지난달 한 은행의 ESG 담당자와 만난 자리에서 들은 이야기입니다. 그는 PCAF 보고서 마감을 앞두고 사흘을 밤새워 고객사에 이메일을 보내고 전화를 돌렸죠. 결국 수집한 데이터는 목표의 절반도 채 되지 않았고, 나머지는 업종 평균값으로 때워야 했어요. "이 숫자가 과연 의미가 있을까요?" 그의 질문은 공기 중에 멈춰 있었습니다.
이게 바로 2026년을 눈앞에 둔 국내 금융권의 현실입니다. PCAF, Partnership for Carbon Accounting Financials. 금융 포트폴리오에서 뿜어져 나오는 탄소의 양을 잰다는 이 국제 표준은 이제 먼 미래의 과제가 아닙니다. 금융당국의 권고가 구체적인 의무로 바뀌는 시계는 이미 똑딱거리고 있거든요.
문제는 방법론이 아닙니다. 보고서에 깔끔하게 적히는 그 숫자들이 실제로 무엇을 의미하는지, 그 뒷면에 가려진 데이터의 허점을 어떻게 메울 것인지가 진짜 고민이죠. PCAF 점수 하나에 매달리느라 본질을 놓치고 계신다면, 이 글을 함께 살펴보시길 바랍니다.
✓ PCAF는 단순한 '측정'이 아니라 포트폴리오 리스크를 '재구성'하는 규제의 지렛대입니다.
✓ 2026년 대비의 핵심은 완벽한 점수가 아니라, 추정치에서 실제 데이터로 가는 '품질 개선 로드맵'입니다.
✓ 국내 현장의 최대 장벽은 비상장 기업의 데이터 부재이며, 협력과 인센티브 설계가 해법입니다.
PCAF 금융배출량이란 무엇이며, 왜 2026년이 중요한가요?
PCAF는 은행, 자산운용사, 보험사가 자신의 투자와 대출로 인해 간접적으로 발생시키는 온실가스 배출량을 국제적으로 통일된 방식으로 계산하도록 돕는 표준입니다. 2026년은 국내 금융당국의 '권고'가 실질적인 '의무' 또는 강력한 규제 압력으로 전환될 가능성이 가장 높은 시점이죠.
PCAF의 정의와 작동 원리, 간단히 파헤치기
기업이 직접 배출하는 Scope 1, 2를 넘어서죠. PCAF는 금융기관이 가장 무거운 부담을 느끼는 Scope 3, 그중에서도 '카테고리 15: 투자'에 초점을 맞춥니다. 원리는 직관적이에요. A 기업에 100억 원을 대출했고, 그 기업의 전체 배출량이 1만 톤이라면, 은행은 대출 비율만큼의 배출량을 자신의 책임으로 인식합니다. 핵심은 이 '할당(Attribution)'이라는 개념이에요. 마치 연결재무제표에서 지분율에 따라 손익을 나누는 것과 유사하죠. 재무적 지배력이 아니라 환경적 영향을 기준으로 포트폴리오를 다시 보게 만듭니다.
그리고 데이터 품질을 다섯 단계로 나눕니다. 검증된 실제 데이터(Level 1)부터 업종 평균 같은 추정치(Level 5)까지요. 현실은 대부분의 국내 포트폴리오가 Level 3과 4 사이에서 맴돌고 있습니다.
2026년을 향한 규제의 발걸음이 점점 빠릅니다
금융감독원의 '기후리스크 관리 모범규준'은 이미 PCAF 기준의 준용을 명시했어요. 이건 단순한 권고사항을 넘어서요. 올해 발표된 몇몇 은행의 공시를 보면, PCAF 방식에 따른 배출량 산정 결과를 자발적으로 포함시키는 흐름이 뚜렷해졌습니다. 시장과 규제가 선순환을 이루며 압박을 높이고 있는 거죠. 2026년이 되기 전에 표준화된 방식으로 데이터를 쌓고, 내부 프로세스를 정비하지 못한 기관은 ESG 평가에서뿐만 아니라 신용등급과 자금 조달 비용에서도 불리해질 수밖에 없습니다.
