으로 보입니다. 명함을 열 종류 찍어 돌리는 회사가 신뢰를 얻기 어려운 것과 같은 이치입니다.

신호 ② 인용하기 쉬운 문장 — AEO의 핵심은 첫 문장

AEO(Answer Engine Optimization, 답변 엔진 최적화)는 AI가 답변을 만들 때 우리 콘텐츠를 근거로 가져가도록 글을 설계하는 작업입니다. 검색 최적화(SEO)의 목표가 검색 결과에 노출되는 것이라면, AEO의 목표는 답변 문장 속에 인용되는 것입니다.

AI는 긴 글 전체를 옮기지 않고, 질문에 바로 대응하는 짧은 단락을 떼어 씁니다. 결론이 맨 끝에 있거나 감성적인 도입이 길게 이어지는 글은 인용되기 어렵습니다. 반면 "평일은 저녁 8시까지 진료하며, 건물 지하에 환자 전용 주차장이 있습니다"처럼 사실이 분명한 문장은 그대로 근거가 됩니다.

1. 환자가 실제로 묻는 질문을 소제목으로 쓴다. 예: "주차가 가능한가요", "첫 상담은 얼마나 걸리나요".
2. 소제목 바로 아래 첫 문장에서 답을 먼저 말한다.
3. 진료 과목, 보유 장비, 진료 시간, 의료진 경력처럼 확인 가능한 사실을 중심에 둔다.
4. 한 페이지에는 한 주제만 다룬다.
5. 핵심 정보를 이미지 속 글자로만 넣지 않는다.

흔한 실수는 블로그 글을 키워드 반복으로 채우는 것입니다. AI는 반복 횟수보다 정보의 밀도를 봅니다. 기자가 기사에 옮겨 적기 좋은 '한 문장'을 주는 취재원이 자주 인용되는 것과 같습니다.

신호 ③ 구조화 데이터 — AI에게 건네는 병원 신분증

스키마 마크업(schema markup)은 웹페이지 정보를 기계가 읽기 쉬운 표준 형식으로 덧붙이는 코드입니다. 화면에는 보이지 않지만 '이 페이지는 의료기관이고, 이름과 주소와 진료 시간은 이것'이라고 명확히 알려줍니다. schema.org라는 공통 규격을 쓰며 병원은 MedicalClinic이나 Dentist, 의료진은 Physician, 자주 묻는 질문은 FAQPage 같은 유형을 사용합니다.

구조화 데이터가 있다고 바로 추천되는 것은 아닙니다. 다만 AI와 검색엔진이 추측해야 할 부분을 줄여주기 때문에, 앞서 말한 엔티티 일관성을 기술적으로 받쳐줍니다. 없으면 AI는 본문만 보고 진료 시간과 주소를 추정해야 하고, 그 과정에서 오류가 생길 수 있습니다.

1. 홈페이지 제작사에 구조화 데이터 적용 여부를 문의한다.
2. 기관 유형, 이름, 주소, 전화, 진료 시간, 홈페이지 주소를 넣는다.
3. 의료진 소개 페이지에 이름과 전문 분야를 표시한다.
4. FAQ 페이지에는 FAQPage 형식을 적용한다.
5. 구글 리치 결과 테스트로 오류가 없는지 확인한다.

주의할 점은 화면에 없는 내용을 마크업에만 넣거나 실제와 다른 진료 시간을 넣는 것입니다. 이는 오히려 신뢰를 떨어뜨립니다. 마크업은 본문의 정확한 요약본이어야 합니다.

신호 ④ 제3자 평판 — 우리 병원 이야기를 남이 하고 있는가

AI는 병원 스스로 하는 말보다 다른 출처가 병원을 어떻게 언급하는지를 중요한 근거로 삼는 경향이 있습니다. 리뷰 플랫폼, 지역 언론 기사, 지역 커뮤니티, 의료 정보 플랫폼의 언급이 여기에 해당합니다. 여러 독립 출처에서 같은 병원이 비슷한 특징으로 언급되면 AI는 이를 교차 확인된 정보로 받아들입니다.

리뷰는 개수보다 내용이 중요합니다. '친절해요'만 반복된 리뷰보다 "대기 시간 안내가 정확했고 주차가 편했다"처럼 구체적인 경험이 담긴 리뷰가 추천 이유로 인용되기 쉽습니다. 단, 대가를 건 리뷰 요청이나 치료 효과를 강조하는 후기 유도는 의료법상 문제가 될 수 있으므로 피해야 합니다.

1. 플랫폼 리뷰에 원장이나 담당자가 성실히 답글을 단다.
2. 진료 후 안내문에는 대가 없이 리뷰를 남길 경로만 안내한다.
3. 지역 건강 강좌, 봉사 활동처럼 외부에 소개될 만한 활동을 기록한다.
4. 의료진의 학회 활동과 기고를 홈페이지에 정리한다.
5. 부정적인 리뷰에도 사실에 근거해 정중하게 답한다.

