기후테크 기업의 소개자료에는 수집한 데이터 건수나 연결된 센서 수가 자주 등장합니다. 규모를 이해하는 데 도움이 되는 수치이지만, 그 자체로 사업의 가치를 설명하지는 못합니다. 고객이 사용하지 못하는 기록이나 활용 권한이 불분명한 자료가 늘어나면 관리 부담도 함께 커집니다.
데이터를 평가하려면 질문을 바꿔야 합니다. 얼마나 많이 저장했는지에 더해 어떤 고객의 판단을 개선하는지, 얼마나 반복해서 쓸 수 있는지, 그 서비스를 유지하는 데 얼마가 드는지를 살펴야 합니다. 기후테크의 데이터 축적은 이 질문에 답할 수 있을 때 사업 역량으로 설명할 수 있습니다.
저장된 기록과 사업에 쓸 수 있는 자료는 다릅니다
농장 센서가 매분 수치를 전송한다고 가정해 보겠습니다. 시각 정보가 어긋나거나 장비 교정 이력을 찾을 수 없다면 긴 기록이라도 특정 사료 변경의 효과를 비교하기 어렵습니다. 같은 양의 데이터라도 맥락과 품질에 따라 할 수 있는 일이 달라지는 것입니다.
OECD는 데이터 자산을 측정하는 연구에서 데이터의 생산과 가치 측정 문제를 다룹니다. 이 연구가 시사하는 바는 저장량을 기업의 시장가치로 바로 환산할 수 없다는 점입니다. 자료를 생산하고 유용하게 만드는 활동을 함께 보아야 합니다. OECD·Measuring data as an asset
기업 내부의 데이터 목록도 파일 개수보다 용도 중심으로 정리하는 편이 좋습니다. 사료 급여 비교에 쓸 수 있는 자료, 교정 상태 확인에 필요한 자료, 아직 품질 검토가 끝나지 않은 자료를 구분하면 됩니다. 사용할 수 없는 기록을 숨기지 않고 분류하는 과정이 오히려 데이터 관리 역량을 보여줍니다.
권리와 품질이 재사용의 범위를 정합니다
첫 번째 조건은 사용할 권리입니다. 장비를 공급한 기업이 해당 장비에서 발생한 모든 정보를 자유롭게 판매할 수 있다고 가정해서는 안 됩니다. 고객과의 계약에서 수집 목적, 분석 범위, 제3자 제공, 서비스 종료 후 처리를 정해야 합니다. 농장의 생산정보처럼 경쟁상 민감한 내용은 접근권도 세분화할 필요가 있습니다.
유럽연합의 Data Act는 연결 제품의 사용자에게 데이터 접근과 사용에 관한 권한을 부여하는 제도적 사례입니다. 농업기계 같은 연결 제품도 설명에 포함됩니다. 이는 한국의 모든 계약에 그대로 적용된다는 의미가 아니라, 해외 확장을 고려할 때 제조사의 데이터 독점을 당연한 전제로 삼을 수 없다는 시사점입니다. 유럽연합 집행위원회·Data Act explained
두 번째 조건은 목적에 맞는 품질입니다. 배출량 정보를 다룰 때는 기술, 시기, 지역의 대표성과 완전성, 신뢰성을 살펴야 합니다. GHG Protocol도 Scope 3 데이터 선택에서 이러한 품질 특성을 안내합니다. 실시간으로 들어온 원자료라는 이유만으로 항상 더 적합한 자료라고 할 수는 없습니다. GHG Protocol·Scope 3 데이터 품질 안내
예를 들어 한 계절의 특정 축사에서 확보한 결과를 다른 사육방식에 적용하려면 추가 검토가 필요합니다. 같은 데이터를 복사해서 고객 수만큼 보고서를 만드는 것과, 다른 조건에서도 설명력 있는 자료로 재사용하는 것은 다릅니다. 기업은 데이터가 적용되는 범위를 좁고 명확하게 설명할 수 있어야 합니다.
