한국 AI 병원 검색 통계 (2026) — 환자는 챗GPT로 병원을 찾는가

1. 한국의 AI 이용 — 세계에서 가장 빠른 축

병원 검색 이전 단계입니다. AI를 쓰는 사람 자체가 얼마나 되는지, 대형 표본·명시 출처만 모았습니다.

같은 보고서 기준으로 30~50대는 여전히 네이버 이용이 높고, 10~20대는 네이버와 AI 검색의 격차가 좁습니다. 진료과에 따라 환자 연령이 다르므로 ‘우리 환자가 AI를 쓰는가’는 과별로 답이 다릅니다.

2. 건강 정보를 AI에 묻는 사람

‘건강 정보를 찾았다’는 증상·약·검사에 관한 질문을 포함하며, 병원을 고르는 질문만을 뜻하지 않습니다.

3. AI가 병원 ‘선택’에 영향을 줬다 — 벤더 발표, 방향성만

이 단계의 숫자는 전부 관련 소프트웨어를 파는 회사의 조사입니다. 정의가 제각각이라 7%에서 40%까지 벌어집니다. 방향(늘고 있다)은 일치하지만 수치를 그대로 옮기지는 마시길 권합니다.

4. 자주 틀리는 프레이밍 — 로컬 검색과 구글 AI 개요

‘헬스케어 검색의 절반 가까이에 AI 개요가 뜬다’는 통계가 자주 인용됩니다. 그 높은 수치는 증상·치료·교육 질문에 해당합니다. ‘○○동 병원’처럼 병원을 찾는 로컬 질문에서는 구글이 AI 개요 노출을 2023년 거의 전부에서 2025년 0에 가깝게 줄였습니다(BrightEdge 분석). 병원 ‘선택’에서의 AI는 구글 검색 결과 위가 아니라 ChatGPT·Claude·Gemini·Perplexity 같은 독립 챗봇 안에서 일어난다는 뜻입니다. 보일리가 그 4개를 측정하는 이유입니다.

5. 정의 함정 — 세 단계를 섞지 않기

1. AI로 건강 정보를 봤다 — 가장 큰 숫자. 증상·약·검사 질문 포함.
2. AI로 병원을 골랐다 — 훨씬 작은 숫자. 한국 공개 통계 없음. 미국은 벤더 발표만.
3. AI로 예약했다 / 내원했다 — 가장 작은 숫자. 어디에도 대형 표본 통계 없음.

1의 숫자를 3처럼 쓰면 5~10배 과장이 됩니다. 신뢰의 천장도 함께 봐야 합니다. 일반 이용자 중 AI 건강 정보가 정확하다고 답한 비율은 낮고(Pew 18% 수준), AI 상담의 상당수는 병원 방문 없이 끝납니다.

6. 보일리의 익명 집계 — 한국에 없는 숫자를 직접 만드는 중

아래는 보일리가 고정 질문 세트 × 4개 AI로 격주 측정한 결과의 익명 집계입니다. 소표본이며 인과를 단정하지 않습니다. 대조군 관찰의 상세는 리서치에 있습니다.

치과 9곳 28회 측정 노출률

평균 30.6% (범위 0~67.3%)

고정 질문 세트 × 4개 AI, 2026-06~08. 병원명 익명.

같은 출발점 두 치과(약 11%)의 2주 뒤

정비군 약 27% / 대조군 약 10%

대조군 1회차 비교(2026-06-30). 이후 정비군은 6주간 약 40%까지 상승.

자사(보일리) 7회차 엔진별 노출률

Perplexity 42.7% · Gemini 3.1% · ChatGPT 1.0% · Claude 0.0%

같은 100질문인데 엔진별로 이만큼 갈림(2026-09-01). 합계 하나로 판단하면 안 되는 근거.

AI 앱에서 온 방문의 referrer

상당수가 비어 있음

AI 앱은 시스템 브라우저로 링크를 열어 출처를 남기지 않는 경우가 많아, 유입 집계는 하한선이다(2026-08 관찰).

