21세기 기업 인수합병에서 가장 큰 가치는 물리적 자산이 아닌 무형자산에 집중된다. 브랜드, 특허, 고객 관계, 소프트웨어, 알고리즘, 데이터베이스 등 보이지 않는 자산이 거래 가격의 70% 이상을 차지하는 사례가 일반화되었다. 그러나 이 무형자산을 어떻게 측정하고 회계 처리할 것인가는 여전히 복잡한 영역이다.

본 분석은 IFRS의 IAS 38 무형자산 기준을 중심으로 M&A 실사의 무형자산 평가 방법을 정리하고, 디지털 시대 새롭게 등장한 데이터·알고리즘 자산의 평가 과제를 검토한다. SOC 2와 NIST CSF의 컴플라이언스 체계에서 다룬 무형의 통제 가치가 어떻게 정량적으로 평가되는지의 연장선에 있다.

1. 무형자산의 정의와 인식 기준

무형자산은 식별 가능하고, 통제 가능하며, 미래 경제적 효익을 가져올 비화폐성 자산으로 정의된다. 물리적 실체가 없다는 점이 가장 큰 특징이며, 그 가치는 법적 권리나 계약, 또는 경제적 통제력에서 도출된다. 이 정의는 회계기준과 법률 양쪽에서 동일하게 작동하는 출발점이다.

식별 가능성은 두 가지 방식으로 충족된다. 첫째, 분리 가능성(Separability). 해당 자산을 기업과 분리하여 매각·이전·라이선스할 수 있어야 한다. 둘째, 계약상 또는 법적 권리. 그러한 권리가 양도 가능 여부와 무관하게 존재해야 한다. 이 두 조건 중 하나만 충족하면 식별 가능한 자산으로 인정된다. 회계와 법률은 식별 가능성을 자산 인식의 기본 요건으로 공유한다.

통제 가능성은 자산으로부터의 미래 경제적 효익을 획득하고 타인의 접근을 제한할 수 있는 능력을 의미한다. 특허는 명확한 통제 가능성을 갖지만, 직원의 숙련도는 일반적으로 통제 불가능한 자원으로 분류된다. 직원이 퇴사하면 그 숙련도는 회사를 떠나기 때문이다. 이 통제 가능성 요건은 인적 자본의 무형자산 인식을 제한하는 결과를 낳으며, 인재 의존도가 높은 기업의 가치 평가에 구조적 한계를 부과한다.

2. IAS 38: 국제 회계기준의 무형자산 처리

국제회계기준 IAS 38 무형자산은 무형자산의 인식, 측정, 공시 요건을 규정한다. 2001년 채택 이후 여러 차례 개정을 거쳐 현재의 형태에 이르렀으며, 글로벌 회계 실무의 사실상 단일 표준으로 작동한다.

IAS 38은 무형자산을 두 가지 방식으로 분류한다. 첫째, 외부에서 취득한 자산(Externally Acquired). 별도 거래로 매입했거나 사업결합을 통해 인수한 자산이다. 둘째, 내부에서 창출된 자산(Internally Generated). 기업 자체의 연구개발 활동을 통해 만든 자산이다. 내부 창출 자산은 더 엄격한 인식 기준을 적용받으며, 연구 단계 지출은 비용으로 처리되고 개발 단계의 일정 요건을 충족하는 지출만 자산화된다.

신중성 원칙과 인식 제한

IAS 38의 핵심 원칙은 신중성이다. 내부 창출 브랜드, 신문 제호, 출판물 제목, 고객 목록은 자산으로 인식되지 않는다. 이는 측정 신뢰성의 한계를 반영한 보수적 접근이다. 반면 사업결합으로 취득한 동일한 자산은 공정가치로 측정 가능하므로 무형자산으로 인식된다. 이 차이는 M&A 거래에서 영업권(Goodwill)과 식별 가능한 무형자산의 분리 평가가 왜 중요한지를 설명한다. 동일한 자산이라도 거래 맥락에 따라 회계 처리가 달라진다는 점은 M&A 자문의 핵심 변수다.

IAS 38은 또한 무형자산의 후속 측정 방법으로 원가모델과 재평가모델을 모두 인정한다. 원가모델은 취득원가에서 감가상각 누계액을 차감하여 측정하며, 재평가모델은 활성시장이 존재하는 경우에 한해 공정가치로 재평가한다. 무형자산의 활성시장은 드물기 때문에 실무에서는 원가모델이 압도적으로 많이 사용된다. 측정 방식의 선택은 재무제표의 변동성에 큰 영향을 미치는 요소이며, 회계정책의 일관성 측면에서 한 번 선택한 방식은 정당한 사유 없이 변경되지 않는다.

3. M&A 실사에서의 무형자산 평가 방법

M&A 실사에서 무형자산 평가는 세 가지 방법론이 사용된다. 시장접근법(Market Approach), 소득접근법(Income Approach), 비용접근법(Cost Approach)이다. 각 방법은 서로 다른 가정과 데이터를 요구하며, 자산의 성격에 따라 적합성이 결정된다.

