Tento článek systematicky hodnotí empirické studie zaměřené na účinnost techniky Delphi a poskytuje kritiku tohoto výzkumu. Zjištění naznačují, že skupiny Delphi překonávají statistické skupiny (o 12 studií na dvě se dvěma „vazbami“) a standardní interakční skupiny (o pět studií na jednu se dvěma „vazbami“), ačkoli neexistují konzistentní důkazy o tom, že technika překonává ostatní strukturované skupiny postupy. Mezi typickou laboratorní verzí této techniky a původním konceptem Delphi však existují důležité rozdíly, které znesnadňují zobecnění pojmu „Delphi“ jako takové. Tyto rozdíly vyplývají z nedostatečné kontroly nad důležitými charakteristikami skupiny, úkolu a techniky (jako je relativní úroveň odbornosti účastníků diskuse a povaha použité zpětné vazby). Ve skutečnosti existují teoretické a empirické důvody domnívat se, že Delphi prováděný podle „ideálních“ specifikací by mohl fungovat lépe než standardní laboratorní interpretace. Závěrem je, že k zodpovězení otázek týkajících se účinnosti Delphi je nutné jiné zaměření výzkumu se zaměřením na analýzu procesu změny úsudku v nominálních skupinách.