쉽게 말하면
이 연구는 환자들이 챗GPT나 클로드 같은 인공지능에게 병원을 물어볼 때, 특정 병원이 답변에 얼마나 자주 나오는지 재는 규칙을 만들려고 했습니다. 연구진은 병원 이름을 직접 넣지 않은 공통 질문들을 정해 두고, 4가지 인공지능 엔진에 2주마다 똑같이 질문하는 방식을 제안했습니다. 이 연구는 특정 병원의 점수를 공개하는 대신, 병원이 답변에 언급된 비율, 추천 순서에 따른 점수, 출처 링크 인용 여부라는 세 가지 기준과 의료 법률을 지켜야 한다는 원칙을 세웠습니다.
고정 질문 세트와 4대 엔진 분리 측정
환자들이 질환이나 병원 정보를 확인하기 위해 생성형 AI 검색을 활용하는 사례가 늘어남에 따라, 한국 병원의 노출 빈도와 방식을 정량화하는 측정 기준이 제시됐습니다. 유럽입자물리연구소(CERN)의 오픈 액세스 저장소 제노도(Zenodo)에 2026년 9월 30일 등록된 방법론 보고서(저자 김덕기, Boily)는 국내 의료기관을 위한 AI 검색 가시성 측정 원칙을 정의했습니다.
보고서가 제시한 핵심 원칙은 병원별 고정 질문 세트 구성, 4개 AI 엔진(ChatGPT, Claude, Gemini, Perplexity)의 분리 측정, 병원명이 들어간 직접 검색어(Branded Query)의 제외, 격주 단위 반복 측정입니다. 사용자의 질문 방식에 따라 AI의 답변이 크게 달라지는 환경에서 일관된 추적 기준을 세우기 위한 설계입니다. 이는 본지가 다뤘던 AI 최다 추천 업체 18곳 모두, 어떤 질문 표현에선 한 번도 안 나왔다는 분석과도 맞물립니다.
노출률·추천점수·인용 3대 지표와 의료법 윤리 기준
해당 방법론은 병원의 노출 상태를 파악하기 위한 기준으로 세 가지 핵심 지표를 설정했습니다.
- 노출률(Mention Rate): 고정 질문 세트 중 특정 병원이 답변에 언급된 비율
- AI 추천 점수(Rank-weighted Recommendation Score): 답변 내 추천 순서와 가중치를 반영한 점수
- 인용(Citation): AI 답변에 병원 웹사이트나 관련 출처 링크가 포함되었는지 여부
이 보고서는 측정 방식의 한계와 함께 의료법 제56조(의료광고의 금지 등)를 비롯한 규제 환경을 준수해야 하는 윤리적 원칙도 명시했습니다. 기존 전통 검색의 순위 지표가 AI 검색 환경에서 작동하기 어렵다는 점은 AI 검색 시대, 전통 순위 측정 지표의 한계와 과제에서도 지적된 바 있습니다. 이번 문서는 측정 프레임워크의 원칙만 다루고 있으며, 개별 병원의 측정 결과나 세부 수치는 포함하지 않았습니다.
이 사이트가 보는 지점
이번에 제시된 프레임워크는 키워드 순위에서 인용 중심으로, GEO 실무 프레임워크가 제기했던 측정 기준의 부재를 구체적인 질문 설계와 주기로 구체화한 시도입니다. 특히 브랜드 검색어를 제외하고 엔진별로 격주 측정을 진행하는 방식은 일회성 노출 테스트와 통계적 추적을 분리하는 기준점을 제공합니다. 다만 가중치 산출 공식의 객관성이나 다빈도 질환별 변동 폭에 대한 실제 검증 데이터는 아직 공개되지 않아 실효성은 추가 확인이 필요합니다.
