온실가스 Scope 1, 2, 3 인벤토리 구축 2026 SBTi 대비 가이드

사내 온실가스 인벤토리 보고서를 작성하다가 Scope 3 데이터를 수집할 생각에 머리가 지끈거린 적이 있나요? 그렇다면 당신은 혼자가 아닙니다. 실무 현장에서는 Scope 3에서 발목을 잡히는 기업이 압도적이죠. 국내 중견기업의 78%가 이 지점에서 막힌다는 통계도 나와 있을 정도거든요.

문제는 대부분의 공식 지침이 '완벽한 측정'만을 강조한다는 점입니다. Scope 3가 전체의 80%를 차지하니 꼼꼼히 해야 한다는 말은 맞지만, 현실은 전혀 다릅니다. 공급망 협력사의 데이터 미비로 인벤토리가 허수로 채워지는 경우가 70%에 달한다는 게 현장의 목소리죠. 오히려 완벽함을 추구하다가 데이터 품질이 낮아져 SBTi 검증에서 탈락하는 역설이 벌어집니다.

40이라는 숫자는 단순한 숫자가 아닙니다. 여러 전통에서 완성과 시험, 정화의 기간을 상징하죠. 당신의 인벤토리 구축도 마찬가지입니다. 처음부터 완벽할 필요는 없어요. 중요한 건 올바른 방향으로 시작하고, 점진적으로 채워나가는 과정 자체입니다. 이 글은 2026년 SBTi 기준을 준수하면서도 현실적인 'Minimis Rule'과 'Hybrid Method'를 어떻게 적용할지 알려드립니다. 성경 속 40일이 지나면 새로운 시작이 있었듯이, 당신의 고민도 이 글을 끝낼 때쯤이면 분명한 로드맵으로 바뀔 거예요.

이 글의 핵심 3줄:

1. SBTi 검증은 '완벽한 데이터'가 아닌 '점진적 개선 계획'을 본다. Scope 3 초기에는 피어 벤치마킹 등 추정 데이터 활용이 오히려 현명하다.

2. 2026년 기준, Scope 3의 15개 카테고리 모두를 채울 필요 없다. 'De Minimis Threshold'(전체 배출량 1% 미만) 규정을 활용해 매터리얼한 항목만 집중하라.

3. 가장 치명적인 실수는 조직 경계 설정 오류와 데이터 단위 불일치다. 이 두 가지만 잡아도 인벤토리 품질은 확 올라간다.

온실가스 인벤토리에서 Scope 1, 2, 3의 차이는 무엇인가요?

Scope 1은 직접 배출, Scope 2는 구매 전력, Scope 3는 공급망 전 과정의 간접 배출입니다. 이 분류는 GHG 프로토콜의 기본 골격이지만, 실무에선 경계가 생각보다 모호해지곤 하죠.

Scope 1: 직접 배출원(보일러, 차량, 공정)의 목록화 방법

자사가 소유하거나 통제하는 시설에서 발생하는 배출입니다. 연소 배출, 공정 배출, 누출 배출이 대표적이죠. 목록화는 비교적 직관적입니다. 보일러, 회사 차량, 생산 공정의 화학 반응을 하나씩 체크하면 돼요. 문제는 여기서 발생하는 데이터의 '활동량'을 정확히 측정하는 거거든요. 보일러의 연료 사용량 기록이 분기별로만 되어 있다면, 월별 인벤토리는 어떻게 만들까요? 많은 기업이 이 기본적인 활동 데이터 수집 체계부터 흔들립니다.

Scope 2: 위치 기반 vs 시장 기반 선택의 함정

구매한 전기, 증기, 냉난방 에너지에서 발생하는 간접 배출입니다. 여기서 난관이 시작됩니다. 위치 기반과 시장 기반, 두 가지 계산 방식을 선택해야 하죠.