PCAF 금융배출량 산정 기준 – Scope 3 카테고리 15를 중심으로
PCAF는 상장주식, 회사채, 프로젝트 파이낸스, 부동산 대출 등 자산 유형마다 세부 계산법을 달리 제시합니다. 특히 국내 은행의 주된 고민거리인 '카테고리 15: 투자'에서는 가중평균 탄소집약도(WACI)와 총 배출량을 함께 봐야 포트폴리오 리스크의 실체를 제대로 잡을 수 있어요.
| 자산 클래스 | 주요 산정 방식 | 국내 적용 시 고려사항 |
|---|---|---|
| 상장주식/회사채 | WACI (가중평균 탄소집약도) | 비상장 중소기업 비중이 높아 총 배출량 지표 병행 필수 |
| 비상장 기업 대출 | 총 배출량 (투자액 비례 할당) | 데이터 가용성이 최대 난제, 추정 모델 의존도 높음 |
| 프로젝트 파이낸스 | 프로젝트 전체 배출량 할당 | 사업 타당성 평가 단계부터 배출량 데이터 확보 협의 필요 |
| 부동산 담보대출 | 에너지 소비량 기반 (㎡당) | 차주로부터 에너지 사용량 명세 확보가 첫걸음 |
데이터 품질 계층, 레벨을 올리는 현실적인 전략
Level 1(실제 데이터)을 바라지만 현실은 Level 4(업종 평균)에 머물러 있다면? 포기할 필요 없어요. 중요한 건 현재 위치를 정확히 인지하고, 단계적 개선 계획을 갖는 겁니다. 예를 들어, 올해는 주요 30개 고객사에 대해 Level 4 데이터로 기준선을 설정합니다. 내년에는 이들 고객사를 상대로 배출량 데이터 제출을 신규/재협상 대출 계약의 조건에 포함시키는 방안을 논의하죠. 단순히 '보내주세요'가 아니라, 데이터 제공 시 그린 론 금리 인하 혜택을 제안하는 식으로 말이에요.
통념과 다른 접근: 많은 가이드가 WACI 계산의 정확성을 강조하지만, 국내 중소기업 중심 포트폴리오에서는 WACI만으로는 그림의 절반도 보기 어렵습니다. 매출 대비 배출량 효율은 좋을지 몰라도, 총량 자체가 큰 '탄소 중량급' 기업에 대한 익스포저를 가려버리기 때문이죠. WACI와 총 배출량을 병행 분석해야 고탄소 섹터에 대한 진짜 리스크 노출이 보입니다.
PCAF 도입 시 가장 흔한 3가지 실수와 해결 방법은?
첫발을 뗀 금융기관들이 공통적으로 빠지는 함정이 있습니다. 데이터에 대한 막연한 두려움, 방법론의 오해, 그리고 점수에 대한 과도한 집착이죠.
실수 1: 데이터가 없다고 초장부터 포기하기
"고객사가 데이터를 안 줘요." 이 한마디로 PCAF 프로젝트가 좌초되는 경우를 너무 많이 봤습니다. 하지만 질문을 바꿔볼까요? 데이터를 줄 수 있는 환경을 우리가 만들었나요? 단순한 요청 메일이 아니라, 데이터 제공이 고객사 자신에게도 유익하다는 점을 설명하는 교육 자료를 준비했나요? 배출량 관리는 이제 기업의 신용평가 요소로 점차 자리 잡고 있습니다. 그 사실을 알려주고, 함께 준비하는 파트너로서 접근해야 합니다.
실수 2: WACI에만 모든 것을 걸기
앞서도 언급했지만, 이건 방법론의 오해에서 비롯됩니다. PCAF 가이드라인은 WACI를 권장하지만, 그것이 유일한 정답은 아닙니다. 특히 국내처럼 제조업 중소기업 대출 비중이 높은 포트폴리오에서는 총 배출량 지표를 반드시 함께 관리해야 의미 있는 인사이트가 나옵니다. 두 지표의 간극을 분석하는 과정에서 오히려 더 중요한 리스크 관리 포인트를 발견하게 되죠.
