Transformar la definición y anatomía de vanguardia de los sistemas empresariales (ESs) parece ser un destino inevitable para algunos académicos y profesionales. La disminución del valor provocada por la jubilación anticipada y/o el reemplazo de las soluciones de ESs ha sido una constante a lo largo de la última década. Esto ha impulsado una enorme cantidad de investigaciones que abordan los problemas que conducen al agotamiento de recursos. El desperdicio de recursos ha persistido a lo largo de las fases y dimensiones del ciclo de vida de implementación de los ESs, especialmente en las fases posteriores a la puesta en marcha; lo que ha llevado a agotar el valor de las dimensiones sociales y técnicas del ciclo de vida. Paralelamente a esta corriente de investigación, el impulso ganado por los algoritmos y plataformas de aprendizaje profundo (DL) ha crecido exponencialmente para alimentar los avances hacia la inteligencia artificial y la augmentación automatizada. En consecuencia, este artículo tiene como objetivo presentar cinco direcciones clave de investigación a través de las cuales el DL participará como contribuyente hacia la transformación del estado del arte de los ESs. El artículo revisa los desafíos del ciclo de vida de implementación de los ESs y la intersección con la investigación de DL realizada sobre los ESs, analizando y sintetizando revistas clave (lista de la Asociación de Sistemas de Información). El artículo también presenta resultados de varios experimentos que muestran la efectividad del DL en añadir un nivel de augmentación a los ESs al analizar un gran conjunto de datos extraídos del Sistema de Seguimiento de Problemas de Atlassian Jira Software a través de diferentes ecosistemas. El artículo concluye presentando las direcciones de investigación y discutiendo los cursos de investigación socio-técnica que trabajan en las fronteras clave identificadas dentro de este trabajo académico.