해양 사고 판결 보고서에는 근본 원인 분석 (RCA)을 위한 중요한 재판부의 조사 결과가 포함되어 있지만, 수십 년간의 기록에서 관련 선례를 검색하고 일관된 보고서를 작성하는 작업은 여전히 노동 집약적입니다. 본 논문은 13,329건의 중앙해양안전심판원 (KMST) 보고서 (1971-2025)의 포괄적인 데이터셋을 활용하여 자동화된 해양 RCA를 위한 다중 필드 하이브리드 검색 증강 생성 (RAG) 프레임워크를 제안합니다. 우리는 가공되지 않은 판결문을 '사건 카드 (incident cards)'라는 구조화된 지식 베이스로 변환하며, 계층적 L1/L2 원인 분류 체계와 함께 요약 (Summary), 원인 (Causes), 처분 (Disposition)이라는 세 가지 별도의 필드를 인덱싱합니다. 우리의 검색 전략은 상호 순위 결합 (Reciprocal Rank Fusion, RRF)을 통해 희소 (sparse) 및 밀집 (dense) 랭킹을 융합하는 필드 인식 하이브리드 접근 방식을 채택합니다. 대규모 전문가 관련성 레이블의 부족을 고려하여, 우리는 메타데이터 기반의 대리 관련성 점수 (proxy relevance score)를 바탕으로 상한 정규화 재현율 (ceiling-normalized recall) 및 nDCG를 사용하여 검색 성능을 평가합니다. 실험 결과, 우리가 제안한 검색 방식은 기준 방법 (baseline methods)보다 성능이 크게 뛰어나며, NormRecall@100을 0.18에서 0.55로 향상시켰음을 입증했습니다. 또한, 검색된 선례를 생성기에 근거 (grounding)로 제공함으로써 LLM 전용 기준 모델 대비 RCA 생성 품질을 높였으며, LLM-as-a-judge 점수를 3.34에서 3.72로 증가시켰습니다. 이러한 결과는 필드 인식 RAG가 더 빠른 선례 검색과 더 일관되고 증거에 기반한 RCA 작성을 가능하게 함으로써 해양 안전 조사 워크플로우를 실질적으로 간소화할 수 있음을 시사합니다.