Este artículo revisa sistemáticamente los estudios empíricos que analizan la efectividad de la técnica Delphi, y proporciona una crítica de esta investigación. Los hallazgos sugieren que los grupos Delphi superan a los grupos estadísticos (en 12 estudios a dos con dos ‘empates’) y a los grupos interactivos estándar (en cinco estudios a uno con dos ‘empates’), aunque no hay evidencia consistente de que la técnica supere a otros grupos estructurados procedimientos. Sin embargo, existen diferencias importantes entre la versión típica de laboratorio de la técnica y el concepto original de Delphi, lo que dificulta las generalizaciones sobre «Delphi» per se. Estas diferencias se derivan de la falta de control de las características importantes del grupo, la tarea y la técnica (como el nivel relativo de experiencia de los panelistas y la naturaleza de la retroalimentación utilizada). De hecho, existen razones teóricas y empíricas para creer que un Delphi realizado según especificaciones «ideales» podría funcionar mejor que las interpretaciones estándar de laboratorio. Se concluye que se requiere un enfoque diferente de investigación para responder preguntas sobre la efectividad de Delphi, centrándose en un análisis del proceso de cambio de juicio dentro de grupos nominales.