Durante el último siglo, ha habido un aumento dramático en el interés por la técnica de toma de decisiones en grupo de múltiples criterios (MCGDM), con una cantidad considerable de estudios publicados al respecto. Uno de los enfoques más conocidos en el paradigma MCGDM es la Técnica para la Preferencia de Orden por Similitud a la Solución Ideal (TOPSIS). La integración del método TOPSIS con la teoría de conjuntos difusos ha demostrado ser exitosa en varias aplicaciones. Recientemente, una amplia gama de publicaciones ha propuesto implementar un conjunto difuso de tipo 2 con TOPSIS. Sin embargo, el grado adicional de incertidumbre representado por el tipo 2 ha sido en gran medida ignorado, especialmente en algunas operaciones matemáticas específicas en el modelo. Proponemos construir funciones de membresía difusas de tipo 2 de intervalo (IT2 MFs) utilizando datos basados en intervalos recopilados de una encuesta, donde esto se utiliza para generar una nueva escala para representar las calificaciones de cada alternativa. Este procedimiento utilizó toda la información recopilada de los tomadores de decisiones. Además, presentamos un algoritmo completo para TOPSIS basado en conjuntos difusos de tipo 2 (IT2 FSs) que conservan la forma de salida basada en intervalos. La salida en forma de intervalos ofrece a los tomadores de decisiones (DMs) información más detallada, lo que les permite tomar decisiones más matizadas. Esto puede incluir decisiones cautelosas cuando los intervalos son más anchos y se superponen. Aunque comprender el significado exacto de estos intervalos y sus anchos en un contexto de toma de decisiones es desafiante, este documento introduce un método sistemático para conectar la incertidumbre de entrada con la incertidumbre de salida en la técnica TOPSIS. Este enfoque establece una base sólida para futuras investigaciones. Hasta ahora, ningún otro investigador ha sugerido un método basado en datos que combine TOPSIS con la difusificación y proporcione intervalos como salida final.