Universities face growing uncertainty. Artificial intelligence is transforming teaching, research, business, public administration, and labor markets faster than institutions can easily adapt. In such situations, historical data often provide only partial answers. Decision-makers need informed judgment from experts to understand emerging trends and future possibilities. This is where the Delphi method offers significant value.
In their influential article, “The Delphi Method as a Research Tool,” Chitu Okoli and Suzanne Pawlowski describe Delphi as a structured process for obtaining expert consensus on complex problems through multiple rounds of questionnaires, feedback, and revision. Unlike traditional surveys gathering representative opinions from a population, Delphi focuses on collecting and refining the knowledge of carefully selected experts. The method combines anonymity, controlled feedback, and iterative reflection to produce more thoughtful judgments and reduce the influence of hierarchy, status, and dominant personalities.
One of the greatest advantages of the Delphi method is its suitability for emerging and poorly understood topics. This makes it particularly relevant for universities attempting to understand the implications of generative AI. Many questions facing higher education today cannot yet be answered through conventional empirical research because the technologies, policies, and practices are still evolving. Expert judgment therefore becomes a valuable source of evidence.
At the University of Economics Varna, Delphi studies could support strategic planning across multiple disciplines and institutional priorities. In business and management, expert panels could identify the competencies graduates will need in an AI-driven economy. In economics, Delphi studies could examine the future impact of AI on labor markets, regional development, and workforce transformation. Finance and accounting programs could use Delphi panels to explore emerging skills related to AI-supported auditing, financial analysis, and fintech innovation.
Tourism researchers could employ Delphi studies to identify future trends in sustainable tourism, digital tourism services, and specialized areas such as apitourism. Marketing scholars could investigate AI-generated content, personalization, and consumer trust are likely to reshape marketing practice over the next decade.
Perhaps the strongest opportunity lies within educational technology and AI in education. Delphi panels involving faculty, students, instructional designers, employers, and policymakers could help define AI literacy and AI fluency competencies, identify future assessment models, and inform institutional AI governance policies. Such studies would provide an evidence-based foundation for curriculum redesign and faculty development initiatives.
The rise of generative AI is also changing the mere way Delphi studies themselves are conducted. AI tools can assist researchers by summarizing expert responses, identifying recurring themes, clustering ideas, and generating preliminary reports between rounds. Tasks previously having taken weeks of manual analysis can now be completed rather faster. This increases the efficiency of Delphi studies and allows researchers to focus more on interpretation and decision-making.
At the same time, generative AI introduces new challenges. Researchers must consider whether experts should use AI when formulating responses and the way AI-generated suggestions might influence consensus. There is a risk of experts relying on similar AI systems might unintentionally produce artificial agreement. Consensus generated through AI-assisted responses may not always reflect independent expert judgment.
These limitations do not diminish the value of the Delphi method. Rather, they highlight the need for transparent research protocols and careful study design. The core strength of Delphi remains its ability to bring together diverse expertise, encourage reflection, and support decision-making in situations where evidence is incomplete and uncertainty is high.
As the University of Economics Varna continues to explore the opportunities and challenges of artificial intelligence, the Delphi method offers a rigorous and practical approach for shaping research agendas, informing institutional strategy, and supporting evidence-based innovation. In an era increasingly influenced by AI, structured human expertise may become more important than ever.
Методът Делфи в ерата на изкуствения интелект: ценен инструмент за научни изследвания и стратегическо планиране в Икономически университет – Варна
Университетите са изправени пред нарастваща несигурност. Изкуственият интелект променя преподаването, научните изследвания, бизнеса, публичната администрация и пазара на труда по-бързо, отколкото институциите могат лесно да се адаптират. В подобни ситуации историческите данни често предоставят само частични отговори. Вземащите решения се нуждаят от информирани експертни оценки, за да разберат нововъзникващите тенденции и бъдещите възможности. Именно тук методът Делфи предлага значителна стойност.