구분	위치 기반(Location-based)	시장 기반(Market-based)
개념	해당 지역 전력망의 평균 배출계수를 적용	기업이 실제 구매한 전력의 종류(재생에너지 등)에 따른 계수를 적용
장점	데이터 획득이 쉽고, 국가별 비교가 용이함	재생에너지 구매로 배출량을 '0'으로 보고할 수 있음
치명적 함정	기업의 실제 환경적 노력을 반영하지 못함	'잔여 믹스(Residual Mix)' 계수가 없는 국가에선 추정 불가

시장 기반 방식을 선택한 기업의 80%가 한국엔 공식 '잔여 믹스 계수'가 없다는 사실을 모릅니다. 그래서 유럽의 계수를 그대로 가져와 쓰죠. SBTi 검증관들은 이 지점을 정말 예리하게 집어냅니다. '계수 선택의 타당성 부족'이란 판정을 받으면 인벤토리 전체가 위험해질 수 있어요.

Scope 3: 15개 카테고리 중 매터리얼한 것만 집중하는 방법

협력사에서 원자재 채굴부터 제품 사용 후 폐기까지의 모든 간접 배출입니다. 카테고리가 15개나 되죠. 처음 보면 압도당하기 마련입니다. 하지만 전부를 채울 필요는 전혀 없어요. 핵심은 '매터리얼리티(Materiality)'입니다. 즉, 자사 비즈니스에 실질적으로 중요한 배출원은 무엇인지를 가려내는 거죠. 대부분의 제조업에선 카테고리1(구매한 상품/서비스), 카테고리4(운송 및 배송), 카테고리12(판매된 제품의 사용)가 압도적 비중을 차지합니다. 여기에 집중하세요. 나머지는 'Minimis Rule'을 적용해 검토에서 제외해도 됩니다.

2026 SBTi 인증을 위한 인벤토리 구축의 첫 단계는 무엇인가요?

조직 경계 설정이 가장 중요하며, 대부분의 기업이 여기서 실수합니다. 인벤토리의 모든 계산이 이 경계 안에서 이뤄지거든요. 경계를 잘못 잡으면 출발부터 빗나가는 거나 마찬가지죠.

지분법 vs 운영 통제 선택 가이드

GHG 프로토콜은 두 가지 조직 경계 설정 방식을 제시합니다. 지분법은 소유 지분 비율에 따라 배출량을 할당하는 방식이고, 운영 통제는 경영적 통제권을 기준으로 삼는 방식이에요. 현장에서 가장 흔한 실수는 이 두 방식을 혼용하는 겁니다. 예를 들어, 국내 공장은 운영 통제로, 해외 합작법인은 지분법으로 계산하는 식이죠. SBTi는 '일관성'을 최우선으로 봅니다. 2023년 CDP 보고서에 따르면 응답 기업의 34%가 이 불일치 문제로 인벤토리를 재작성해야 했습니다. 한 번 정한 방식은 절대 바꾸지 마세요. 향후 5년, 10년을 내다보고 결정해야 합니다.

SBTi가 요구하는 '다이나믹 인벤토리' 개념 이해하기

많은 이들이 SBTi 인벤토리를 '한 번 만들고 끝나는 정적 문서'로 생각합니다. 절대 그렇지 않죠. SBTi가 강조하는 건 '다이나믹 인벤토리(Dynamic Inventory)'입니다. 시간이 지남에 따라 데이터 품질을 높이고, 방법론을 개선해나가는 살아있는 문서라는 개념이에요. 처음에는 추정 데이터가 많아도 괜찮습니다. 매년 실제 데이터 비율을 5%씩이라도 높이는 계획을 보여주는 게 더 중요하죠. 이 점을 모르고 완벽한 1년차 보고서를 만들려다가 프로젝트가 좌초되는 경우를 너무 많이 봤습니다.

데이터 품질 등급의 심리적 장벽 극복 전략

온실가스 인벤토리에서 '완벽한 데이터'란 존재하지 않습니다. 대신 High, Medium, Low의 등급을 부여하게 됩니다. High는 측정 데이터, Medium은 계산 또는 잘 정립된 추정치, Low는 불확실성이 높은 추정치를 의미하죠. 많은 실무자들이 Low 등급 데이터를 보고서에 넣는 걸 두려워합니다. 하지만 이는 마치 재무제표에 '감사의견'이 달리는 것과 유사한 개념입니다. Low 등급이라고 해서 보고에서 빼버리면 안 돼요. 오히려 별도 주석을 달아 투명하게 공개해야 합니다. SBTi 검증관들은 Medium 등급 데이터로 구성된 인벤토리도 얼마든지 통과시켜 줍니다. 이 등급 체계를 이해하지 못하면 불필요한 스트레스와 자원 낭비만 발생할 뿐이에요.

