Los avances recientes han demostrado que es posible identificar al hablante objetivo al que un oyente está prestando atención utilizando la decodificación de la atención auditiva (AAD) basada en EEG de un solo ensayo. La mayoría de los métodos de AAD han sido investigados para un escenario de lazo abierto, donde la AAD se realiza de forma offline sin proporcionar retroalimentación en línea al oyente. En este trabajo, nuestro objetivo es desarrollar un sistema de AAD de lazo cerrado que permita mejorar a un hablante objetivo, suprimir a un hablante que interfiere y cambiar la atención entre ambos hablantes. Para ello, proponemos un controlador de ganancia adaptativa (AGC) basado en cognición y en tiempo real a partir de la AAD. Utilizando las respuestas de EEG del oyente y las señales de habla de ambos hablantes, la AAD en tiempo real genera medidas de atención probabilísticas, en base a las cuales se identifican al hablante atendido y al no atendido. El AGC amplifica entonces al hablante atendido identificado y atenúa al hablante no atendido identificado, los cuales son presentados al oyente a través de altavoces. Investigamos el rendimiento del sistema propuesto en términos de rendimiento de decodificación y mejora de la relación señal-interferencia (SIR). Los resultados experimentales muestran que, aunque hay un retraso significativo para detectar cambios de atención, el sistema propuesto es capaz de mejorar la SIR entre el hablante atendido y el no atendido. Además, no se observa una diferencia significativa en el rendimiento de decodificación entre la AAD de lazo cerrado y la de lazo abierto. Los resultados de la evaluación subjetiva muestran que el sistema propuesto de lazo cerrado basado en cognición demanda un nivel similar de esfuerzo cognitivo para seguir al hablante atendido, ignorar al hablante no atendido y cambiar la atención entre ambos hablantes en comparación con el uso de la AAD de lazo abierto. La AAD de lazo cerrado de forma online es factible y permite al oyente interactuar con el AGC.