시장접근법은 비교 가능한 거래 사례를 기반으로 가치를 산정한다. 동종 업계의 유사 자산이 어떤 가격에 거래되었는지를 참조하는 방식이다. 그러나 무형자산의 고유성 때문에 완전히 비교 가능한 거래 사례를 찾기 어렵다는 한계가 있다. 소득접근법은 해당 자산이 창출할 미래 현금흐름을 현재가치로 할인하여 가치를 산정한다. 가장 널리 사용되는 방법으로, 로열티 면제법(Relief from Royalty Method)과 초과수익법(Excess Earnings Method)이 대표적 변형이다.

세 방법론의 병행 사용

비용접근법은 동일한 자산을 재생산하거나 대체하는 데 소요되는 비용을 기반으로 가치를 산정한다. 소프트웨어나 데이터베이스처럼 재생산 비용이 명확한 자산에 적합하다. 실무에서는 세 방법을 병행 사용하여 교차 검증하며, 자산의 성격에 따라 주된 방법을 선택한다. 디지털 플랫폼의 무형 자산 가치 평가에서 다룬 알고리즘과 라이선스의 평가도 이 세 방법의 통합 적용으로 이루어진다.

4. 데이터 자산과 알고리즘의 평가 과제

디지털 시대의 가장 큰 평가 과제는 데이터 자산과 알고리즘 자산이다. 전통적 회계기준은 물리적 자산이나 법적 권리 중심으로 설계되어 있어, 데이터와 알고리즘의 가치를 정확히 포착하는 데 한계가 있다. 이 한계는 디지털 기업의 진정한 가치가 회계상 과소 평가되는 결과를 낳는다.

데이터 자산의 가치는 양보다 질이 결정한다. 동일한 100만 건의 데이터라도 정확성, 최신성, 고유성, 활용 가능성에 따라 가치는 천차만별이다. 또한 데이터의 가치는 시간이 지나면서 감소하기도 하고 증가하기도 한다. 사용자 행동 데이터는 최신성이 가치를 결정하지만, 역사적 데이터는 시간이 지날수록 희소성으로 가치가 증가할 수 있다. 이러한 가변성을 회계에 반영하는 방법은 여전히 발전 중이다.

알고리즘 자산은 더 복잡하다. 알고리즘의 가치는 그것이 처리하는 데이터와 분리하기 어렵다. 동일한 알고리즘이라도 학습된 데이터에 따라 성능과 가치가 달라진다. 머신러닝 모델의 경우 학습 가중치 자체가 알고리즘의 핵심 자산이지만, 이를 분리된 자산으로 평가할 수 있는지에 대한 회계 기준은 명확히 정립되지 않았다. iGaming 산업의 법적 규제에서 다룬 RNG 알고리즘 같은 사례는 이 평가 과제의 전형이다.

데이터와 알고리즘 자산의 평가는 평가 시점의 특수성도 고려해야 한다. 동일한 알고리즘이 학습 데이터의 변화에 따라 가치가 급변할 수 있고, 데이터 자산은 규제 환경 변화에 따라 활용 가능성 자체가 제한될 수 있다. 평가 시점과 평가 기준일을 명확히 하는 일은 평가 결과의 신뢰성을 결정짓는 출발점이다.

5. 한국 K-IFRS와의 정합성

한국은 2011년부터 한국채택국제회계기준(K-IFRS)을 도입했으며, K-IFRS 1038호는 IAS 38을 사실상 동일하게 수용했다. 따라서 한국에서 작성되는 재무제표의 무형자산 처리도 국제 기준과 정합성을 갖는다. 이는 한국 기업의 글로벌 자본시장 접근성을 결정짓는 중요한 제도적 기반이다.

다만 K-IFRS 적용 대상은 상장기업과 일부 의무 도입 기업에 한정되며, 중소기업은 일반기업회계기준(K-GAAP)을 적용한다. K-GAAP의 무형자산 기준은 K-IFRS와 유사하지만 일부 세부 사항에서 차이가 있다. M&A 거래에서 인수 대상이 어느 회계기준을 적용하고 있는지에 따라 무형자산 평가 방법과 결과가 달라질 수 있으며, 이는 거래 가격 결정의 핵심 변수로 작용한다.

한국 시장에서 외국 기업이 한국 기업을 인수하거나 한국 기업이 해외 진출할 때, 회계기준의 차이는 거래 구조와 가격 결정의 중요한 변수다. 무형자산 평가 전문가는 양 기준에 모두 정통해야 하며, K-IFRS와 IFRS의 미세한 차이까지 파악할 수 있어야 한다. 글로벌 M&A 자문 실무에서 한국 시장의 특수성을 이해하는 전문성은 핵심 경쟁력으로 작용하며, 디지털 기업의 가치 평가 영역에서는 이 전문성의 중요성이 더욱 부각된다.