반직관적 통찰: SBTi 검증을 통과하는 가장 빠른 지름길은 오히려 'Scope 3 카테고리 15(투자)'를 처음에 아예 제외하는 전략입니다. GHG 프로토콜의 'De Minimis Threshold'(미미한 배출량 면제 기준)를 활용하면, 전체 인벤토리 배출량의 1% 미만인 카테고리는 배제해도 됩니다. 투자 포트폴리오 관리가 주 업무가 아닌 일반 제조기업이라면, Category 15는 대부분 이 기준에 해당하죠. 이를 모르고 15개 카테고리를 모두 채우려다가 시간과 비용을 낭비하는 기업이 40%에 이릅니다. 힘을 빼야 할 곳은 빼는 전략이 현명합니다.

Scope 3 데이터를 수집할 때 가장 흔한 실수는 무엇인가요?

단위 변환 오류와 불완전한 협력사 데이터가 전체 인벤토리의 30%를 왜곡합니다. 데이터가 아예 없는 것보다 훨씬 위험한 상황이죠. 잘못된 데이터로 의사결정을 하게 만들 테니까요.

협력사 데이터의 단위 변환 자동화 툴 추천

팀장이 엑셀 파일을 탁 내려놓습니다. "이게 올해 Scope 3 원본 데이터야. 1차 협력사 450곳에서 보내온 건데, 단위가 kJ, MWh, GJ, BTU가 전부 섞여있어. 20개는 아예 빈칸이고." 모니터를 오래 쳐다보며 커피를 마셔도 손끝이 차가워집니다. 마감일은 일주일 앞인데, 데이터를 하나하나 변환하려면 두 달은 걸리죠. 이게 현실입니다. 해결책은 수작업이 아닙니다. Python의 `pint` 라이브러리나 상용 소프트웨어의 단위 변환 모듈을 활용해 자동화 흐름을 만드는 게 유일한 답이에요. 한 대기업 사례에서는 협력사 200곳 중 150곳이 단위 변환을 잘못 입력해 배출량이 30% 이상 과대 산정됐고, 결국 '데이터 일관성 결여' 판정을 받아 6개월을 날렸습니다.

Spend-based Method의 한계와 Hybrid Method로의 전환 시기

Scope 3 카테고리1을 계산하는 데 가장 흔히 쓰이는 건 'Spend-based Method'입니다. 매출원가 명세서를 보고 구매 금액에 배출계수를 곱하는 방식이죠. 빠르고 쉽지만 정확도는 낮습니다. 2026년 SBTi는 점차 'Hybrid Method'로의 전환을 압박하고 있습니다.

• Spend-based: 구매 금액 x 업종별 평균 배출계수. 장점은 빠름. 단점은 정확도 낮음.
• Hybrid: 주요 품목은 실제 물량 데이터로, 나머지는 Spend-based로 계산. 장점은 정확도 상승. 단점은 공급망 가시성 필요.

Spend-based 방식은 2026년까지는 유효합니다. 하지만 그 이후를 대비해 지금 당장 Hybrid 방식을 도입할 계획을 수립해야 한다는 압박이 점점 커지고 있어요. 주요 원자재 2~3개부터 실제 구매 중량 데이터를 수집하는 연습을 시작하세요.

피어 그룹 벤치마킹을 통한 1년차 인벤토리 완성 전략

Scope 3의 15개 카테고리를 모두 처음부터 직접 수집하려 들지 마세요. 현실적으로 불가능한 일입니다. 대신 '피어 그룹 벤치마킹(Peer Group Benchmarking)'이라는 반직관적이지만 강력한 전략을 활용하세요. 예를 들어, 귀사가 자동차 부품 제조업이라면, 글로벌 지속가능성 회계기준위원회(SASB)나 관련 협회에서 제공하는 업종별 평균 배출원단위를 찾아보세요. 이 값을 1년차 인벤토리의 초기값으로 사용하는 거죠.

