Dit artikel bespreekt systematisch empirische studies die kijken naar de effectiviteit van de Delphi-techniek, en geeft kritiek op dit onderzoek. Bevindingen suggereren dat Delphi-groepen beter presteren dan statistische groepen (door 12 studies naar twee met twee ‘banden’) en standaard interacterende groepen (door vijf studies naar één met twee ‘banden’), hoewel er geen consistent bewijs is dat de techniek beter presteert dan andere gestructureerde groepen procedures. Er bestaan echter belangrijke verschillen tussen de typische laboratoriumversie van de techniek en het oorspronkelijke concept van Delphi, waardoor generalisaties over ‘Delphi’ per se moeilijk zijn. Deze verschillen vloeien voort uit een gebrek aan controle over belangrijke groeps-, taak- en techniekkenmerken (zoals het relatieve niveau van panelledenkennis en de aard van de gebruikte feedback). Er zijn inderdaad theoretische en empirische redenen om aan te nemen dat een Delphi uitgevoerd volgens ‘ideale’ specificaties beter zou kunnen presteren dan de standaard laboratoriuminterpretaties. Er wordt geconcludeerd dat een andere onderzoeksfocus nodig is om vragen over de effectiviteit van Delphi te beantwoorden, waarbij de nadruk ligt op een analyse van het proces van beoordelingsverandering binnen nominale groepen.