El Proceso Analítico Jerárquico (AHP) ha sido un método ampliamente utilizado de toma de decisiones multicriterio (MCDM) desde la década de 1980 debido a su simplicidad y racionalidad. Sin embargo, el AHP convencional asume la independencia de criterios, lo cual no siempre es preciso en escenarios realistas donde existen interdependencias entre criterios. Se han propuesto varios métodos para relajar la postulación de criterios independientes en el AHP, como el Proceso Analítico de Redes (ANP). Sin embargo, estos métodos suelen necesitar una cantidad de matrices de comparación par a par (PCMs) y dificultan su aplicación a problemas complicados y a gran escala. Este artículo presenta un enfoque innovador para abordar este problema incorporando Campos Aleatorios de Markov discretos (MRFs) en el marco del AHP. Nuestro método mejora la toma de decisiones al capturar de manera efectiva y sensata las interdependencias entre criterios, reflejando pesos reales. Además, mostramos un ejemplo numérico para ilustrar el método propuesto y comparar los resultados con el AHP convencional y el Mapa Cognitivo Difuso (FCM). Los hallazgos resaltan la capacidad de nuestro método para influir en los valores de prioridad global y en la clasificación de alternativas al considerar las interdependencias entre criterios. Estos resultados sugieren que el método introducido proporciona un marco flexible y adaptable para modelar interdependencias entre criterios, lo que finalmente conduce a resultados de toma de decisiones más precisos y confiables.