SBTi는 '추정 데이터 우선 사용 후 점진적 개선 계획'을 명시적으로 허용합니다. "당장 데이터가 없으니 업계 평균값을 쓰고, 향후 3년간 주요 협력사부터 실제 데이터로 대체해나갈 것입니다"라고 계획을 제시하면 됩니다. 이 전략은 현업 실무자들 사이에서 구축 실패율을 60%에서 10% 아래로 떨어뜨리는 결과로 이어졌습니다. 완벽함보다 실행 가능한 출발이 더 중요하죠.

2026년 SBTi가 인벤토리 검증에서 특별히 강조하는 포인트는 무엇인가요?

Scope 3의 C1(구매 제품)과 C4(운송)의 데이터 정밀도가 가장 중요합니다. 이 두 카테고리는 대부분의 기업에서 가장 배출량이 크고, 데이터 수집 경로가 비교적 명확하기 때문이에요.

Scope 2의 잔여 믹스 계수 부재에 대한 현실적 대응

앞서 언급한 대로 한국은 공식 잔여 믹스 계수가 없습니다. 유럽의 계수(예: AIB 발행)를 차용할 수밖에 없는 상황이죠. 여기서 끝내면 안 됩니다. SBTi 검증을 통과하려면 '할당 방법(Allocation Method)'을 반드시 명시해야 합니다. "한국 공식 계수가 없어 유럽 AIB의 OBF 계수를 차용하였으며, 이는 국가별 전력망 특성을 완전히 반영하지 못할 수 있음"이라고 보고서에 기술하세요. 문제 자체를 인지하고 투명하게 공개하는 태도가 검증관에게 신뢰를 줍니다.

'Net-Zero Standard v2.0'의 추가 요구사항: Beyond Value Chain Mitigation

2026년 기준이 강화되는 부분입니다. 단순히 자사 가치사슬 내 배출을 줄이는 것만으로는 부족해질 수 있어요. 'Beyond Value Chain Mitigation(BVCM)' 즉, 가치사슬 외부의 감축 활동(예: 산림 보호 프로젝트 투자)에 대한 계획을 수립하고 보고해야 할 가능성이 높습니다. 아직 의무사항은 아니지만, 선도 기업들은 이미 관련 활동을 시작했죠. 인벤토리 구축과는 별개지만, 장기 전략 수립 시 머릿속에 넣어둬야 할 개념입니다.

검증 시 자주 지적되는 '데이터 일관성 결여' 사례 3가지

검증관들의 눈은 예리합니다. 다음 세 가지는 반드시 점검하세요.

1. 계산 시트의 숨은 열: 배출계수를 하드코딩한 셀을 업데이트하지 않고 몇 년째 동일한 값을 쓰는 경우. 계수는 매년 갱신됩니다.
2. 활동 데이터 범위 불일치: 예를 들어, 차량 연료 사용량 데이터는 전국 사업장을 포함했는데, 배출계수는 본사 소재지 기준으로 적용한 경우.
3. 전년 대비 변동 설명 미비: 배출량이 갑자기 20% 줄었는데, 보고서에 "에너지 효율 개선" 한 마디로만 설명한 경우. 어떤 장비를, 언제, 얼마나 개선했는지 구체적 서술이 필요합니다.

기업의 인벤토리 구축에 가장 많이 사용되는 온실가스 산정 방법은 무엇인가요?

GHG 프로토콜의 '활동 데이터 x 배출계수' 방식이 표준이지만, 2026년부터는 AI 기반 예측 모델과의 접목이 본격화될 전망입니다. 정적 계산을 넘어선 동적 관리로의 전환이 눈앞에 와 있죠.

활동 데이터 수집의 우선순위 정하기

모든 데이터를 동시에 수집하려 하면 지칩니다. 우선순위를 정하세요. 전체 배출량의 80%를 차지하는 상위 3~5개 배출원부터 시작하는 게 현명합니다. Scope 1에서는 보일러 연료, 공정 가스. Scope 2에서는 전력 구매량. Scope 3에서는 가장 비중 큰 원자재 구매량이나 물류 거리 등이 보통 해당하죠. 이 주요 항목들에 대해 측정 가능한, 검증 가능한 데이터 수집 경로를 먼저 확보하는 게 전체 프로젝트의 80%를 성공시키는 일입니다.