실수 3: PCAF '점수'만 쫓다가 '품질'을 놓치기
가장 치명적이면서도 흔한 실수입니다. 초기에는 추정치 비율이 높을 수밖에 없어요. 문제는 그 상태로 안주하느냐입니다. PCAF의 진정한 가치는 첫해의 점수가 아니라, 1년, 2년에 걸쳐 데이터 품질 계층을 어떻게 끌어올렸는지에 있습니다. 내부 KPI를 'PCAF 점수'가 아니라 'Level 1, 2 데이터의 포트폴리오 커버리지 비율'로 설정해보세요. 시선이 완전히 달라질 거예요.
| 단계 (로드맵) | 목표 데이터 품질 | 주요 실행 과제 |
|---|---|---|
| 1년차: 기준선 설정 | Level 3-4 (추정치) 커버리지 100% | 내부 포트폴리오 매핑, 고객사 데이터 현황 조사 |
| 2년차: 품질 개상 | 주요 고객사(50%) Level 2 이상 전환 | 고객사 협약 체결, 데이터 제출 인센티브 도입 |
| 3년차: 고도화 | 전체 포트폴리오 Level 2 비율 70% 이상 | 자동화 데이터 수집 플랫폼 구축, 외부 검증 도입 |
국내 은행의 PCAF 트렌드 – 2025년 현재 어디까지 왔나?
표면적으로는 대부분의 메이저 은행이 PCAF에 가입했습니다. 하지만 커튼 뒤를 살짝 들여다보면, 데이터 공개의 수준과 세부 적용 범위에서는 상당한 격차가 존재하죠.
몇몇 선도 은행은 이미 자체 개발한 탄소회계 모델을 신용평가 모델과 연동하는 시도를 시작했습니다. 고객사의 배출량 데이터가 대출 심사에 미치는 영향에 대한 내부 시뮬레이션도 진행 중이고요. 반면, 아직은 가입 자체에 만족하며 공시 자료에 최소한의 정보만 담는 은행도 있습니다. 이 차이는 2026년이 다가올수록 더 뚜렷한 경쟁력 차이로 나타날 공산이 큽니다.
현장의 속삭임: 국내 5대 은행 ESG 실무자들과의 대화에서 공통적으로 들려온 고민은 '고객사 데이터 미제공'이었습니다. PCAF 가입 후 첫 6개월, 추정치 비율이 70%를 넘는 것은 드문 일이 아니라고 합니다. 이는 PCAF 보고서의 신뢰성 근간을 흔들 수 있는 위험 신호이죠. 데이터 품질에 대한 진지한 고민 없이는 가입 자체가 무색해질 수 있습니다.
중소형 금융기관을 위한, 시작하는 법
규모가 작다고 망설일 필요는 전혀 없어요. 오히려 선제적으로 움직일 수 있는 장점이 있습니다. 먼저 PCAF 공식 홈페이지에서 제공하는 기본 엑셀 템플릿을 활용해, 가장 규모가 크거나 상징적인 포트폴리오 몇 가지를 선정해 시범 계산을 해보세요. 내부에 어떤 데이터가 있고, 무엇이 부족한지 파악하는 게 모든 시작입니다. 한국ESG기준원(KESG)이나 NICE D&B 등 국내 데이터 제공업체와의 협업을 통해 초기 부담을 줄이는 전략도 현실적이죠.
PCAF 금융배출량 산정을 위한 실전 도구와 리소스는?
이론은 알겠는데, 실제로 손을 대려면 무엇부터 시작해야 할지 막막할 수 있어요. 다행히 활용할 수 있는 실전 도구들은 생각보다 다양합니다.
