La identificación de grupos homogéneos de actores en un contexto local de múltiples actores de AHP basada en sus preferencias es un problema abierto, particularmente cuando el número de tomadores de decisiones es alto. Para resolver este problema en el caso de utilizar AHP estocástico, este documento propone una nueva metodología de búsqueda estocástica bayesiana para problemas a gran escala (número de tomadores de decisiones mayor a 20). La nueva metodología, basada en herramientas bayesianas para comparación y selección de modelos, aprovecha las distribuciones de estructuras de preferencia individuales obtenidas de AHP estocástico para permitir la identificación de grupos homogéneos de actores con un umbral máximo común de incompatibilidad. La metodología ofrece un enfoque heurístico con varias particiones casi óptimas, calculadas por la ventana de Occam, que capturan la incertidumbre inherente al considerar aspectos intangibles (AHP). Esta incertidumbre también se refleja en los gráficos que muestran las similitudes de las opiniones de los tomadores de decisiones y que pueden ser utilizados para alcanzar posiciones colectivas representativas mediante la construcción de caminos de acuerdo en procesos de negociación. Si se considera un pequeño número de actores, el algoritmo propuesto (Agrupamiento bayesiano de AHP) reduce significativamente el tiempo computacional de identificación de grupos en comparación con un método de búsqueda exhaustiva. La metodología se ilustra con un caso real de participación ciudadana basado en e-Cognocracia.