다음 갱신에 추가할 것은 병원 대기실 설문(“오늘 병원을 어떻게 찾으셨나요” 2문항)의 결과와 AI 유입 세션의 전환 집계입니다. 유입을 어떻게 세는지는 AI 검색으로 온 환자, 어떻게 알 수 있나에, 엔진별로 왜 이렇게 갈리는지는 엔진별 근거의 차이에 정리했습니다.

자주 묻는 질문

Q. 환자들이 정말 챗GPT로 병원을 찾나요?

A. ‘찾는다’를 세 단계로 나눠야 답이 정확합니다. 한국에서 ChatGPT를 최근 3개월 안에 쓴 사람은 54.5%(오픈서베이 2026)이고, 생성형 AI를 정보 검색에 쓰는 사람은 64.1%(나스미디어 2026)입니다. 미국에서는 성인의 약 32%가 AI로 건강 정보를 찾았습니다(KFF·Rock Health 2026). 그러나 ‘병원을 고르는 경로로 AI를 썼다’는 미국 벤더 조사에서 7%(Tebra)에서 36%(rater8)까지 정의에 따라 크게 다르고, 한국에는 이 단계를 잰 공개 통계가 아직 없습니다. 정리하면 건강 정보를 AI에 묻는 사람은 이미 많고, 병원 선택까지 이어지는 비율은 그보다 작으며 빠르게 늘고 있다는 것이 확인 가능한 범위입니다.

Q. AI로 병원 검색하는 사람 비율은 얼마나 되나요?

A. 한국은 그 비율을 직접 잰 대형 표본 조사가 없습니다. 있는 것은 ‘AI 이용률’(ChatGPT 54.5%, 생성형 AI 정보 검색 64.1%)과 미국의 ‘AI 건강정보 이용률’(약 32%)입니다. 이 둘을 곱하거나 옮겨서 ‘한국인 N%가 AI로 병원을 찾는다’고 쓰는 것은 근거가 없습니다. 보일리는 이 공백을 병원 대기실 설문과 익명 유입 집계로 직접 채우는 중이며, 확인되는 대로 이 페이지에 추가합니다.

Q. 챗GPT의 병원 추천은 얼마나 정확한가요?

A. 정확도를 잰 공개 연구는 대부분 ‘AI 건강 정보의 품질’에 관한 것이고, 일반 이용자 중 AI 건강 정보가 정확하다고 답한 비율은 낮은 편입니다(Pew 18% 수준). 병원 추천에 한정하면 보일리의 관찰이 있습니다. 같은 질문을 같은 날 반복해도 답이 달라지고, 엔진에 따라 근거로 쓰는 자료가 다르며, 어떤 엔진은 지도 데이터를, 어떤 엔진은 병원 홈페이지 문서를, 어떤 엔진은 디렉토리를 우선합니다. 따라서 ‘정확하다/부정확하다’보다 ‘실행마다 다르고 엔진마다 다르다’가 정확한 서술입니다.

Q. AI 검색이 병원 매출에 영향을 주나요?

A. 매출 단위로 잰 공개 통계는 한국·미국 모두 없습니다. 확인 가능한 것은 유입 단위입니다. 보일리가 고객 병원 홈페이지에서 익명으로 집계한 결과 AI 답변에서 링크를 타고 들어온 방문이 있고, 그중 전화 클릭이나 예약 페이지 진입으로 이어진 세션이 관찰됩니다. 다만 AI 앱은 출처(referrer)를 남기지 않는 경우가 많아 이 수치는 하한선입니다. 유입을 어떻게 추적하는지는 ‘AI 검색으로 온 환자, 어떻게 알 수 있나’에 따로 정리했습니다.

Q. 이 숫자들을 병원 홍보에 써도 되나요?

A. 출처를 그대로 밝히고 단계를 섞지 않으면 됩니다. ‘AI로 정보를 봤다’ 수치를 ‘AI로 병원을 골랐다’처럼 쓰거나, 벤더 발표를 대형 표본 조사처럼 쓰면 과장이 됩니다. 이 페이지는 등급을 나눠 두었습니다. 대형 표본·명시 출처는 그대로, 벤더 발표는 출처 딱지를 붙여 방향성으로만 쓰시길 권합니다.