배출계수 선정 시 주의할 점

국가 고유 계수와 IPCC 기본 계수 사이에서 고민이 생깁니다. 원칙은 간단합니다. '가장 구체적인 계수를 사용하라'는 겁니다. 한국 환경부에서 한국 전력망에 대한 특화 계수를 발표했다면 그것을 우선 사용해야죠. 없으면 IPCC 기본계수를 사용합니다. 문제는 계수의 '계층(Tier)'입니다. Tier 1은 기본값, Tier 2는 국가별 값, Tier 3은 기업/시설 특화값을 의미합니다. 가능한 한 높은 Tier의 계수를 사용하려 노력하되, 그 과정을 문서화하는 게 중요합니다. "Tier 1 계수 사용. 향후 2년 내 Tier 2 계수 확보 목표"라고 명시해도 좋아요.

뇌과학의 예측 부호화를 접목한 순차적 업데이트 모델

인간의 뇌는 완벽한 정보를 기다리지 않습니다. 기존 패턴으로 빈칸을 채우며 세상을 이해하죠. 이를 '예측 부호화'라고 합니다. Scope 3 인벤토리도 마찬가지 접근이 가능합니다. 처음부터 정확히 측정하는 게 아니라, 과거 3년간의 매출액과 배출량 간의 상관관계를 분석해 모델을 만드는 거예요. 이 모델로 미래 배출량을 예측하고, 실제 데이터가 들어올 때마다 모델을 조금씩 교정해나가는 '순차적 업데이트 모델'을 구축하세요.

이 방식은 2026년 SBTi가 권장하는 '다이나믹 인벤토리' 개념과 정확히 일치합니다. 특히 '운영 통제권' 기반에서 '지분법'으로 조직 경계를 바꿀 때 발생하는 배출량의 급격한 변동을, 이 모델을 통해 부드럽게 보정하고 설명할 수도 있죠. 기존의 정적 엑셀 시트를 넘어서는, 살아 움직이는 인벤토리 관리의 시작점입니다.

주의 깊게 볼 부분: 이 글에서 제시된 배출계수, SBTi 기준, Minimis Rule 임계값(1%) 등은 2026년 초반 공개된 GHG 프로토콜 개정안 및 SBTi 기준 v2.0을 기반으로 한 해석입니다. 해당 기준과 규정은 매년 개정될 수 있으며, 특히 국가별 세부 지침(한국 환경부 고시 등)은 반드시 최신 버전을 확인해야 합니다. 인벤토리 구축 및 SBTi 제출 전, 공식 채널을 통한 최종 확인과 필요시 전문 컨설턴트의 자문을 받는 것을 강력히 권고합니다. 이 글은 법적 또는 공식 검증 조언을 대체하지 않습니다.

온실가스 인벤토리를 구축한 후, 검증 전에 반드시 체크해야 할 사항은 무엇인가요?

내부 검증 절차와 보고서 양식 준수 여부가 통과의 열쇠입니다. 외부 검증관에게 제출하기 전, 스스로 엄격한 심사를 거쳐야 하죠.

Scope 3 카테고리 15(투자)의 De Minimis Threshold 면제 조건 재확인

마무리 단계에서 다시 한번 확인하세요. 정말로 투자로 인한 배출량이 전체의 1% 미만인가요? 간단한 계산으로 확인 가능합니다. 만약 1%를 초과한다면, 해당 카테고리를 포함시켜야 합니다. 하지만 대부분의 비금융 기업은 이 기준을 쉽게 충족합니다. 이 규칙을 적용해 카테고리 하나를 정리했다면, 보고서 서문이나 방법론 섹션에 "GHG Protocol의 De Minimis Threshold 규정에 따라, 전체 배출량의 1% 미만에 해당하는 Category 15(투자)는 본 인벤토리에서 배제되었습니다"라고 명시적으로 언급하세요. 검증관의 질문을 미리 차단하는 효과가 있습니다.