PCAF 공식 템플릿, 이렇게 활용하세요
PCAF 웹사이트에서 제공하는 엑셀 기반 계산 템플릿은 가장 기본적인 출발점입니다. 각 자산 클래스별 시트가 구분되어 있고, 할당 비율을 입력하면 자동으로 배출량이 계산되는 구조죠. 처음에는 이 템플릿의 로직을 하나하나 따라가면서, 우리 포트폴리오 데이터가 어디에, 어떻게 매핑되어야 하는지를 팀원들과 함께 익히는 과정 자체가 값진 교육이 됩니다. 완벽한 채우기를 목표로 하기보다, 메커니즘을 이해하는 데 초점을 맞추세요.
데이터가 없을 때 믿을 수 있는 추정 모델
고객사 데이터가 전무한 상태라면, 업종 평균 배출계수(예: 한국에너지공단 배출계수 DB)와 해당 기업의 매출액을 결합한 추정이 일반적입니다. 더 나아가 신용평가사와 협력해, 기업별 재무 데이터와 업종 코드를 결합한 더 정교한 추정 모델을 개발하는 사례도 늘고 있습니다. 핵심은 사용한 추정 방법론과 데이터 출처를 투명하게 기록하는 거예요. '어림짐작'이 아니라 '체계적인 추정'이라는 걸 보여줘야 합니다.
자주 묻는 질문 (FAQ)
Q: PCAF 가입 비용이 부담스러운데, 꼭 해야 하나요?
A: 2026년 이후 규제 리스크를 '손실 회피' 관점에서 생각해보세요. 미가입으로 인한 금융당국의 제재, ESG 평가 하락에 따른 자금 조달 비용 상승, 기관투자자 유치 실패 등의 잠재적 손실이 현재의 가입 및 도입 비용을 훨씬 상회할 수 있습니다.
Q: PCAF와 TCFD는 어떻게 다른가요?
A: TCFD(기후관련 재무정보 공개 태스크포스)는 기후 리스크와 기회가 재무제표에 미치는 영향을 식별하고 공개하는 '보고 프레임워크'라면, PCAF는 그중 '금융배출량'이라는 구체적인 지표를 어떻게 측정할지에 대한 '계산 방법론 표준'입니다. TCFD 보고를 하려면 PCAF 같은 표준화된 측정 도구가 필요하죠.
Q: 비상장 중소기업 데이터는 정말 답이 없나요?
A: 해법은 협력과 인센티브에 있습니다. 데이터 제공을 대출 조건이나 금리 인하와 연계하는 '그린 론' 상품을 활성화하거나, 배출량 데이터 관리의 어려움을 함께 해결해주는 컨설팅 서비스를 패키지로 제공하는 방안을 고려해볼 수 있습니다.
Q: PCAF 데이터는 외부 검증이 필수인가요?
A: PCAF 자체는 의무화하지 않지만, MSCI, Sustainalytics 등 글로벌 ESG 평가사들은 검증된 데이터에 높은 가중치를 둡니다. 공신력을 높이고 신뢰성을 입증하려면 제3자 검증을 받는 것이 점점 표준이 되어가는 추세입니다.
Q: 중소형 은행도 당장 시작해야 하나요?
A: 규모가 작을수록 선제적 대응이 더 유리합니다. 포트폴리오 규모가 상대적으로 작아 시범 적용과 프로세스 정착이 빠르고, 오히려 기민함을 강점으로 내세울 수 있는 기회가 됩니다.
PCAF는 결국 숫자 게임이 아닙니다. 금융이라는 거대한 시스템이 자신이 뿌린 탄소의 씨앗을 되돌아보고, 미래의 리스크를 재편성하도록 요구하는 거대한 질문입니다. 2026년은 마감선이 아니라, 이 질문에 본격적으로 답변을 시작해야 하는 출발점이에요. 완벽한 첫걸음을 떼는 것보다, 방향을 맞춰 그걸 내딛는 것이 훨씬 중요하죠. 데이터라는 어두운 터널 앞에서 주저하지 마세요. 그 터널을 함께 통과할 방법을 고객사와 함께 모색하는 과정 자체가, 이미 가장 의미 있는 첫걸음입니다.
.jpg)
0 댓글