흔한 실수는 자사 블로그만 수백 편 쌓는 것입니다. 자기소개서가 아무리 두꺼워도 다른 사람의 추천서가 없으면 신뢰는 쌓이지 않습니다.

신호 ⑤ 크롤러 접근성 — 문이 잠긴 홈페이지

크롤러는 웹페이지를 자동으로 방문해 내용을 수집하는 프로그램입니다. 오픈AI는 모델 학습용 GPTBot과 챗GPT 검색용 OAI-SearchBot을 구분해 공개하고 있습니다. 홈페이지의 robots.txt, 즉 크롤러 출입 규칙 파일에서 이들을 막아두면 아무리 좋은 콘텐츠도 챗GPT 검색 답변의 출처가 되기 어렵습니다.

문제는 원장이 이 설정을 직접 한 적이 없다는 점입니다. 보안 플러그인, 제작사 기본 설정, 트래픽 차단 서비스가 AI 크롤러를 일괄 차단하는 경우가 있습니다. 정보 대부분이 이미지나 팝업, 자바스크립트로만 그려지는 홈페이지도 크롤러가 텍스트를 제대로 읽지 못할 수 있습니다.

1. 브라우저에서 '홈페이지주소/robots.txt'를 열어 GPTBot, OAI-SearchBot, Googlebot, Bingbot 차단 여부를 확인한다.
2. 학습 데이터 제공 허용과 검색 답변 노출 허용은 따로 판단한다.
3. 진료 시간과 주소는 이미지가 아닌 텍스트로 게시한다.
4. 구글 서치 콘솔과 빙 웹마스터 도구에 사이트를 등록한다. 여러 AI 검색 서비스가 외부 검색 색인을 함께 참고하는 것으로 알려져 있기 때문입니다.

간판은 크게 달았는데 출입문을 잠가둔 상태라고 생각하면 됩니다. 점검에는 몇 분이면 충분하니 가장 먼저 확인할 항목입니다.

의료 분야의 특수성 — 과장할수록 AI에게서 멀어진다

YMYL(Your Money or Your Life)은 건강이나 재정처럼 잘못된 정보가 삶에 큰 영향을 주는 분야를 가리키는 용어입니다. 의료는 대표적인 YMYL 분야여서 검색엔진과 AI 모두 출처의 신뢰성을 더 엄격하게 따지는 경향이 있습니다.

그래서 '최고', '유일', '부작용 없는' 같은 단정적 표현은 역효과를 냅니다. 국내 의료법은 이런 표현을 의료광고에서 제한하고 있고, AI 역시 근거 없는 최상급 표현을 근거로 인용하기를 꺼립니다. 반대로 책임 소재가 분명한 정보는 신뢰 신호가 됩니다.

• 콘텐츠 작성자와 감수 의료진의 이름, 전문 분야를 표기한다.
• 글마다 최종 수정일을 밝힌다.
• 효과를 단정하는 대신 상담과 진료의 과정, 절차를 설명한다.
• 비용은 범위와 변동 가능성을 함께 안내한다.

의료 분야 AEO는 더 크게 말하는 경쟁이 아니라 더 정확하게 말하는 경쟁입니다.

무엇부터 할 것인가 — 4주 실행 순서

다섯 신호를 한 번에 손대면 어느 것도 끝나지 않습니다. 비용이 적게 들고 다른 작업의 바탕이 되는 순서로 진행하는 것을 권합니다.

1. 1주차: robots.txt 점검, 병원명·주소·전화번호 공식 표기 통일
2. 2주차: 진료 안내·오시는 길·FAQ 페이지를 질문과 답 구조로 재작성
3. 3주차: 제작사와 함께 구조화 데이터 적용 및 오류 확인
4. 4주차: 리뷰 답글 원칙 수립, 의료진 활동 기록 정리

효과 점검은 직접 할 수 있습니다. 매달 챗GPT, 퍼플렉시티 같은 AI 서비스에 환자 입장의 질문을 넣고 우리 병원이 등장하는지, 어떤 출처가 인용되는지 기록하십시오. 경쟁 병원이 추천된다면 그 답변에 붙은 출처가 가장 정확한 힌트입니다.

오늘의 체크리스트: robots.txt에서 AI 크롤러가 막혀 있지 않은가 / 모든 플랫폼의 병원 정보가 같은가 / 주요 페이지 첫 문장이 질문에 바로 답하는가 / 구조화 데이터가 적용되어 있는가 / 의료진 정보와 수정일이 표기되어 있는가

어디서 막혀 있는지 내부에서 판단하기 어렵다면, AI메디랩의 무료 AI 검색 진단으로 현재 노출 상태와 우선 개선 항목부터 확인해 보셔도 좋습니다. 원내에서 바로 고칠 수 있는 항목과 외부 도움이 필요한 항목을 나눠 정리해 드립니다.