분석 결과를 고객의 반복 업무에 연결합니다
데이터의 사업적 효용은 고객의 일에서 확인해야 합니다. 사료기업이라면 시험 자료를 정리하는 시간이 줄었는지, 농가라면 급여 기록의 누락을 찾는 데 도움이 되었는지, 검토 담당자라면 계산 근거를 더 쉽게 추적할 수 있는지가 질문이 됩니다.
초기에는 해결할 문제 하나를 선택하는 편이 검증하기 쉽습니다. 예를 들어 월별 실증 자료 취합이 반복되는 고객에게 동일한 형식의 검토 자료를 제공하고, 기존 업무와 소요 시간을 비교할 수 있습니다. 이러한 예시는 특정 기업의 실적이나 계약을 뜻하지 않으며, 고객 효용을 확인하는 실험 방식입니다.
여기서 유료 고객의 재구매는 중요한 관찰 항목입니다. 무료 실증 참여자가 많다는 사실만으로 지속적인 지불 의사가 확인되지는 않습니다. 고객이 어떤 결과물에 비용을 지불했고 다음 기간에도 계약을 유지했는지 확인해야 합니다. 계약 기간, 해지 이유, 사용 빈도를 함께 보면 데이터의 필요성과 일시적인 관심을 구별하는 데 도움이 됩니다.
비용을 포함해야 축적의 경제성이 보입니다
데이터 서비스의 비용은 서버 요금에 한정되지 않습니다. 장비 교정, 통신 오류 대응, 현장 방문, 단위 변환, 분석 검토, 고객 문의 처리에 인력이 들어갑니다. 고객이 늘 때마다 이런 작업도 같은 비율로 증가한다면 매출 성장과 수익성 개선이 동시에 일어난다고 보기 어렵습니다.
따라서 전체 매출뿐 아니라 고객 한 곳의 결과물을 만드는 시간을 살펴야 합니다. 신규 농장의 설정 시간, 오류 한 건의 처리 시간, 보고서 발행 전 수작업 검토 시간을 기록하면 반복 비용이 어디서 생기는지 드러납니다. 자동화는 이러한 병목이 확인된 뒤 적용하는 편이 효과를 측정하기 좋습니다.
또한 오래된 자료를 보관하는 비용과 효용도 비교해야 합니다. 계절 비교에 꼭 필요한 과거 기록은 유지할 가치가 있지만, 사용 목적이 끝났거나 권한이 만료된 자료는 다른 처리가 필요할 수 있습니다. 축적의 목표는 무조건 남기는 것이 아니라 필요한 자료를 신뢰할 수 있는 상태로 유지하는 데 있습니다.
기업가치와 회계상 자산 인식은 구분합니다
사업상 유용한 데이터라는 설명과 재무제표에 무형자산으로 인식할 수 있다는 판단은 다릅니다. IAS 38은 식별 가능한 무형자산의 정의와 인식 요건을 다룹니다. 미래 경제적 효익과 원가 측정 등 관련 요건을 검토해야 하며, 지출이나 데이터가 존재한다는 사실만으로 자동 인식되는 것은 아닙니다. IFRS Foundation·IAS 38 Intangible Assets
기업가치를 논할 때도 데이터 외에 매출의 지속성, 고객 집중도, 경쟁, 인력과 자금 소요를 함께 보아야 합니다. 데이터 건수를 특정 배수에 곱해 투자 가치나 대출 가능액으로 제시하는 접근은 이 차이를 놓칩니다. 데이터 품질이 좋아도 고객의 예산이나 도입 시기가 맞지 않으면 매출 전환이 늦어질 수 있습니다.
AI세이프티코리아의 NexVue가 지향하는 데이터 사업도 이러한 조건으로 검토할 수 있습니다. 무엇을 합법적으로 수집하고, 어떤 현장 판단을 돕고, 어떤 결과물의 유료 수요를 확인할 것인지가 과제입니다. 아직 확인되지 않은 고객이나 수익을 전제로 하기보다, 반복 사용과 비용 개선을 실증으로 보여주는 것이 데이터 축적의 의미를 더 정확하게 전달합니다.