Este documento presenta un modelo pionero que fusiona cadenas de Markov acopladas (CMC) con el proceso analítico jerárquico difuso (FAHP) para mejorar la toma de decisiones multicriterio (MCDM) en medio de la interacción dinámica de criterios. Los marcos MCDM tradicionales a menudo carecen de la granularidad para gestionar las relaciones intrincadas y cambiantes entre los criterios. Nuestro modelo aborda esta brecha al integrar números difusos en AHP, proporcionando un medio matizado para manejar la incertidumbre inherente de los criterios de decisión. La aplicación del producto de Kronecker en CMC enriquece nuestro enfoque, ofreciendo un análisis basado en datos mientras se mitiga la excesiva dependencia en la opinión subjetiva de expertos. Un ejemplo numérico integral subraya la precisión y eficiencia mejoradas de la toma de decisiones del modelo, marcando un avance sustancial en las metodologías de MCDM. Esta investigación contribuye al campo al presentar un marco sofisticado pero práctico para el análisis de decisiones dinámicas en entornos inciertos y complejos.