? ¿Te unes al reto?
En BIP – xTech estamos buscando a gente con ganas de crecer, aprender y enfrentarse a proyectos tecnológicos de verdad: cloud, datos, IA, seguridad, automatización, DevSecOps, IoT, Industria 4.0… Aquí no te vas a aburrir
Somos un equipo diverso y con muchas ganas, donde combinamos tecnología con estrategia para ofrecer soluciones top a nuestros clientes. Si te interesa estar en el centro de la transformación digital y construir soluciones cloud modernas sobre Azure, este es tu sitio.
? ¿Qué harás?
La forma de desarrollar software está cambiando. Herramientas como GitHub Copilot, Claude Code y otros asistentes de IA permiten acelerar enormemente el desarrollo, pero seguimos necesitando buenos ingenieros capaces de diseñar la solución, tomar decisiones técnicas, integrar sistemas y garantizar que el código generado sea mantenible, seguro y esté preparado para producción.
Ahí entras tú.
Buscamos una persona con experiencia sólida en desarrollo backend con .NET y Azure, acostumbrada a construir APIs, microservicios e integraciones cloud-native.
Trabajarás en soluciones donde Azure es una parte fundamental de la arquitectura, utilizando servicios como AKS, Azure Functions, Logic Apps, API Management, Service Bus, Event Grid, Key Vault o Application Insights, entre otros.
Y queremos que la IA forme parte de tu forma habitual de desarrollar: desde generar y refactorizar código hasta crear tests, documentación, revisar implementaciones o acelerar la resolución de problemas.
✅ Lo que necesitamos de ti
Imprescindible tener al menos 3 años de experiencia en desarrollo backend con .NET, con especial foco en:
• Desarrollo .NET / C#: experiencia sólida con .NET actual, ASP.NET Core, Web APIs, Dependency Injection, configuración, logging y gestión de errores.
• Diseño y desarrollo de APIs REST, incluyendo definición de contratos, versionado, autenticación/autorización, validación y documentación con OpenAPI/Swagger.
• Arquitecturas de microservicios
📌 Azure Backend Engineer – Cloud Native (Madrid)
🏢 bip
📍 Madrid