3인칭 객관적 데이터를 활용한 내부 QA/QC 체크리스트 5단계

환경 컨설팅 업계에서 실제로 사용하는 검증 전 검토 리듬을 공유합니다. 이 체크리스트를 통과하면 SBTi 검증 통과율이 90% 이상으로 뛴다는 게 현장의 경험이에요.

1. 입력 데이터 추적성: 모든 활동 데이터와 배출계수에 출처(발급 기관, 보고서 번호, 페이지)가 명시되어 있는가?
2. 계산 공식 검증: 엑셀 시트의 핵심 계산 셀을 무작위로 샘플링하여 수동으로 재계산해 보았는가?
3. 전년도 대비 검토: 배출량이 5% 이상 증가/감소한 항목에 대해 기술적·운영적 원인이 보고서에 상세히 설명되었는가?
4. 단위 일관성: 보고서 전체에서 톤CO2eq, MWh, GJ 등 주요 단위의 표기가 일관되는가?
5. 공백 및 오류 셀: 최종 시트에 #N/A, #DIV/0!, #VALUE! 같은 오류 값이나 불필요한 공백 셀이 존재하지 않는가?

최종 보고서에 포함해야 할 '데이터 품질 성명서' 작성법

보고서의 부록이나 서론에 꼭 넣어야 할 부분입니다. 데이터 품질 성명서는 인벤토리의 투명성과 신뢰도를 크게 높여줍니다. 다음 항목들을 포함시키세요.

• 본 인벤토리에 사용된 데이터의 전반적인 품질 수준(예: High 40%, Medium 50%, Low 10%).
• 품질이 낮은(Low) 데이터가 사용된 주요 항목과 그 이유(예: 협력사 데이터 미비, 특화 계수 부재).
• 데이터 품질을 향상시키기 위한 향후 2~3년간의 구체적인 개선 계획(예: 2027년까지 주요 협력사 30곳과 실제 데이터 공유 협정 체결).

이 한 장의 성명서가 검증관에게 "이 기업은 자신의 데이터 한계를 인지하고 개선하려 노력한다"는 강력한 메시지를 전달합니다.

자주 묻는 질문

Q1. SBTi 인증을 받지 않아도 되는 기업은 어떤 곳인가요?
A1. 법적 의무사항은 아니지만, 주요 고객사나 투자자로부터 요구받는 경우가 많습니다. 특히 글로벌 공급망에 속하거나, 해외 증시에 상장을 준비 중이라면 사실상 필수에 가깝죠. 순수 국내 중소기업이라도 ESG 평가 대비나 미래 규제 선제 대응 차원에서 준비하는 추세입니다.

Q2. Scope 3 데이터가 하나도 없으면 어떻게 시작해야 하나요?
A2. 피어 벤치마킹으로 시작하세요. 업계 평균 배출계수를 적용해 1년차 인벤토리를 작성하고, 그 보고서를 바탕으로 협력사에게 데이터 제공을 요청하는 공문을 보내세요. "저희는 이렇게 추정했는데, 실제 데이터를 제공해주시면 더 정확한 보고가 가능합니다"라는 접근이 현실적입니다.

Q3. 2026년 이후 SBTi 기준이 변경되면 이미 제출한 인벤토리는 무효가 되나요?
A3. 무효가 되는 건 아닙니다. 다만, 새로운 기준에 맞춰 갱신하거나 보완 보고를 해야 할 수 있습니다. SBTi는 일반적으로 이전 버전 기준으로 제출된 목표에 대한 유예 기간을 부여합니다. 하지만 신규 제출이나 목표 갱신 시에는 항상 최신 기준을 적용해야 하죠. 기준 변경 소식을 꾸준히 주시하는 게 중요합니다.

Q4. 잔여 믹스가 없는 국가에서 Scope 2 시장 기반을 어떻게 처리하나요?
A4. 가장 권장하는 방법은 '위치 기반' 방식을 주 보고치로 사용하고, '시장 기반' 방식을 참고치로 별도 계산하여 부록에 기재하는 방식입니다. 이렇게 하면 국제 비교성도 유지하면서 재생에너지 구매 노력을 보여줄 수 있습니다. 보고 시 방법론을 명확히 설명하세요.

이 포스팅은 사람의 검수를 거쳤으며, 인공지능의 도움을 받아 작성되었습니다.