Denne artikel gennemgår systematisk empiriske undersøgelser, der ser på effektiviteten af Delphi-teknikken, og giver en kritik af denne forskning. Resultater antyder, at Delphi-grupper overgår statistiske grupper (med 12 studier til to med to ‘bånd’) og standardinteragerende grupper (med fem undersøgelser til en med to ‘bånd’), selv om der ikke er nogen ensartet dokumentation for, at teknikken overgår andre strukturerede grupper procedurer. Imidlertid findes der vigtige forskelle mellem den typiske laboratorieversion af teknikken og det originale koncept af Delphi, hvilket vanskeliggør generaliseringer om ‘Delphi’. Disse forskelle skyldes manglende kontrol med vigtige gruppe-, opgave- og teknikegenskaber (såsom det relative niveau af panellisteekspertise og arten af den anvendte feedback). Der er faktisk teoretiske og empiriske grunde til at tro, at en Delphi udført i henhold til ‘ideelle’ specifikationer måske fungerer bedre end standard laboratorietolkninger. Det konkluderes, at der kræves forskelligt forskningsfokus for at besvare spørgsmål om Delphis effektivitet, med fokus på en analyse af processen med dømmeskift inden for nominelle grupper.