En la era de la Industria 5.0, gestionar de manera efectiva la carga cognitiva es crucial para optimizar el rendimiento humano y garantizar la eficiencia operativa. Utilizando un enfoque de Red Bidireccional Gated Network (BDGN) basado en EEG, este estudio intenta determinar cómo clasificar la carga cognitiva en aplicaciones de la Industria 5.0. El enfoque propuesto incorpora modelos LSTM (Memoria a Corto y Largo Plazo) y GRU (Unidad Recurrente Gated) en una arquitectura híbrida para aprovechar sus fortalezas complementarias. Esta investigación destaca la utilización del modelo desarrollado junto con el protocolo MQTT (Mensaje de Cola de Telemetría de Transporte) para facilitar la transmisión de datos de extremo a extremo en tiempo real. El modelo de IA implementado realiza la clasificación de la carga cognitiva en base a los datos recibidos. Los principales hallazgos de esta investigación revelan una precisión impresionante del 98% en la clasificación de la carga cognitiva, validando la eficacia del enfoque BDGN sugerido. Este estudio enfatiza la importancia de aprovechar enfoques basados en EEG en aplicaciones de la Industria 5.0 para la gestión de la carga cognitiva.