El proceso analítico jerárquico (AHP) ha sido un método ampliamente utilizado para manejar problemas de toma de decisiones multicriterio (MCDM) desde la década de 1980. Sin embargo, postula que los criterios son independientes y estáticos, lo cual no siempre es cierto en situaciones realistas. Aunque se han propuesto varios métodos para relajar la suposición de independencia entre criterios en el AHP, como el proceso analítico de redes (ANP), estos métodos no tienen en cuenta los criterios dependientes del tiempo en el AHP. Por consiguiente, este documento presenta un método innovador que integra redes bayesianas dinámicas (DBNs) con el AHP para modelar interdependencias dinámicas entre criterios en problemas de MCDM. Ilustramos el método propuesto a través de un ejemplo numérico completo y comparamos los resultados con el AHP convencional. Los hallazgos sugieren que el método propuesto extiende el AHP para dar cabida a problemas dependientes del tiempo y, al ignorar información específica, se reduce al AHP convencional, demostrando así que nuestro enfoque sirve como un modelo AHP más general.