2021 년 한국 형사소송법의 개정으로 경찰의 수사주체로서의 역할이 강화되었고, 이에 따라 경찰에게 고도화된 수사 전문성이 요구되며, 개별 수사관들이 처리하는 사건 수의 증가로 수사 보고서 작성에 소요되는 시간도 증가하였다. 이러한 상황에서 수사관의 업무 효율성을 높이기 위한 인공지능 지원 시스템에 대한 필요성이 대두되었다. 이에 따라, 본 연구에서는 Transformer 기반의 사전학습 언어모델을 미세조정 학습시켜, 법률 문서에서 18 가지 주요 정보를 자동으로 추출하는 모델을 설계하였다. 이를 위해 본 연구에서는 "살인 범죄사실 주요정보 프레임"을 개발하였고, 사전학습 생성모델을 활용하여 범죄 수사 분야에 특화된 대량의 학습 데이터셋을 구축하였다. 본 연구에서 설계한 텍스트 분류 모델은 87.75%의 F1 스코어를 달성하며, 기계독해 모델보다 전반적으로 높은 성능을 보였다. 또한, 텍스트 분류 모델이 예측한 상위 3 개의 답변 중 정답이 포함되는 비율은 98% 이상으로, 높은 적중율을 보였다. 이와 같은 결과는 텍스트 분류 모델이 복잡한 법률 및 수사 문서로부터 주요정보를 효율적으로 추출하는데 있어 중대한 역할을 할 수 있음을 나타내며, 본 연구 결과를 토대로 수사결과보고서 작성 뿐만 아니라 유사 판례 검색, 사건 타임라인 구축 등 법률 및 수사 분야의 여러 응용 태스크에서 본 모델의 활용 가능성을 제시한다. 이는 수사 과정의 효율성과 공정성 향상에 기여할 수 있는 중요한 발견으로, 법률 및 수사 도메인의 기술 발전에 상당한 기여를 할 것으로 기대된다.