В своята влиятелна статия „Методът Делфи като изследователски инструмент“ Читу Околи и Сюзан Половски описват Делфи като структуриран процес за постигане на експертен консенсус по сложни проблеми чрез множество кръгове от въпросници, обратна връзка и преразглеждане на мненията. За разлика от традиционните анкети, които събират представителни мнения от дадена популация, методът Делфи се фокусира върху събирането и усъвършенстването на знанията на внимателно подбрани експерти. Методът съчетава анонимност, контролирана обратна връзка и итеративна рефлексия, за да насърчи по-задълбочени оценки и да намали влиянието на йерархията, статуса и доминиращите личности.
Едно от най-големите предимства на метода Делфи е неговата приложимост към нововъзникващи и слабо изследвани теми. Това го прави особено подходящ за университетите, които се стремят да разберат последиците от генеративния изкуствен интелект. Много от въпросите, пред които е изправено висшето образование днес, все още не могат да бъдат решени чрез традиционни емпирични изследвания, тъй като технологиите, политиките и практиките продължават да се развиват. Поради това експертната оценка се превръща в ценен източник на доказателства.
В Икономически университет – Варна изследванията с метода Делфи могат да подпомогнат стратегическото планиране в множество научни направления и институционални приоритети. В областта на бизнеса и управлението експертни панели могат да идентифицират компетентностите, от които завършилите ще се нуждаят в икономика, задвижвана от изкуствен интелект. В икономиката методът Делфи може да се използва за изследване на бъдещото въздействие на ИИ върху пазара на труда, регионалното развитие и трансформацията на работната сила. Във финансите и счетоводството панели от експерти могат да анализират нововъзникващи умения, свързани с одит, финансов анализ и финтех иновации, подпомагани от ИИ.
Изследователите в областта на туризма могат да използват метода Делфи за идентифициране на бъдещи тенденции в устойчивия туризъм, дигиталните туристически услуги и специализирани направления като пчелния туризъм. В маркетинга изследванията могат да анализират как генерираното от ИИ съдържание, персонализацията и доверието на потребителите ще променят маркетинговата практика през следващото десетилетие.
Вероятно най-големият потенциал се крие в сферата на образователните технологии и изкуствения интелект в образованието. Панели, включващи преподаватели, студенти, специалисти по учебен дизайн, работодатели и представители на публични институции, могат да помогнат за дефиниране на компетентности по ИИ грамотност и ИИ флуентност, за идентифициране на бъдещи модели за оценяване и за разработване на политики за институционално управление на ИИ. Подобни изследвания биха осигурили основана на доказателства база за актуализиране на учебните програми и за професионално развитие на преподавателите.
Разпространението на генеративния изкуствен интелект променя и самия начин, по който се провеждат Делфи изследванията. Инструментите с ИИ могат да подпомагат изследователите чрез обобщаване на експертните отговори, идентифициране на повтарящи се теми, групиране на идеи и генериране на предварителни доклади между отделните кръгове. Задачи, които преди са изисквали седмици ръчен анализ, вече могат да бъдат изпълнявани значително по-бързо. Това повишава ефективността на Делфи изследванията и позволява на изследователите да се фокусират върху интерпретацията и вземането на решения.
В същото време генеративният ИИ създава нови предизвикателства. Изследователите трябва да решат дали експертите следва да използват ИИ при формулирането на своите отговори и по какъв начин генерираните от ИИ предложения могат да повлияят върху консенсуса. Съществува риск експерти, използващи сходни ИИ системи, неволно да достигнат до изкуствено съгласие. Консенсусът, формиран чрез подпомогнати от ИИ отговори, невинаги отразява независимо експертно мнение.
Тези ограничения не намаляват стойността на метода Делфи. Те по-скоро подчертават необходимостта от прозрачни изследователски протоколи и внимателен дизайн на изследванията. Основната сила на метода остава способността му да обединява разнообразна експертиза, да насърчава рефлексията и да подпомага вземането на решения в ситуации, при които доказателствата са непълни, а несигурността е висока.
Докато Икономически университет – Варна продължава да изследва възможностите и предизвикателствата на изкуствения интелект, методът Делфи предлага строг и практичен подход за формиране на научни програми, разработване на институционални стратегии и подкрепа на иновации, основани на доказателства. В епоха, която все по-силно се влияе от ИИ, структурираната човешка експертиза може да се окаже по-ценна от всякога.