전통적 DCF와 거래 사례 배수(comps)는 테크 기업 앞에서 자주 무너진다. 재무제표가 담지 못하는 자산이 너무 많고, 담긴 자산조차 회계 규칙과 실질 가치가 어긋난다. 우리가 로봇·AI·SaaS 기업의 자문을 진행하며 반복적으로 발견한 세 가지 사각지대를 정리한다.
1. R&D 자산화(capitalization)의 함정
한국 K-IFRS 하에서 개발비는 요건이 충족되면 자산화가 가능하다. 그러나 실제 밸류에이션에서 이 자산화 처리가 오히려 기업 가치를 훼손하는 방향으로 작동하는 경우가 잦다.
이유는 두 가지다. 첫째, 자산화된 R&D는 감가상각을 통해 향후 손익에 지속적인 비용으로 회귀한다. 매수자의 미래 EBITDA 프로젝션은 그 감가상각을 정직하게 반영하고, 결과적으로 EBITDA 배수 기반 밸류에이션이 낮아진다. 둘째, PPA(Purchase Price Allocation) 단계에서 매수자는 자산화된 R&D를 재감정(remeasure)한다. 이때 실제 재무상태표의 장부가액과 재감정 가치의 격차가 매도자의 신뢰도 이슈로 이어진다.
우리는 자문 초기 단계에서 "R&D 정책의 회계-실질 정합성 점검"을 반드시 넣는다. 자산화 정책이 실질 개발 산출물과 맞아떨어지는지, 상각 스케줄이 기술 수명과 정합하는지 문서로 정리하고, 필요하면 자산화 취소를 조기에 논의한다. 짧게 말해, 때로는 자산화를 풀어야 밸류에이션이 올라간다.
2. 인재 밀도와 attrition risk의 정량화
테크 기업의 자산 대부분은 사람 안에 있다. 그런데 이 자산은 재무제표에 잡히지 않고, 밸류에이션 논의에서도 "핵심 인력의 잔류가 중요하다"는 정성적 문장으로만 다뤄지는 경우가 많다. 매수자가 이 리스크를 정량화하지 않으면, 클로징 이후 급격한 이탈로 인해 딜의 경제성이 무너진다.
우리가 실사 리포트에 병행 첨부하는 표준 문서는 세 개다.
- Key Person Matrix — 상위 10~20% 인력의 기여도, 대체 가능성, 시장 재고용 비용(기술 스택별 시장가).
- Retention Cliff Chart — 각 핵심 인력의 계약 종료 시점, RSU/스톡옵션 vesting 스케줄, 클로징 이후 12/24/36개월의 이탈 시나리오.
- Rebuild Cost Model — 특정 팀 전체가 이탈했을 때 재구축까지의 시간과 비용. 이는 어닝아웃(earn-out) 구조 설계의 근거가 된다.
이 세 문서가 있으면 매수자는 밸류에이션 디스카운트 대신 어닝아웃 구조와 리텐션 패키지 설계로 방향을 튼다. 매도자에게 훨씬 유리한 협상이다.
3. Data moat와 network effect의 정량 근거
"우리는 데이터 해자가 있다"라는 문장은 피치덱에서 흔하지만, 실사에서 정량 근거로 이어지지 못하면 배수 프리미엄으로 환산되지 않는다. 밸류에이션을 방어하려면 세 가지 지표를 준비해야 한다.
첫째, 데이터 스톡 대 플로우 비율. 총 축적 데이터 대비 최근 6개월 신규 유입 데이터의 비율이다. 이 비율이 낮을수록(즉 스톡이 상대적으로 크고 플로우가 안정적일수록) 해자가 견고하다는 근거가 된다.
둘째, 데이터 재현 비용. 경쟁자가 같은 규모·품질의 데이터셋을 구축하는 데 걸리는 시간과 비용을 산출한다. 라벨링 단가, 도메인 접근 권한, 규제 승인 소요 시간이 여기에 들어간다.
셋째, 모델 성능-데이터 곡선의 기울기. 데이터 볼륨이 두 배가 될 때 모델 성능이 몇 %p 개선되는지의 그래프. 이 곡선이 완만하게 우상향이면 해자는 이론적일 뿐이고, 가팔라야 해자가 실질적이다.
이 세 지표는 매수자의 재무 팀보다 매수자의 기술 실사 팀(technical DD)이 검증한다. 부티크 자문이 CTO를 위해 이 문서를 준비하는 순간, 딜의 무게 중심이 회계 실사에서 기술 실사로 옮겨간다. 그리고 테크 기업의 밸류에이션은 그때 비로소 정당한 배수를 받는다.
마무리
DCF와 comps는 도구다. 도구가 다루지 못하는 자산이 회사의 실제 가치를 만들고 있다면, 도구를 바꾸는 것이 아니라 도구가 볼 수 있도록 자산을 번역해 주는 일이 자문의 몫이다. 우리는 그 번역 작업을 세 개의 표준 문서로 시스템화해 왔다.